[论文解读] Position-dependent memory kernel in generalized Langevin equations: theory and numerical estimation

Hadrien Vroylandt, Pierre Monmarché|arXiv (Cornell University)|Jan 7, 2022

Theoretical and Computational Physics参考文献 50被引用 45

一句话总结

本文严格推导了在平衡哈密顿系统中非线性、粗粒化动力学的广义朗之万方程（GLEs），其记忆核具有位置依赖性。建立了位置依赖的涨落-耗散定理，并提出一种基于Volterra方程的数值方法，从全原子模拟中估计记忆核，证明了在标准假设之外，位置依赖的记忆核对精确建模至关重要。

ABSTRACT

Generalized Langevin equations with non-linear forces and position-dependent linear friction memory kernels, such as commonly used to describe the effective dynamics of coarse-grained variables in molecular dynamics, are rigorously derived within the Mori-Zwanzig formalism. A fluctuation-dissipation theorem relating the properties of the noise to the memory kernel is shown. The derivation also yields Volterra-type equations for the kernel, which can be used for a numerical parametrization of the model from all-atom simulations.

研究动机与目标

• 在Mori-Zwanzig形式化框架内，严格推导具有非线性力和位置依赖线性阻尼核的广义朗之万方程（GLEs）。
• 建立一个位置依赖的涨落-耗散定理（FDT），将噪声协方差与记忆核联系起来。
• 开发一种基于Volterra型积分微分方程的数值方案，用于从全原子模拟数据中估计记忆核。
• 证明当系统表现出位置依赖阻尼时，仅依赖时间的记忆核的标准GLE无法准确捕捉动力学。
• 通过一维系统上的数值实验验证模型，比较样条、最小和线性GLE的性能。

提出的方法

• 使用Mori-Zwanzig形式化方法，将动力学投影到一组集体变量上，推导出具有位置依赖核的GLE。
• 将记忆核表述为满足由投影形式化导出的Volterra型积分微分方程。
• 实现一种数值反Volterra方法，从全原子模拟的时间序列数据中估计记忆核。
• 利用涨落-耗散定理将噪声协方差与记忆核关联，确保与平衡统计力学的一致性。
• 将该方法应用于具有平均力势的一维模型系统，比较不同GLE形式（样条、最小、线性）的结果。
• 通过比较噪声自相关函数与核的常数部分，验证噪声模型；评估噪声直方图中的非高斯尾部。

实验结果

研究问题

• RQ1 能否从Mori-Zwanzig形式化严格推导出具有非线性力和位置依赖阻尼核的广义朗之万方程？
• RQ2 在这些系统中，是否成立一个位置依赖的涨落-耗散定理，将噪声协方差与记忆核联系起来？
• RQ3 能否使用Volterra型方程从全原子模拟数据中准确估计记忆核？
• RQ4 不同GLE形式（样条、最小、线性）在重建真实动力学和噪声统计方面表现如何比较？
• RQ5 噪声方差的位置依赖性在多大程度上影响FDT的有效性和整体模型精度？

主要发现

• 广义朗之万方程中的记忆核必须依赖于位置，才能准确描述非线性、粗粒化动力学，这与仅依赖时间的标准假设相矛盾。
• 严格推导出位置依赖的涨落-耗散定理，将噪声协方差与记忆核以与平衡统计力学一致的方式关联。
• 基于Volterra方程的数值估计方法成功地从全原子轨迹中恢复了记忆核，其中样条GLE与参考数据的吻合度最佳。
• 最小GLE和样条GLE中的噪声表现出非高斯尾部，表明简单的高斯噪声模型不足以准确描述动力学。
• 最小GLE的记忆核缺少常数系数，因此与标准FDT不兼容；而样条和线性GLE在噪声自相关与核系数之间表现出良好一致性。
• 噪声方差强烈依赖于位置，通过将噪声数据分箱验证，凸显了位置依赖噪声建模的必要性。