Parameterization of a reactive force field using a Monte Carlo algorithm

雷亚克夫 力场(虚构) 分子动力学 模拟退火 蒙特卡罗方法 可转让性 量子退火 统计物理学 领域(数学) 化学 量子 计算化学 计算机科学 算法 物理 数学 原子间势 量子力学 量子计算机 人工智能 统计 罗伊特 机器学习 纯数学
作者
Eldhose Iype,Markus Hütter,A. P. J. Jansen,S. V. Nedea,C.C.M. Rindt
出处
期刊:Journal of Computational Chemistry [Wiley]
卷期号:34 (13): 1143-1154 被引量:89
标识
DOI:10.1002/jcc.23246
摘要

Abstract Parameterization of a molecular dynamics force field is essential in realistically modeling the physicochemical processes involved in a molecular system. This step is often challenging when the equations involved in describing the force field are complicated as well as when the parameters are mostly empirical. ReaxFF is one such reactive force field which uses hundreds of parameters to describe the interactions between atoms. The optimization of the parameters in ReaxFF is done such that the properties predicted by ReaxFF matches with a set of quantum chemical or experimental data. Usually, the optimization of the parameters is done by an inefficient single‐parameter parabolic‐search algorithm. In this study, we use a robust metropolis Monte‐Carlo algorithm with simulated annealing to search for the optimum parameters for the ReaxFF force field in a high‐dimensional parameter space. The optimization is done against a set of quantum chemical data for MgSO 4 hydrates. The optimized force field reproduced the chemical structures, the equations of state, and the water binding curves of MgSO 4 hydrates. The transferability test of the ReaxFF force field shows the extend of transferability for a particular molecular system. This study points out that the ReaxFF force field is not indefinitely transferable. © 2013 Wiley Periodicals, Inc.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
CodeCraft应助罗良干采纳,获得10
1秒前
2秒前
jsjjs发布了新的文献求助10
2秒前
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
CipherSage应助科研通管家采纳,获得10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
汉堡包应助研友_Lw4Ngn采纳,获得10
2秒前
酷波er应助科研通管家采纳,获得10
2秒前
科目三应助科研通管家采纳,获得10
3秒前
Jasper应助科研通管家采纳,获得10
3秒前
Jasper应助科研通管家采纳,获得10
3秒前
上官若男应助科研通管家采纳,获得10
3秒前
不配.应助科研通管家采纳,获得10
3秒前
丘比特应助科研通管家采纳,获得10
3秒前
所所应助学生采纳,获得10
4秒前
5秒前
课呢完成签到,获得积分10
6秒前
搞怪刚发布了新的文献求助10
7秒前
科研通AI2S应助TianY天翊采纳,获得10
10秒前
10秒前
hayek完成签到,获得积分10
11秒前
lyjj023发布了新的文献求助10
13秒前
14秒前
宁霸完成签到,获得积分0
16秒前
www发布了新的文献求助10
17秒前
Lucas应助lyjj023采纳,获得10
20秒前
太阳当下完成签到,获得积分10
20秒前
墨苏发布了新的文献求助10
20秒前
CHSLN完成签到 ,获得积分10
22秒前
liuweiwei完成签到 ,获得积分10
24秒前
25秒前
英姑应助静注氯化钾采纳,获得10
25秒前
25秒前
26秒前
JamesPei应助端庄的白开水采纳,获得10
27秒前
28秒前
28秒前
28秒前
调研昵称发布了新的文献求助10
28秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3141282
求助须知:如何正确求助?哪些是违规求助? 2792281
关于积分的说明 7802009
捐赠科研通 2448470
什么是DOI,文献DOI怎么找? 1302541
科研通“疑难数据库(出版商)”最低求助积分说明 626650
版权声明 601237