The MD method is deterministic in w

The MD method is deterministic in which the state of the system at any time are predictable once positions and velocities of each atom are known. MD simulations are sometime time consuming and computational expensive. Nevertheless, the faster and cheaper of the computer today bring up the calculation to the nanosecond time scale.
The basic step in MD simulation was shown in Figure 3.2 The initial system, in which the coordinated can be normally obtained from x-ray or NMR data or built up using molecular modeling method, is minimized in order to get rid of bad An important method for exploring the potential energy surface is to find configurations that are stable points on the surface. This means finding a point in the configuration space where the net force on each atom vanishes, i.e., the derivative or gradient . By adjusting the atomic coordinates and unit cell parameters (for periodic models, if requested) so as to reduce the model potential energy, stable conformations can be identified. Perhaps more important, the addition of external forces to the model in the form of restraints allows for the development of a wide range of modeling strategies using minimization strategies as the foundation for answering specific questions. For example, the question "How much energy is required for one molecule to adopt the shape of another?" can be answered by forcing specific atoms to overlap atoms of a template structure during an energy minimization.
Derivatives provide information that can be very useful in minimization procedure. There can be more than one minimum for a large molecule. The minima are called local minima. The ideal solution of geometry minimization is the global minimum. Due to numerical limitations, however, it is impossible to exactly reach the global minimum or even the local minimum. In practice, local minimum refers to a point on the potential energy surface where the applied minimization procedure cannot further reduce the function value. Mostly, the magnitude of the first derivative is a rigorous way to characterize convergence. The minimum has converged when the derivatives are close to zero. The typical tolerance, for example, in AMBER program is in the range of 10-5 to 10-6 kcal/mol.Å. To reach the minimum the structure must be successively updated by changing the coordinates (take a step) and checking for convergence. Each complete cycle of differentiation and stepping is known as minimization iteration. The efficiency of minimization can be judge by both the number of iterations required to converge and number of function evaluation needed per iteration. Normally, thousands of iterations are required for macromolecules to reach the convergence.
Two first-order minimization methods, which are frequently used in molecular modeling, are steepest descents and conjugate gradient methods. Both techniques use the first derivative of the potential function.

ผลลัพธ์ (ไทย) 1:

วิธี MD เป็น deterministic ในที่สถานะของระบบตลอดเวลาจะคาดเดาได้เมื่อทราบตำแหน่งและตะกอนของแต่ละอะตอม จำลอง MD เป็นบางครั้งใช้เวลานาน และคำนวณราคา อย่างไรก็ตาม เร็วกว่า และถูกกว่าของคอมพิวเตอร์วันนี้นำค่าการคำนวณไป nanosecond เวลาขนาดนั้น
ขั้นตอนพื้นฐานในการจำลอง MD ที่แสดงในรูปที่ 3ระบบ 2 เริ่มต้น ซึ่งจะประสานสามารถปกติได้จากเอกซเรย์หรือข้อมูล NMR หรือสร้างขึ้นโดยใช้วิธีการสร้างแบบจำลองโมเลกุล ถูกย่อเล็กสุดเพื่อกำจัดของเสียวิธีการสำคัญสำหรับการสำรวจพื้นผิวของพลังงานศักย์คือการ ค้นหาโครงแบบที่มีเสถียรภาพจุดบนพื้นผิว ซึ่งหมายความว่า ค้นหาจุดในพื้นที่กำหนดค่าที่เป็นแรงสุทธิในแต่ละอะตอมหายไป เช่น อนุพันธ์ หรือการไล่ระดับสี โดยการปรับพิกัดอะตอมและพารามิเตอร์เซลล์หน่วย (สำหรับงวดรุ่น ถ้าร้องขอ) เพื่อลดพลังงานศักย์รุ่น conformations มั่นคงสามารถระบุได้ ทีสำคัญ การเพิ่มของกองกำลังภายนอกแบบจำลองในรูปแบบของ restraints สำหรับการพัฒนาหลากหลายของกลยุทธ์โดยใช้กลยุทธ์การลดเป็นรากฐานสำหรับการตอบคำถามเฉพาะการสร้างโมเดลได้ ตัวอย่าง คำถามที่ "พลังงานเท่าใดจำเป็นสำหรับโมเลกุลหนึ่งจะนำมาใช้ของอื่น"สามารถตอบ โดยบังคับเฉพาะอะตอมทับอะตอมของโครงสร้างแม่แบบในการลดพลังงานได้
อนุพันธ์ให้ข้อมูลที่เป็นประโยชน์อย่างมากในการลดขั้นตอนการ สามารถมีมากกว่าหนึ่งขั้นต่ำสำหรับโมเลกุลใหญ่ได้ กมินิมาเรียกว่ากมินิมาท้องถิ่น เหมาะสมที่สุดของการลดรูปทรงเรขาคณิตเป็นต่ำทั่วโลก เนื่องจากตัวเลขจำกัด อย่างไรก็ตาม ไม่ถึงกับต่ำทั่วโลกหรือแม้แต่น้อยภายใน ในทางปฏิบัติ ขั้นต่ำท้องถิ่นอ้างถึงจุดบนพื้นผิวของพลังงานศักย์ที่ลดภาระใช้ขั้นตอนเพิ่มเติมไม่สามารถลดค่าฟังก์ชัน ส่วนใหญ่ ขนาดของอนุพันธ์อันดับแรกเป็นวิธีอย่างเข้มงวดลักษณะบรรจบกัน ต่ำมี converged เมื่ออนุพันธ์อยู่ใกล้กับศูนย์ ยอมรับโดยทั่วไป เช่น ในแอมเบอร์ โปรแกรมอยู่ในช่วง 10-5 กับ 10-6 กิโลแคลอรี/โมลÅถึงต่ำโครงสร้างต้องติด ๆ กันปรับปรุง โดยการเปลี่ยนพิกัด (ก้าว) และตรวจสอบการบรรจบกัน แต่ละวงจรสมบูรณ์ของการสร้างความแตกต่างและก้าวเรียกว่าเกิดซ้ำลดภาระ ประสิทธิภาพของการลดภาระได้พิพากษาตามแผนต้องมาบรรจบกันและจำนวนการประเมินฟังก์ชันที่จำเป็นต่อการเกิดซ้ำ โดยปกติ พันซ้ำจำเป็นสำหรับ macromolecules ถึงการบรรจบกัน
สองลำดับแรกการลดวิธี ซึ่งมักใช้ในการสร้างแบบจำลองโมเลกุล มี steepest descents และ conjugate วิธีไล่โทนสี ทั้งสองเทคนิคใช้อนุพันธ์ของฟังก์ชันเป็นครั้งแรก

ผลลัพธ์ (ไทย) 3:

วิธีการติดตั้งเครื่อง MD ซึ่งในสถานะของระบบในเวลาใด ๆ เป็นแบบฉบับ เมื่อตำแหน่งและความเร็วของแต่ละอะตอมจะรู้จัก MD จำลองเป็นบางเวลานาน และการคำนวณราคาแพง อย่างไรก็ตาม เร็วและถูกกว่าของคอมพิวเตอร์ วันนี้มาคำนวณกับนาโนวินาทีระดับเวลา ขั้นตอนพื้นฐานในการจำลอง
MD ถูกแสดงในรูปที่ 32 การเริ่มต้นระบบซึ่งในการประสานงาน สามารถปกติที่ได้จากการเอ็กซ์เรย์หรือข้อมูล NMR หรือสร้างขึ้นโดยใช้วิธีการสร้างแบบจำลองโมเลกุล จะลดลงเพื่อที่จะกำจัดไม่ถูกวิธี สำคัญ สำหรับการสำรวจพื้นผิวพลังงานศักย์ คือหาแบบที่เป็นจุดคงที่บนพื้นผิวนี้หมายถึงการหาจุดในปริภูมิโครงแบบที่แรงสุทธิในแต่ละอะตอมจะหายไป เช่น อนุพันธ์ หรือลาด . โดยการปรับพิกัดอะตอมและพารามิเตอร์ของหน่วยเซลล์ ( สำหรับรุ่นเป็นระยะ ๆหากมีการร้องขอ ) เพื่อลดโมเดลศักยภาพพลังงาน โครงสร้างที่มั่นคง สามารถระบุได้ บางทีอาจจะสำคัญมากขึ้นนอกจากบังคับภายนอก รูปแบบในรูปแบบของหมอนจะช่วยให้พัฒนาการของช่วงกว้างของการใช้กลยุทธ์การกลยุทธ์เป็นรากฐานสำหรับการตอบคำถามที่เฉพาะเจาะจง ตัวอย่างเช่น ในหัวข้อ " พลังงานเท่าใดเป็นสิ่งจำเป็นสำหรับหนึ่งโมเลกุลอุปการะรูปร่างอื่น" สามารถตอบได้โดยการบังคับให้อะตอมเฉพาะกระหนาบคาบเกี่ยวอะตอมโครงสร้างของแม่แบบในการลดพลังงาน .
( ให้ข้อมูลที่สามารถเป็นประโยชน์อย่างมากในขั้นตอนการ . สามารถมีได้มากกว่าหนึ่งขั้นต่ำสำหรับโมเลกุลขนาดใหญ่ การไม่นี่ ม๊า เรียกได้ว่าไม่นี่ ม๊าท้องถิ่น ทางออกที่ดีของการลดเรขาคณิตเป็นขั้นต่ำ ) เนื่องจากข้อ จำกัด เลข อย่างไรก็ตามมันเป็นไปไม่ได้ที่จะตรงถึงต่ำสุดทั่วโลกหรือแม้แต่น้อย ท้องถิ่น ในการฝึกขั้นท้องถิ่นหมายถึงจุดบนพื้นผิวที่ใช้งานที่มีศักยภาพการลดขั้นตอนไม่สามารถลดค่าฟังก์ชัน ส่วนขนาดของแรกมาเป็นวิธีเคร่งครัดเพื่อวิเคราะห์บรรจบกัน . อย่างน้อยได้แปรสภาพเมื่ออนุพันธ์ใกล้กับศูนย์ความอดทนทั่วไปตัวอย่างเช่นในโปรแกรม แอมเบอร์ในช่วง 10-5 ที่จะสามารถ kcal / mol • . ถึงขั้นต่ำที่โครงสร้างจะต้องปรับปรุงอย่างต่อเนื่องโดยการเปลี่ยนพิกัด ( ก้าว ) และการตรวจสอบการลู่เข้า . ในแต่ละรอบของการก้าวที่สมบูรณ์และเป็นที่รู้จักกันเป็นการทำซ้ำ .ประสิทธิภาพของการลดสามารถตัดสินโดยจำนวนของการทำซ้ำต้องมาบรรจบกัน และจำนวนของการประเมินผลการทำงานที่จำเป็นต่อซ้ำ . ปกติแล้ว หลายรอบ เป็นโมเลกุลใหญ่ ไปบรรจบกัน .
สองวิธีการลดลำดับแรกที่ใช้บ่อยในแบบจำลองโมเลกุล เป็นสิ่งที่แทรกและผันวิธีการลาด .เทคนิคทั้งสองใช้อนุพันธ์ของฟังก์ชันแรกที่อาจเกิดขึ้น