Dynamique moléculaire

La dynamique moléculaire est une technique de simulation numérique permettant de modéliser l'évolution d'un système de particules au cours du temps. Elle est particulièrement utilisée en sciences des matériaux et pour l'étude des molécules organiques, des protéines, de la matière molle et des macromolécules. En pratique, la dynamique moléculaire consiste à simuler le mouvement d'un ensemble de quelques dizaines à quelques milliers de particules dans un certain environnement (température, pression, champ électromagnétique, conditions aux limites...) au cours du temps, dans le cadre de la mécanique newtonienne. Issue de la physique du solide et de la chimie quantique, la dynamique moléculaire trouve désormais de nombreuses applications : biologie, biochimie, chimie organique, physique des particules, physique de la matière condensée, sciences des matériaux, mécanique... Si la modélisation de cas simples peut être relativement aisée (cf exemple ci-contre), certains phénomènes peuvent être particulièrement complexes à modéliser : les réactions nucléaires (fission nucléaire ou fusion nucléaire), des troupes d'atomes contenant des isotopes, sur les zones d'interfaces et/ou de corrosion (potentiel redox différent), etc. Comme dans toute simulation numérique, le temps évolue de manière discrète : le temps est découpé en une suite d'instants , séparés par un intervalle très court appelé "pas-de-temps" ou "time-step", noté et tel que . La simulation consistera alors à calculer la position et la vitesse des particules à chacun des instants, en utilisant les résultats obtenus à l'instant précédent. Pour cela, on applique la deuxième loi de Newton à chaque instant, qui s'écrit pour une particule : où : correspond aux différentes forces appliquées à la particule, soit par les particules voisines, soit par une influence extérieure. est l'accélération de la particule dans un référentiel galiléen, assimilée à une masse ponctuelle. est la masse de la particule.

Solvation Free Energies from Machine Learning Molecular Dynamics

Encoding quantum-chemical knowledge into machine-learning models of complex molecular properties

Structure and dynamics of liquid water from ab initio simulations: adding Minnesota density functionals to Jacob's ladder

Solvation Free Energies from Machine Learning Molecular Dynamics

Structure and dynamics of liquid water from ab initio simulations: adding Minnesota density functionals to Jacob's ladder

Encoding quantum-chemical knowledge into machine-learning models of complex molecular properties

Dynamique moléculaire

Solvation Free Energies from Machine Learning Molecular Dynamics

Encoding quantum-chemical knowledge into machine-learning models of complex molecular properties

Structure and dynamics of liquid water from ab initio simulations: adding Minnesota density functionals to Jacob&apos;s ladder

Solvation Free Energies from Machine Learning Molecular Dynamics

Structure and dynamics of liquid water from ab initio simulations: adding Minnesota density functionals to Jacob&apos;s ladder

Encoding quantum-chemical knowledge into machine-learning models of complex molecular properties

Structure and dynamics of liquid water from ab initio simulations: adding Minnesota density functionals to Jacob's ladder

Structure and dynamics of liquid water from ab initio simulations: adding Minnesota density functionals to Jacob's ladder