分子动力学模拟概述
系列标签：
知识文档·分子模拟·MD入门·MolSimulX
上一篇 分子模拟方法概述 画的是方法全景。本篇收窄到经典分子动力学（Molecular Dynamics, MD）：力场、牛顿积分、系综、周期盒子、轨迹与分析——本站主线从这里展开。
一篇概述只能建立总图景和名词直觉，细节会链到后续专题。读完应能说清「MD 在算什么、流程长什么样、结果能信到哪一步」。
定调（很重要）： 后面文章是为了让你听得懂、选得对、写得清 Methods，不是要你把 Ewald、Verlet、热浴推导背下来。日常科研里，这些大多对应软件里的选项与命令；了解在干什么、有哪些坑就够用。除非你要开发动力学引擎，否则不必自己手写积分器或长程静电代码。
一、先建立一张心智图
1. 分子、原子，和程序里的「粒子」
经典 MD 算的是真实物质，但输入文件里一行行写的是粒子：每个粒子有质量、坐标，积分时还有速度。它和化学课上的词怎么对上？
| 你想模拟的对象 | 在经典 MD 盒子里通常是 | 例子 |
|---|---|---|
| 一个原子 | 一个粒子 | 液氩里每个 Ar；水里的 O、H 各算一个粒子 |
| 一个分子 | 多个粒子 + 键/角等连接 | 一个水分子 = 3 个粒子（1 O + 2 H），用键连成「分子」 |
| 粗粒化模型 | 一个粒子代表一截/一团 | 几个 CH₂ 并成一颗珠子（见 粗粒化与加速模型） |
后文说「粒子」，在全原子语境下几乎都可以读成「原子」；说「分子」，指这些原子按拓扑连成的整体。电子一般不单独当经典粒子推——它们的效应写在力场参数里。
2. MD 一句话 + 类比
MD 可以压成一句话：
给定原子（粒子）怎么排、它们之间怎么互相推拉，用牛顿定律一步步往前推，得到每个原子随时间怎么动；再对这段运动做统计，得到宏观性质。
| 日常类比 | MD 里对应什么 |
|---|---|
| 一群人在广场上互相推挤、吸引 | 原子在盒子里运动（若干原子还可组成分子一起动） |
| 「谁推谁、推多狠」的规则 | 力场（势能 → 力） |
| 每隔很短时间拍一张快照 | 时间步上的积分 |
| 整段录像 | 轨迹（trajectory） |
| 从录像里数「平均有多挤、扩散多快」 | 后处理 / 分析 |
可以把它想成给原子拍一部「慢动作电影」：实验很难直接看见飞秒尺度上每个原子怎么动；MD 的强项，正是给出这条微观时间线。弱项也很清楚：电影有多真，取决于「推拉规则」（力场）和你拍了多久（采样）。
3. 多数时候：平衡态模拟
教程、论文 Methods、以及本站后面绝大部分专文，默认谈的是平衡态 MD（equilibrium MD）——不是「体系永远一动不动」，而是：
- 没有为了测响应而持续施加的驱动（如施加恒定剪切、温度梯度、压力差、电场作为测量手段）；
- 宏观量（温度、压强、密度、能量……）在目标条件附近涨落，长时间平均有稳得住的平台；
- 你在采的是某个系综里的平衡分布（常见 NVT / NPT），好和「300 K、1 bar 下的液体」这类实验语言对齐。
换句话说：粒子一直在抖、在换构型，但统计意义上已经「安顿」在设定的热力学条件下——这才叫平衡态模拟。后面流程里的平衡化（equilibration）是另一件事：开跑前丢掉的那段弛豫，用来把体系送到平台附近；生产段才在平衡态上采样（见 能量最小化与预平衡、平衡判据与收敛）。
非平衡则相反：故意加扰动，直接测通量或响应——例如算粘度、热导的驱动算法。地图与概念见 输运系数谱系；专文见 非平衡分子动力学概述。入门先把平衡态这条常见路径走通；需要驱动测输运时，再进非平衡——主线仍是经典 MD，并不等于「只做平衡」。
二、后面文章怎么排：按「开跑 → 分析」走
后面文章大致按一次模拟的真实顺序往下写，方便对照输入文件与日志，而不是按「数学难度」堆概念：
| 阶段 | 大致对应 | 你要带走的 |
|---|---|---|
| 力场 | 经典全原子力场 → 粗粒化与加速模型 / 高精度力场与机器学习势 → 力场怎么选 | 粒子怎么推拉；默认走全原子，再决定要不要更快/更准 |
| 搭盒子与算力 | 边界条件与初始条件 → 截断长程力与近邻列表 | PBC/墙、初态；为何截断、静电为何要长程方法 |
| 往前推时间 | 积分算法与时间步长 → 键长键角约束与刚性 → 常见系综与控温控压 | 步长、约束、选 NVE/NVT/NPT（热浴/压浴是实现工具） |
| 开跑前后 | 能量最小化与预平衡 → 平衡判据与收敛（按需 增强采样与自由能） | 别一上来就当生产数据；何时算「够了」 |
| 分析 | 轨迹分析与宏观性质 起 | 从轨迹到 RDF、扩散、误差与尺寸效应 |
| 旁支 | 输运系数谱系 → 非平衡分子动力学概述；统计力学基础与系综；分子动力学与蒙特卡洛；朗之万、布朗与溶剂介质方法；第一性原理分子动力学与核量子效应；QM-MM思想；机器学习数据基础 / 神经网络与深度学习基础 | 多数文从平衡态讲起；输运驱动、MC、AIMD、QM/MM、ML 等按需再读 |
学习深度建议：
- 目标是「会用」：知道每个旋钮解决什么问题、默认值大概在哪、错了会怎样；能在 Methods 里写清力场、系综、步长、截断、平衡与生产时长。
- 不必「会推」：Ewald 怎么拆短程/长程、Velocity Verlet 为何辛、Nosé–Hoover 怎么推导——有图像即可，细节留给想深挖或写引擎的人。
- 动手形态：绝大多数时候是在 GROMACS / Lammps / OpenMM 等软件里改输入、跑命令、看日志；分析可用现成工具或短脚本。自己从零实现 MD，只有在你要开发动力学软件 / 新算法时才有必要。
Tips： 读专题时不妨对照一句：「这对应我输入文件里的哪一行？」对上了，概念就算落地；对不上再翻软件手册，比死记公式有效。
三、经典 MD：力场驱动的牛顿运动
经典 MD 不直接算电子：键怎么拉、电荷怎么分布，都事先写进力场的函数和参数里。默认主线是全原子（all-atom, AA）——见 经典全原子力场。好处是快、体系可以大；代价是——力场没覆盖的化学（比如断键成键），它默认「不会发生」。
| 路线 | 模型 | 典型问题 | 成本 |
|---|---|---|---|
| 经典力学（经典力场 MD） | 原子/分子质点 + 力场 | 扩散、相变、流变、大体系平衡结构 | 相对较低 |
| 量子 / 第一性原理 MD | 电子 + 原子核 | 反应机理、键断裂 | 高，体系小、时间短 |
需要断键、电子重排时，见 第一性原理分子动力学与核量子效应、QM-MM思想；方法怎么选见 分子模拟方法概述。
四、MD 能回答什么、不能回答什么
1. 擅长的问题类型
| 类型 | 例子 | 你通常从轨迹里得到什么 |
|---|---|---|
| 结构 | 溶剂壳层、界面厚度、配位 | 径向分布函数（radial distribution function, RDF）、密度剖面、配位数 |
| 热力学相关 | 密度、能量、压强、表面张力 | 时间平均（需足够采样） |
| 动力学 / 输运 | 扩散、粘度、弛豫 | 均方位移（mean squared displacement, MSD）、相关函数等 |
| 机理线索 | 结合路径、通道开合 | 可视化 + 序参量随时间变化 |
注意：自由能、稀有事件（成核、跨膜）往往不是随便跑几十纳秒就能采到的，需要 增强采样与自由能。
2. 优势（相对实验）
- 条件精确可控：温度、压强、组分可以设得很干净，还能做「理想化」对照（例如关掉某种相互作用看影响）。
- 直接得到轨迹：实验很难给出同等时空分辨率的原子电影。
- 极端条件相对容易：高温高压、强电场等，在计算机里改参数即可尝试（仍受模型是否适用限制）。
3. 局限（入门就要心里有数）
- 时空尺度有限：全原子常见是纳米–微秒量级；再长、再大就要粗粒化、增强采样或换方法。
- 很少追求「和实验某一个数严丝合缝」：更常见、也更有价值的是发现趋势与机制——换温度/组分后密度怎么变、哪类相互作用主导分层、扩散是变快还是变慢。绝对数值会受力场系统误差影响；对上实验数量级、对上变化方向，往往比抠到小数点后三位更重要。
- 结果依赖模型：换水模型、换力场，密度和扩散都可能变——不是程序「算错了」，是模型不同。
注意： MD 给出的是「在该力场、该条件下的统计结果」，不是上帝视角的绝对真理。写论文时要把模型与设置写清楚，别人才能复现和评判。
五、核心方程：力从哪来、位置怎么更新
1. 牛顿第二定律
对每个粒子 $i$，牛顿第二定律写成：
$$\mathbf{F}_i = m_i \mathbf{a}_i = -\nabla_i U(\mathbf{r}_1,\ldots,\mathbf{r}_N)$$
也就是说：
- 所有粒子的位置决定体系总势能 U（由力场规定）；
- 势能对某个粒子坐标的「坡度」给出它受力 F（下坡方向）；
- 力除以质量得到加速度，再更新速度和位置。
势能 U 可以想成一张高低不平的地面：
- 两个原子离得太近 → 像撞上硬墙，势能陡升，被猛地弹开；
- 离得远一点、落在「合适距离」 → 像站在浅坑底，比较稳（液体里分子就爱待在这种距离附近）；
- 再拉远 → 吸引力变弱，坑变浅。
力总是把粒子往「下坡、往坑底」推。MD 做的事，就是让成千上万个粒子同时在这张起伏地面上，按牛顿定律一小步一小步往前跑；跑出来的路径连起来，就是轨迹。
2. 时间步长 $\Delta t$
计算机不能连续积分，只能「一小步一小步」往前走。这一小步叫时间步长。
| 直觉 | 说明 |
|---|---|
| 步子太大 | 粒子一步跨过「坑」直接穿进墙里 → 能量乱飞、体系「爆炸」 |
| 步子太小 | 安全但浪费算力，同样物理时间要算更多步 |
| 全原子常见量级 | 飞秒（femtosecond, fs）；含快速振动的键往往 0.5–2 fs |
为什么是飞秒？因为最快的运动（如 O–H 伸缩）周期就在这个量级；积分步必须能「看清」最快的运动，否则数值不稳定。用约束把键长冻住后，步长可以放大——见 键长键角约束与刚性、积分算法与时间步长。
Tips： 常说的自由度，指体系还能独立怎么动的方式有多少种（三维 $N$粒子约$3N$；键长被钉死就少几种）。它既限制$\Delta t$，也进入温度公式——详见 键长键角约束与刚性。
3. 温度从哪来？
在经典 MD 里，温度主要和动能挂钩：粒子平均动得越猛，温度越高。瞬时温度会上下抖，长时间平均才有意义。要把温度「按住」在设定值，需要热浴，见 常见系综与控温控压。
Tips： 日志里温度「到了 300 K」只说明动能被调到了目标附近，不等于结构已经平衡。结构弛豫往往更慢。
六、热力学、统计力学，和系综
1. 微观轨迹怎么变成宏观量？
MD 直接算出来的是每个原子的坐标、速度——这是微观。实验和工程关心的往往是温度、压强、密度、自由能差——这是宏观 / 热力学量。
中间的桥梁是统计力学（statistical mechanics）：在合适的条件下，对微观量做时间平均（或系综平均），就能得到可与热力学对照的宏观量。没有这层「翻译」，轨迹只是一部原子电影，对不上实验室读数。
可以粗记：
| 层次 | 谁在说话 | MD 里常见例子 |
|---|---|---|
| 微观 | 牛顿方程 + 力场 | 某一帧里每个原子的位置、速度 |
| 统计力学 | 平均、涨落、分布 | 长时间平均动能 → 温度；维里 → 压强 |
| 热力学 | 宏观状态与过程 | 「300 K、1 bar 下的密度」这类实验语言 |
所以跑 MD 不只是「把方程积对」，还要问：我采的样本，是否对应我想比的那个热力学条件？细节见 统计力学基础与系综。
2. 系综：你到底固定了什么
系综（ensemble）就是统计力学里的概念：规定哪些宏观量被固定、哪些允许涨落，从而定义「我们在采样哪一类平衡态」。实验说「在 300 K、1 bar 下测密度」——模拟也必须说清同一件事，否则微观平均对不上那个实验条件。
| 系综 | 固定什么 | 像什么 | 典型用途 |
|---|---|---|---|
| NVE | 粒子数、体积、总能量 | 理想绝热保温杯 | 检查能量是否守恒、短时动力学 |
| NVT | 粒子数、体积、温度 | 恒温槽里的固定盒子 | 升温、平衡化 |
| NPT | 粒子数、压强、温度 | 恒温恒压（体积可伸缩） | 液体密度、体相平衡 |
| μVT 等 | 化学势、体积、温度 | 可与粒子库交换 | 吸附等（进阶） |
裸积分牛顿方程，天然接近 NVE（能量近似守恒）。要 NVT/NPT，必须额外加热浴 / 压浴算法——它们不是力场的一部分，而是「把统计力学规定的宏观约束，施加到牛顿积分上」。详见 常见系综与控温控压。
选错系综的典型后果： 你想和实验比液体密度，却一直固定错误体积跑 NVT——密度被你钉死了，比出来没有意义。要比密度，通常用 NPT 让体积自己调到与压强平衡。
3. 平衡化 vs 生产段
真实流程很少「从零直接开始统计」：
- 能量最小化 / 去坏接触：避免粒子重叠导致第一步爆炸。
- 平衡化（equilibration）：让温度、密度、结构弛豫到平台；这段一般丢掉不分析。
- 生产段（production）：只在这段上算 RDF、扩散等——这里的「统计」才是连向宏观量的那一步。
七、模拟盒子与周期边界
实验室里的一杯水有 $10^{23}$ 量级分子；计算机里通常只有几千到几百万。要用有限粒子代表「体相液体」，最常用的是周期性边界条件（periodic boundary conditions, PBC）：
- 粒子从盒子右边穿出，立刻从左边镜像进来；
- 算距离时取最近镜像（最小镜像约定），避免「隔着盒子量远路」。
可以想成一间屋子六面都是镜子：你看到的是无限重复的拷贝，但真正在算的只有一间屋里的人。
| 概念 | 一句话 |
|---|---|
| 正交 / 三斜盒子 | 盒子形状；晶体有时需要斜盒子 |
| 最小镜像 | 两粒子距离取最近的那一对镜像 |
| 有限尺寸 | 盒子太小，粒子会「看见自己的镜像」，性质可能偏 |
PBC 不是万能： 盒子太小带来的偏差叫 有限尺寸效应。
另一件入门就要有数的事：非键相互作用（non-bonded）——不靠化学键拓扑、只靠距离起作用的那部分力，常见是范德华（Lennard-Jones 等）和静电。全算所有粒子对是 $O(N^2)$，范德华又随距离很快变弱；静电衰减更慢，周期盒子里还要长程方法。所以实务上常对非键做截断（远处弱相互作用先不算）并维护近邻列表。此处先记住：PBC 解决「盒子太小装不下体相」，截断解决「对太多算不起」。展开见 截断长程力与近邻列表；力场里怎么写进范德华/静电见 经典全原子力场。
非周期体系（气相团簇、带真空的薄膜）则用墙或真空层，而不是假装无限体相。详见 边界条件与初始条件。
八、一条完整流水线（概念版）
① 建结构：放什么分子、盒子多大、初始密度是否合理
② 选力场：相互作用规则 + 拓扑（谁和谁成键）
③ 设条件：系综、T、P、时间步长、总步数
④ 最小化 / 预平衡：去掉坏接触，弛豫到目标态附近
⑤ 生产运行：积分循环，写出 log + 轨迹
⑥ 分析：RDF、MSD、能量平均…… → 图与表
上面①–⑥是课题流程里的大步骤。进入⑤之后，程序还会在时间上迈成千上万个积分小步（每个 $\Delta t$）：每迈一小步都要算力、更新坐标。算力开销里，通常最贵的是非键力（范德华、静电）——全算是 $O(N^2)$，所以要用截断和近邻列表。见 截断长程力与近邻列表。
| 流程步骤 | 关键问题 |
|---|---|
| 结构 | 有没有严重重叠？密度是否离谱？ |
| 力场 | 是否匹配体系与文献？水模型是否配套？ |
| 条件 | 系综是否对应你要比的实验条件？ |
| 平衡 | 密度/能量是否平台？相关慢变量稳了吗？ |
| 分析 | 是否只用了生产段？误差怎么估？ |
输出两类文件（概念上）：
- 热力学日志：步数、温度、压强、能量、体积……适合快速看「跑得稳不稳」。
- 轨迹：各帧原子坐标（有时还有速度），适合算结构与动力学。
分析概念见 轨迹分析与宏观性质；动手可用 MDAnalysis轨迹分析入门。
Tips： 上表①–⑥与上文「后面文章怎么排」是同一条路：力场 → 盒子与算力 → 积分/约束/热浴 → 预平衡与收敛 → 分析。软件里通常也是按这个顺序写输入；概念对上命令，比背推导管用。
九、时间尺度与空间尺度（建立数量级感）
| 尺度 | 典型量级 | 直觉 |
|---|---|---|
| 时间步长 | 0.5–2 fs | 比化学键振动周期更短一截 |
| 一次「像样」的全原子轨迹 | 纳秒–微秒 | 够看很多局部弛豫；不够看很慢的构象变化 |
| 盒子边长 | 数纳米–数十纳米 | 远小于一滴水，但可代表局部体相 |
| 粒子数 | 10³–10⁷+ | 取决于算力和问题 |
和日常时间的换算感： 1 ns = 10⁻⁹ s。全原子跑 100 ns 已经不短，但相对「蛋白质折叠要微秒到更久」仍然可能只是开胃菜。
因此：
- 问局部溶剂结构、短时扩散 → 经典 MD 常够用；
- 问跨很高势垒的稀有事件 → 要增强采样或换模型；
- 问很大、很慢的软物质过程 → 考虑粗粒化。
十、经典 MD 默认了哪些假设？
入门时把这些当成「说明书上的免责声明」：
- 经典核： 粒子按牛顿定律走，默认没有核隧穿、电子激发。
- 力场形式固定： 多数经典力场不能随意断键成键；反应要专门模型。
- 参数有适用范围： 力场在训练/拟合域外可能失效。
- 采样可能不够： 短轨迹 ≠ 平衡分布；相关帧很多，有效样本远少于帧数（见 统计误差与块平均）。
写 Methods 时至少交代：力场模型、系综与热浴/压浴、步长、平衡化与生产时长、盒子大小。审稿人常按这份清单核对。
十一、和实验怎么对上号？
MD 原始输出是微观量；实验读数往往是宏观或谱学量。中间要做翻译：
| 实验侧 | 模拟侧常见做法 |
|---|---|
| X 射线 / 中子散射 | 由轨迹算 g(r)（即 RDF）、结构因子 |
| NMR 扩散 | MSD → 扩散系数 |
| 密度、表面张力 | NPT 平均密度；压强张量积分（见 温度、压强与表面张力） |
| IR / Raman | 往往更难，可能需要偶极涨落或量子方法 |
对比时还要对齐：温度、单位、同位素、力场系统误差。差一截不一定是「MD 错了」或「实验错了」，更常见是模型与条件不完全可比。入门阶段优先问：趋势一致吗？机制说得通吗？——再谈是否值得为某一个绝对数值去换力场、加长采样。
十二、和人工智能的关系（先有数）
| 方向 | 一句话 |
|---|---|
| 分析轨迹 | 用聚类、分类、降维读构象（机器学习数据基础） |
| 替代力场 | 神经网络势逼近量子精度，仍受训练数据限制 |
| 加速采样 | 研究前沿：用学习方法帮着探索构象 |
MD 负责产生符合物理的时间序列数据；AI 帮助解读或改进势能模型。入门仍建议先把经典 MD 主线走通，再进机器学习和人工智能。
十三、新手常见误解
| 误解 | 更准确的说法 |
|---|---|
| 「温度到了 = 平衡了」 | 温度可被热浴强行拉住；结构可能仍在慢变 |
| 「平衡化跑完 = 永远平衡」 | 平衡化是流程步骤；生产段仍要确认相关量平台（见 平衡判据与收敛） |
| 「MD 都是非平衡的，因为粒子在动」 | 粒子在动 ≠ 非平衡态；默认多数课题是平衡态采样。持续驱动测响应才进 NEMD（见 非平衡分子动力学概述） |
| 「帧数很多 = 统计很准」 | 相邻帧高度相关，有效样本少得多 |
| 「PBC 就是无限大」 | 仍有有限尺寸效应 |
| 「换软件结果应完全一样」 | 力场、截断、热浴、随机种子都可能带来差异 |
| 「MD 能直接给出实验自由能」 | 往往需要专门采样与分析方法 |
| 「力场越新越好」 | 关键是是否匹配你的体系与要对比的文献 |
| 「和实验数对不上 = 白做了」 | 更常看趋势与机制；绝对数值受模型限制 |
十四、小结
- MD = 力场（怎么推拉） + 牛顿积分（怎么动） + 统计（怎么变成宏观量） → 轨迹与性质。
- 本站主线是经典 MD；多数情况、也从平衡态讲起（在设定系综下采平衡分布）。开跑前的平衡化 ≠ 平衡态本身。非平衡 / 驱动测输运见 输运系数谱系、非平衡分子动力学概述。
- 统计力学是微观轨迹与热力学量之间的桥梁；系综规定你在什么宏观条件下采样。
- 先问清问题：要结构、密度、扩散，还是稀有事件？再选系综、时长与是否增强采样。
- 平衡化丢掉，生产段分析；温度到了 ≠ 结构好了。
- PBC + 有限盒子 能代表体相，但要警惕尺寸效应；非键因 $O(N^2)$ 与远距衰减而常截断，静电另要长程方法（见 截断长程力与近邻列表）。
- 结果的上限由模型与采样决定；入门更重规律与趋势，写清 Methods，才能讨论对错。
- 后续专题按开跑流程展开；目标是了解与会用软件选项，不是自己实现 MD 引擎（见上文「后面文章怎么排」）。
常见问题
Q：我零基础，读完这篇下一步读什么？
A：若还没看过方法全景，可先扫一眼 分子模拟方法概述；然后力场 经典全原子力场（按需粗粒化 / 高精度，怎么选看 力场怎么选）→ 边界条件与初始条件；再搭环境 分子模拟工作平台搭建。统计力学加深见 统计力学基础与系综。后面专题了解即可，多数对应软件命令，不必自己写积分代码。
Q：这些概念要推导到什么程度？
A：会解释「截断 / 热浴 / 约束在干什么、错了会怎样」就够；公式有图像即可。真正动手是改输入文件、跑软件、看日志。只有开发动力学软件时，才需要自己实现这些算法。
Q：MD 和蒙特卡洛有什么区别？
A：MD 有物理时间、能看动力学；普通蒙特卡洛更侧重按概率采样构型。见 分子动力学与蒙特卡洛；全景见 分子模拟方法概述。
Q：为什么我的体系总是「爆炸」？
A：概念上多半是：重叠太近、步长太大、或力场/单位不一致。先最小化、检查密度与步长，再开热浴。
Q：要跑多久才够？
A：没有万能数字。看与结论相关的量是否平台，并用分段一致性、误差估计判断——见 平衡判据与收敛。
学习路径
前置阅读： 分子模拟方法概述（建议；已熟悉方法版图可跳过）
下一步：
按上文「后面文章怎么排」走即可——先建立名词与流程直觉，再在软件里对上选项；不必追求推导级掌握。
- 经典全原子力场 —— 全原子主线（AA）
- 按需：粗粒化与加速模型（算得快）· 高精度力场与机器学习势（算得准）· 力场怎么选（开关）
- 模拟流程：边界条件与初始条件 → 截断长程力与近邻列表 → 积分算法与时间步长 → 键长键角约束与刚性 → 常见系综与控温控压
- 加深：统计力学基础与系综（可稍后）
- 输运 / 非平衡（按需）：输运系数谱系 → 非平衡分子动力学概述
- 分子模拟工作平台搭建 —— 开始动手环境
- 机器学习数据基础（若走 MD+ML）