[论文解读] Neighbor List Collision-Driven Molecular Dynamics Simulation for Nonspherical Particles. I. Algorithmic Details II. Applications to Ellipses and Ellipsoids

Aleksandar Donev, Salvatore Torquato+1 more|ArXiv.org|May 17, 2004

Scientific Research and Discoveries参考文献 42被引用 53

一句话总结

本文提出一种用于非球形粒子的碰撞驱动分子动力学算法，采用新颖的部分更新近邻列表（NNL）和包围球体组（BSC），高效模拟硬椭圆和椭球体。该方法实现了对塞堵堆积、力链以及各向异性体系中晶体熔化的精确模拟，相较于先前方法具有更高的计算效率。

ABSTRACT

In the first part of a series of two papers, we present in considerable detail a collision-driven molecular dynamics algorithm for a system of nonspherical particles, within a parallelepiped simulation domain, under both periodic or hard-wall boundary conditions. The algorithm extends previous event-driven molecular dynamics algorithms for spheres. We present a novel partial-update near-neighbor list (NNL) algorithm that is superior to previous algorithms at high densities, without compromising the correctness of the algorithm. This efficiency of the algorithm is further increased for systems of very aspherical particles by using bounding sphere complexes (BSC). In the second part of this series of papers we apply the algorithm presented in the first part of this series of papers to systems of hard ellipses and ellipsoids. The theoretical machinery needed to treat such particles, including the overlap potentials, is developed in full detail. We describe an algorithm for predicting the time of collision for two moving ellipses or ellipsoids. We present performance results for our implementation of the algorithm. The practical utility of the algorithm is demonstrated by presenting several interesting physical applications, including the generation of jammed packings inside spherical containers, the study of contact force chains in jammed packings, and melting the densest-known equilibrium crystals of prolate spheroids.

研究动机与目标

• 开发一种适用于椭圆和椭球体等非球形粒子的稳健、高效的分子动力学算法。
• 通过优化邻居列表管理，克服高密度非球形粒子模拟中的计算瓶颈。
• 实现对塞堵、力链及晶体熔化等物理现象在各向异性粒子体系中的精确模拟。
• 通过引入椭球体形状的几何重叠检测，将事件驱动MD扩展至非球形粒子。
• 提供一种可扩展、正确且高效的框架，用于研究高密度、非球形粒子堆积体系。

提出的方法

• 提出一种新颖的部分更新近邻列表（NNL）算法，以在保持算法正确性的前提下降低高密度系统中的计算成本。
• 采用包围球体组（BSC）通过嵌套球体近似粒子形状，加速高度各向异性粒子的碰撞检测。
• 利用其几何重叠条件的解析解，预测移动椭圆和椭球体之间的碰撞时间。
• 该方法在平行六面体模拟区域内支持周期性边界条件和硬壁边界条件。
• 采用碰撞驱动的积分方案，仅在碰撞事件时推进系统，从而提高效率。
• 严格推导了硬椭圆和椭球体的重叠势能与几何约束的理论基础。

实验结果

研究问题

• RQ1 如何高效地将事件驱动分子动力学扩展至处理椭圆和椭球体等非球形、各向异性粒子？
• RQ2 在高密度非球形粒子系统中，维护近邻列表的最佳策略是什么？
• RQ3 包围球体组如何提升高度伸长粒子碰撞检测的性能？
• RQ4 该算法可可靠模拟哪些物理现象，如塞堵或晶体熔化？
• RQ5 部分更新NNL算法在降低计算成本的同时，能在多大程度上保持准确性？

主要发现

• 与先前方法相比，部分更新NNL算法在高密度下显著提升了性能，且未牺牲正确性。
• 采用包围球体组（BSC）通过减少详细几何检查次数，显著提升了高度各向异性粒子的效率。
• 该算法成功在球形容器内生成了椭圆和椭球体的塞堵堆积，证明了其实际应用价值。
• 对塞堵堆积中的接触力链进行了可视化与分析，揭示了各向异性的力传递模式。
• 成功实现了迄今为止最密的伸长型椭球体平衡晶体的熔化，验证了该方法模拟相变的能力。
• 性能基准测试证实了该算法的可扩展性与高效性，尤其在强形状各向异性体系中表现优异。