Professional Documents
Culture Documents
Diego Oliveira
Instituto de Fı́sica, Universidade Estadual de Campinas-Unicamp,
Campinas, São Paulo, 13083-859, Brasil∗
O potencial de interação entre os discos rı́gi- que ocorra uma colisão (única forma de intera-
dos é dado por ção), onde todas as colisões são elásticas; isto é,
( momento linear e energia cinéticas são conser-
+∞, r < 2σ
U12 (r) = , (1) vados. Este sistema possui dois tipos de colisão:
0, r ≥ 2σ partı́cula-partı́cula (caso a distância entre par-
onde r = |r1 − r2 | é a distância entre um par tı́culas seja menor que 2σ ), e partı́cula-parede
de discos e σ é o raio do disco. (figura 2).
Podemos escrever um algoritmo baseado nos
eventos que ocorrem no interior da caixa da se-
3. DINÂMICA MOLECULAR
guinte forma:
A Dinâmica Molecular é uma ferramenta 1. Introduzir configuração inicial dos discos
computacional que tem por objetivo principal (posições e velocidades).
o estudo do comportamento de um sistema de 2. Determinar o tempo de colisão com a pa-
partı́culas em função do tempo. rede para todas as partı́culas via equações de
Este conceito foi introduzido por Alder e newton.
Wainwright em 1957 no estudos de interações 3. Determinar o tempo de colisão entre par-
entre esferas rı́gidas que interagem através de tı́culas para todas as partı́culas via equações de
colisões perfeitas[1]. newton.
Classicamente, em Dinâmica Molecular, as 4. Para cada partı́cula, escolher o menor
sucessivas configurações do sistema são geradas tempo de colisão entre os passos 1 e 2.
pela integração das equações de movimento de 5. Partı́cula se propaga livremente até que
Newton. O resultado é uma trajetória que es- chegue o tempo determinado no passo 4.
pecifica como as posições e velocidades das par- 6. Determinar as novas posições e velocida-
tı́culas dos sistema variam com o tempo (figura des via cálculos de conservação.
2). 7. Retornamos ao passo 1 com as novas ve-
locidades e posições.
Implementando o algoritmo acima obtemos
os resultados mostrado na figura 3.
4. MONTE CARLO
Figura 5. Ilustração do algoritmo de amostragem Figura 7. Resultado para uma simulação com ro-
6
direta, onde as configurações com os discos não pre- tina de 10 e η = 0.18 temos um tempo total de
enchidos possuem sobreposição e são recusadas, en- simulação de 45 segundos.
quanto as configurações com discos preenchidos não
possuem sobreposição e são aceitas.
4.3. Condições Periódicas de Contorno Figura 15. Representação de um sistema com con-
dições periódicas de contorno. As partı́culas podem
A condição periódica de contorno é utilizada entrar ou sair da caixa atravessando qualquer um
com o objetivo de resolver dois grandes proble- dos lados da caixa.
mas: eliminar efeitos de superfı́cie (as partı́culas
que estariam na superfı́cie sofrem efeitos como
se estivessem no interior de um sistema) e a in-
viabilidade computacional de se trabalhar com
um numero elevado de partı́culas de um sistema
real. Esta técnica possibilita a realização de si-
mulações utilizando um número relativamente
pequeno de partı́culas.
Com aplicação das condições periódicas de
contorno, a caixa de simulação possui réplicas
idênticas em todas as direções, de modo que
caso uma partı́cula saia por uma das faces, sua
imagem entra pela face oposta, conservando as-
sim o número total de partı́culas na caixa. A
figura 15 mostra um esquema das condições pe-
riódicas de contorno.
Implementando condições periódicas de con-
torno ao algoritmo da cadeia de Markov, obte-
mos os resultados mostrados nas figuras 16 e 17. Figura 16. Resultado para uma simulação com ro-
tina de 106 e η = 0.18 temos um tempo total de
simulação de 7.2 segundos.
4.3 Condições Periódicas de Contorno 8
5. AMOSTRAGEM CADEIA DE
MARKOV PARA MUITOS DISCOS
Figura 20. Resultado para uma simulação com ro- Figura 22. Resultado para uma simulação com ro-
tina de 106 e η = 0.85. tina de 106 e η = 0.75.
Figura 21. Resultado para uma simulação com ro- Figura 23. Resultado para uma simulação com ro-
tina de 106 e η = 0.65. tina de 106 e η = 0.68.
10
de Markov com uma rotina de 106 , obtemos os implementando métodos de simulação que re-
resultados mostrados nas figuras 27 e 28. alizam a integração das equações de movimento
de Newton e métodos estocásticos.
A Dinâmica Molecular se mostrou um algo-
ritmo ineficiente pois o tempo de simulação e
a dificuldade de implementação crescem com a
adição de novos discos ao sistema. O algoritmo
de amostragem direta também se mostrou ine-
ficiente pois está restrito a simulações com um
baixo número de discos e baixas densidades. A
amostragem por cadeia de Markov se mostrou
Figura 27. Resultado da função de distribuição ra-
um algoritmo poderoso, pois este aceita um alto
número de discos e altos valores de densidade,
dial para η = 0.68.
possibilitando assim a observação uma transição
de fase lı́quido-solido em nosso sistema.
Para valores de η < 0.68 temos um sistema
em fase liquida e para valores de eta > 0.73 te-
mos um sistema em fase solida.
AGRADECIMENTOS
[4] B. J. Alder and T. E. Wainwright ”Phase [8] *W. Krauth ”Statistical Mechanics: Algo-
transition in elastic disks”. J. Chem. rithms and Computations”. Oxford Uni-
Phys. 127, 359-361 (1962). versity Press (2006).
[5] D. J. Tildesley and M. P. Allen ”Compu- [9] J. G. Kirkwood ”Theory of Liquids”. Sci-
ter Simulation of Liquids”. Oxford Uni- ence Publishers (1968).
versity Press (1989).
[10] *G. Ciccotti, D. Frenkel and I. R. McDo-
[6] C. Scherer ”Métodos Computacionais da
nald ”Simulation of Liquids and Solids”.
Fı́sica”. Livraria da Fı́sica (2010).
Elsevier Science Publishers (1987).
[7] M. H. Kalos, P. A. Whitlock ”Monte