分子模拟方法概述
系列标签：
知识文档·分子模拟·方法地图·MolSimulX
刚接触「分子模拟」时，名字就容易把人绕晕：分子动力学（Molecular Dynamics, MD）、蒙特卡洛（Monte Carlo, MC）、密度泛函理论（Density Functional Theory, DFT）、第一性原理分子动力学（ab initio MD / AIMD）、粗粒化（Coarse-grained / CG）、量子力学/分子力学（Quantum Mechanics / Molecular Mechanics, QM/MM）…… 论文 Methods 里一笔带过，软件手册又默认你已经选对了方法。结果是：能跟着教程跑通一个算例，却说不清自己为什么用这条路、旁边还有哪些路。
本文画一张分子模拟方法地图：典型方法在算什么、适合问什么、和本站哪篇文章对接。不讲软件命令、力场参数细节或完整 MD 流程——那些分别见后续专文。
本站以经典 MD 为主线。 经典 MD 既经常单独使用（溶液结构、扩散、界面、限域等大量课题），也常常与其他方法耦合（增强采样、MC、粗粒化、QM/MM、机器学习势等）。本文看完后，请接着读分子动力学模拟概述。
一、分子模拟在算什么
理查德·费曼曾说：若只能给后人留一句话，最值得留的是原子假说——万物由原子组成，原子永不停息地运动，稍远则相吸、挤近则相斥。
分子模拟做的，正是把这幅图像搬进计算机：用程序里的点（粒子）代表原子或粗粒化单元，按选定的相互作用规则「推」它们运动或抽样构型，再从微观轨迹里读出结构、热力学或动力学量。 实验室测的是宏观平均；模拟则先把原子假说变成可算的模型，再往回对实验。下文先对齐「化学对象 ↔ 程序里的粒子」怎么叫，再谈选方法时绕不开的三个轴。
化学里你熟悉的是分子和原子：一滴水里有大量水分子，每个水分子由氧、氢原子组成。程序里通常不说「我移动了第 37 号水分子的氧」，而统称移动了某个粒子（particle）。先把对应关系钉死，后面读「粒子」才不会悬空：
| 化学 / 日常说法 | 模拟里常叫什么 | 一句话 |
|---|---|---|
| 原子（C、O、H…） | 一个粒子（全原子模型里最常见） | 有质量、有坐标；经典 MD 里往往还带电荷等参数 |
| 分子（水、蛋白质…） | 若干粒子用化学键（或约束）连在一起 | 「一个分子」= 一组有连接关系的粒子，不是单点 |
| 粗粒化珠子 | 也叫粒子 / bead | 一个珠子可代表一截链、几个原子，甚至一小团溶剂 |
| 电子 | 一般不当成牛顿力学里的经典粒子来推 | 经典力场把电子效应写进参数；要显式算电子 → 量子化学 / AIMD。例外：部分极化力场用 Drude 等附加自由度近似「可动的电荷云」——形式上像多了一个轻粒子，但仍是力场技巧，不是真在解电子薛定谔方程 |
所以后文说的「粒子怎么排、怎么互相推拉」，在全原子 MD 里多半就是原子怎么排、原子之间怎么作用；说「分子」时，指的是这些原子按键连成的整体。
对象对齐之后，面对具体课题还要再选路：用多细的模型、怎么采样、要回答哪类问题——这就是方法怎么匹配问题。可以把选择压成三个轴（后文表格都按这三轴摆）：
| 轴 | 在问什么 | 例子 |
|---|---|---|
| 物理层次 | 电子？原子？粗粒珠子？还是连续体？ | DFT vs 全原子 MD vs 粗粒化 vs 连续介质仿真 |
| 采样方式 | 跟时间走，按概率抽构型，还是几乎不采核构型？ | MD 轨迹 · MC / kMC · 静态 DFT（给定/优化构型，不算系综采样） |
| 问题类型 | 结构/热力学，动力学/输运，还是反应/电子结构？ | 径向分布函数（radial distribution function, RDF）、自由能、扩散、能垒 |
这里的采样（sampling），不是问卷抽样，而是：体系可能的微观状态（构型、动量）极多，计算机只能访问其中一部分。MD 沿着时间轨迹「路过」一批状态；MC 按概率规则「抽取」一批构型。采样够不够，直接决定统计量稳不稳、稀有事件看不看得见——后文「采样方式」这一轴，说的就是这件事。
Tips： 没有「万能最好」的方法，只有「对这个问题是否匹配」。本站主线把经典 MD 走深；其他方法在地图上点到，细节进对应专题。
二、粒子、连续、量子：三条路怎么摆
分子模拟常和工程里的连续介质仿真、以及量子化学计算放在一起谈，但各自回答的问题不同：
| 路线 | 在算什么 | 适合问什么 | 典型工具感 |
|---|---|---|---|
| 分子模拟（MD / MC / AIMD…） | 离散粒子的构型与运动 | 微观结构、涨落、扩散、吸附、反应机理 | 「原子电影」或「构型抽样」 |
| 连续介质仿真 | 把材料当成连续体（应力、应变、流场） | 大尺度力学、工程结构、宏观流动 | 「整块材料怎么变形 / 流动」 |
| 量子化学计算 | 给定原子核坐标下的电子结构、能量与力；常做单点、几何优化、反应路径上的若干点 | 能垒、光谱、精确小分子性质 | 「算清这一构型的电子结构」 |
上表三行不是互斥阵营，而是三条常用入口：分子侧管离散粒子，连续侧管宏观场，量子侧管电子结构。入门时先认清自己问的是哪一类问题，再谈怎么衔接。
连续侧名字很多，本站统一这样理解即可——不必当三门课来学：
- 连续介质：物理图像（不把材料拆成一个个原子，而当成连续场）
- 有限元（FEM）等：解连续介质方程的常见数值手段（固体力学里最常见）
- 计算流体力学（CFD）：连续介质图像下专门算流体（流动、传热、对流等）的一类仿真
它们都在「连续」这一格；和 MD 的差别是描述层次，不是「谁更高级」。
量子侧也要分清用法：多数入门课题里的「量子化学计算/DFT」是在给定或优化好的少数核构型上算电子能量与力——这是电子结构计算，不是上一节说的采样。若让原子核在量子力下随时间积分，才进入地图里的 AIMD（以及含时电子动力学等更专门的方向）。同一量子根基，两种用法。
名字也容易撞车：本站与量子化学文献里说的 DFT，默认指电子密度泛函理论（算电子结构）。软物质 / 统计力学里还有经典 DFT（classical DFT, cDFT）：不写电子波函数，而用粒子密度场写平衡自由能——更靠近连续 / 场论一侧。二者缩写都叫 DFT，不是同一套方法；后文未特别声明时，DFT = 电子 DFT。
1. 谁更「根本」
若只谈物理根基、暂不考虑算力：描述物质最底层的是量子力学——电子与原子核如何相互作用。量子化学正是在解（或近似解）这类问题，所以常叫第一性原理（ab initio / first-principles）：力与能量尽量从基本物理方程出发，而不是事先拟合一套「推拉规则」。
「最根本」不等于「每个课题都该从这里开跑」。经典力场 MD 可以看成：把量子世界里「有效」的相互作用，压缩成可快速计算的公式——用可承受的代价，换更大体系、更长时间。
2. 三者如何耦合
| 关系 | 常见做法 |
|---|---|
| 量子 → 经典 MD | 用量子计算标定/训练力场或机器学习（Machine Learning, ML）势，再跑大规模 MD |
| 量子 + 经典同框 | QM-MM思想：反应中心用量子，环境用力场 |
| 量子自己也动起来 | 第一性原理分子动力学与核量子效应（AIMD） |
| 分子 → 连续：参数传递 | 分子模拟给出黏度、扩散系数、模量等，喂给连续介质模型（如 CFD） |
| 分子 + 连续：同框分区 | 例如胶体、悬浮液：颗粒（或近场）用分子/粗粒描述，远场溶剂用连续流体；或固–液界面一侧原子、一侧连续 |
同框比「只传一个宏观参数」更紧：两边在空间上同时存在、在边界交换力或通量。本站主线仍落在分子侧；知道连续侧可以接上，判断时就不会非此即彼。
三、方法地图（总表）
按「常见程度 × 与本站相关度」排列。每行一句话定位；深挖见右侧链接。
| 家族 | 代表方法 | 在算什么 | 典型问题 | 本站去向 |
|---|---|---|---|---|
| 经典 MD | 全原子 MD、粗粒化 MD | 牛顿（或朗之万）方程下的时间演化 | 溶液结构、扩散、界面、生物大分子涨落 | → 分子动力学模拟概述（本站重点） |
| 随机 / 耗散动力学 | 朗之万 / 布朗、DPD、Stokesian Dynamics 等；再往上可接 SPH、LB、CFD | 摩擦 + 随机力，或介观/连续介质流；常作隐式或粗粒化溶剂，也可在显式 MD 里当热浴 | 胶体、水动力学、粗时间尺度 | → 朗之万、布朗与溶剂介质方法 |
| 蒙特卡洛（MC） | Metropolis、巨正则 MC（GCMC）、动能蒙特卡洛（kinetic MC, kMC）等 | 按目标系综接受/拒绝构型；kMC 则按速率抽样事件序列（反应、扩散跳跃等） | 相平衡、吸附等温线；表面反应、缺陷动力学等 | → 分子动力学与蒙特卡洛 |
| 增强采样 | 伞形采样、元动力学等 | 稀有事件与自由能面 | 成核、结合、高垒构象转变 | → 增强采样与自由能 |
| 非平衡 MD | 非平衡分子动力学（Non-Equilibrium MD, NEMD）等 | 外场 / 剪切 / 梯度下的响应 | 粘度、热导的驱动算法 | → 非平衡分子动力学概述 |
| 量子化学 | DFT、波函数方法等 | 给定构型算电子能量与力（单点、优化、反应路径扫描等；通常不跑长核轨迹，不算采样） | 反应能垒、光谱、小体系精确结构 | 概念点到；本站不展开软件 |
| 第一性原理 MD | AIMD / ab initio MD | 每步用力来自电子结构，积分原子核运动 | 键断裂、电子重排、有时间的反应路径 | → 第一性原理分子动力学与核量子效应 |
| 多尺度混合 | QM/MM 等 | 局部量子 + 环境经典 | 酶活性中心反应等 | → QM-MM思想 |
| 数据驱动 | ML 势、图神经网络（Graph Neural Network, GNN）等 | 用数据逼近势能或性质 | 加速/扩展力场、性质预测 | → 机器学习数据基础 · 神经网络与深度学习基础 |
同一「经典 MD」家族里，还有分辨率与精度选择：默认全原子见 经典全原子力场；算得快见 粗粒化与加速模型；算得准见 高精度力场与机器学习势；怎么选见 力场怎么选。
尺度与成本（直觉）
| 更贵、更细 | 居中（本站主战场） | 更粗、更长 | |
|---|---|---|---|
| 层次 | 电子 + 核（AIMD） | 原子 + 力场（经典 MD） | 粗粒珠子 / 隐式溶剂 |
| 时间 | 常为 皮秒（picosecond, ps）量级 | 纳秒–微秒（ns–μs，视体系） | 可更长 |
| 体系 | 很小 | 千–百万原子常见 | 可更大 |
Tips： 入门先把经典 MD 走通。AIMD 很强，但贵几个数量级；多数溶液、材料体相、生物大分子课题，经典力场仍是主力。
四、经典 MD：本站为什么把它当重点
一句话：
给定粒子怎么排、粒子之间怎么推拉（力场），用牛顿定律往前推，得到轨迹，再统计出宏观性质。
| 你得到什么 | 依赖什么 |
|---|---|
| 结构、密度、扩散、界面等 | 力场是否合适、采样是否够 |
| 一条「原子电影」 | 时间步长、积分与热浴/压浴设置 |
| 可与实验对照的统计量 | 后处理与误差估计 |
经典 MD 不直接算电子：键与电荷规则写在力场里。好处是快、体系可以大；代价是经典力场没覆盖的化学（如断键成键）默认「不会发生」——那时要看反应力场、AIMD 或 QM/MM。
它既是大量课题的完整方案（单独跑通即可回答问题），也常是多方法流程里的底座（上面挂增强采样、接 ML 势、或与 MC / 连续模型分工）。下一篇 分子动力学模拟概述 把这条主线的名词与流程讲透。
五、怎么选题（决策表）
| 你的问题更像… | 优先考虑 |
|---|---|
| 溶液结构、扩散、膜涨落、材料体相平衡 | 经典 MD（本站主线；常可单独完成） |
| 吸附等温线、相共存、粒子数可变 | MC / GCMC |
| 表面反应、缺陷跳跃、事件驱动动力学 | kMC（常与 MD / 第一性原理速率配合） |
| 要断键、电子重排、精确反应路径 | AIMD 或 QM/MM（或反应力场）；只要平衡几何/能垒可用 DFT |
| 势垒高、常规轨迹采不到 | 增强采样（常挂在 MD 上） |
| 只要平衡结构、不要真实时间 | MC 或长时间 MD 均可，看体系与习惯 |
| 体系极大、只要介观行为 | 粗粒化 / 布朗动力学等 |
| 剪切、热流、电场下的输运 | NEMD 或平衡 MD + Green–Kubo（见 输运系数谱系） |
| 用数据加速势能或做构象学习 | ML 势 / 特征学习（接 MD 或电子结构数据） |
方法可以组合：MC 做平衡 + MD 看动力学；QM/MM；ML 势驱动 MD。地图上的格子不是互斥单选题。
六、小结
- 分子模拟共享原子（或粗粒）图像；与连续介质、量子化学分工不同，常通过参数传递或同框分区耦合。
- 量子化学更「根本」（第一性原理），经典 MD 用可承受代价换尺度；MD 可单独用，也可与别的方法衔接。
- 方法怎么匹配问题：看层次、采样方式、问题类型；用总表定位，再进专题。
- 本站主线是经典 MD；随机/耗散动力学多为隐式溶剂或热浴，不是「真空无溶剂」的同义词。
- 下一篇把 MD 的流程与核心名词讲透；再进入力场 → 建盒子/算力 → 积分与平衡 → 分析；统计力学加深与其他方法放后面。
学习路径
前置阅读： 无
下一步：
- 分子动力学模拟概述 —— 本站重点：MD 在算什么
- 力场块（建议）：经典全原子力场 → 按需 粗粒化与加速模型 / 高精度力场与机器学习势 → 力场怎么选
- 然后按模拟流程：边界条件与初始条件 → … → 分析；加深见 统计力学基础与系综
- 分子动力学与蒙特卡洛 —— 需要构型采样对照时
- 第一性原理分子动力学与核量子效应 / QM-MM思想 —— 需要反应与电子结构时
- 分子模拟工作平台搭建 —— 开始动手