La introducción de la creación y aniquilación de partículas en la dinámica browniana implicará cuestiones similares a las de la dinámica molecular. Se pueden añadir los movimientos estándar del gran canon de Monte Carlo (GCMC) a su esquema dinámico. El peligro práctico es que, habiendo aceptado un movimiento, las consecuencias para la dinámica serán a veces dramáticas: fuerzas muy grandes entre las partículas, y por tanto desplazamientos muy grandes. Para evitar esto, se han inventado esquemas para insertar partículas gradualmente, o incluso introducir un parámetro continuo en el Lagrangiano que controla la aparición de la partícula extra. En Agarwal et al, Nuevo J Phys , 17 , 083042 (2015) que es de libre acceso, revisan algunos de estos métodos. Sin embargo, como señalan, estos enfoques no se han utilizado de forma generalizada y son algo engorrosos. Creo que lo mismo ocurre con el enfoque propuesto por Agarwal. Yo no recomendaría seguir ese camino, pero al menos puedes considerar estas alternativas, con una adaptación adecuada de dinámica molecular a la dinámica browniana.
Aquí hay otra posibilidad. Utilizar Monte Carlo en lugar de la dinámica browniana. La escala de tiempo es algo ficticia, pero las partículas seguirán difundiéndose por de manera realista, y podría decirse que estás abandonando la dinámica completamente realista de todos modos al añadir movimientos GCMC que permiten que las partículas aparezcan y desaparezcan.
Hay una solución intermedia. Dinámica browniana sin inercia utiliza un algoritmo $$ \vec{r}(t+\delta t) = \vec{r} + \frac{D}{kT} \vec{f}\delta t + \sqrt{2D\delta t}\vec{G} $$ donde $D$ es el coeficiente de difusión, $T$ la temperatura, $\vec{f}$ la fuerza que actúa sobre la(s) partícula(s), y $\vec{G}$ un conjunto de números aleatorios gaussianos normalizados e independientes. Se puede demostrar que esto es (casi) equivalente al "Smart Monte Carlo" (SMC), volviendo a un viejo artículo de Rossky et al, J Chem Phys , 69 , 4628 (1978) . La diferencia esencial es que el SMR aplica una etapa de aceptación/rechazo al paso anterior, basada en una fórmula ligeramente complicada que implica las fuerzas al principio y al final. Esto garantiza el muestreo del conjunto correcto, y puede ser la forma de salvar su simulación de las consecuencias de grandes fuerzas si acaba de añadir/eliminar partículas mediante el procedimiento GCMC habitual. Depende de si está preparado para rechazar un (pequeño, $\mathcal{O}(\delta t^2)$ ) fracción de pasos de avance.
Este enfoque también puede relacionarse con el "Monte Carlo híbrido" (HMC), Duane et al, Phys Lett B , 195 , 216 (1987) . Simplemente sustituya $D=(kT/2m)\delta t$ en la ecuación anterior para dar $$ \vec{r}(t+\delta t) = \vec{r} + \tfrac{1}{2}(\delta t^2/m) \vec{f} + \sqrt{\frac{kT}{m}}\delta t\vec{G} $$ Esto tiene la forma de un algoritmo estándar (velocidad Verlet) para la dinámica molecular, donde el último término corresponde a la elección de velocidades aleatorias al inicio de cada paso, a partir de la distribución Maxwell-Boltzmann. En HMC, también se escribe el resto del algoritmo de velocidad Verlet, para hacer avanzar las velocidades, calcula el cambio de energía cinética en el paso, sumarlo al cambio en la energía potencial, y utilizar la resultante total energía en un criterio de aceptación/rechazo de Metrópolis. A continuación, las velocidades se desechan y se generan de nuevo al comienzo del siguiente paso. Esto resulta ser exactamente lo mismo que el SMC, pero más sencillo de escribir. La razón de la pequeña fracción de movimientos rechazados, $\mathcal{O}(\delta t^2)$ , es más evidente: la energía total se conserva en este orden.
Si su dinámica browniana es del tipo no inercial, esta podría ser la enfoque que recomendaría:
- Insertar/eliminar partículas a intervalos (entre los pasos de avance del tiempo) utilizando la función método estándar de Monte Carlo gran canónico
- Incluir una decisión de aceptación/rechazo de Metrópolis en los pasos de avance del tiempo, como se ha descrito anteriormente, lo que significa que se rechazará una pequeña fracción de movimientos, pero garantizando que se muestreará el conjunto correcto.
Tengo una sugerencia más sencilla, que puede ser preferible o no dependiendo de tus circunstancias. Siga con su dinámica browniana actual, pero haga su simulación tridimensional, en lugar de bidimensional, con una superficie plana que atraiga sus partículas de grano grueso. El resto del sistema sería un gas de baja densidad que actuaría como depósito de partículas. Mucho dependerá de que puedas ajustar los parámetros para que el estado termodinámicamente estable de tu sistema sea un monocapa adsorbida en la superficie. Si esto es posible, debería ver las partículas que llegan y salen de la superficie en un manera físicamente razonable.
0 votos
¿Estás haciendo una pregunta de programación? ¿O una pregunta de física?
1 votos
En realidad, una combinación de ambos. Sé que hay algoritmos para conjuntos de gran canon para enfoques de Monte-Carlo. Estoy buscando algo similar para las simulaciones de BD.
0 votos
Sólo estoy pensando en voz alta. Si hasta ahora has trabajado con un área cuadrada o rectangular, quizá podrías probar con un toroide: una molécula que atravesara el borde derecho reaparecería en el borde izquierdo. Lo mismo ocurre con los bordes superior e inferior. Entonces podrías recortar un rectángulo más pequeño de la superficie del toro, y obtendrías un número variable de partículas.
1 votos
Quiero agradecerte el término "gran canónico Monet-Carlo". Buscando eso me he encontrado con algunas cosas interesantes que debería aprender. Me has enseñado algo con tu pregunta.
0 votos
@EricDuminil Utilizo condiciones de contorno periódicas aplicadas a una superficie rectangular, ¿no es esto equivalente a un toroide?