“高斯分子动力学”这个说法在计算化学圈子里一般指的是两种不同的东西。一种是用Gaussian软件做的Born-Oppenheimer分子动力学(BOMD),另一种是Car-Parrinello分子动力学(CPMD)——两者都是第一性原理分子动力学(AIMD),但走的是完全不同的技术路线。

BOMD的方法论很直接:每一个时间步都做一次完整的电子结构SCF收敛,得到该核构型下的基态电子能量和力,然后用这些力推演核的运动。优点是每一步的力在物理上是准确的,缺点也是由此而来——SCF收敛耗时且不够稳健。当核构型在反应路径上的过渡态区域时,电子结构的HOMO-LUMO能隙会急剧收窄,SCF收敛难度陡增。Gaussian的BOMD在这种情况下会频繁触发SCF迭代失败,表现是”看轨迹文件觉得在跑,但其实中间有若干步用的是不收敛态下的力,轨迹已经偏了”。
CPMD的思路不同——电子自由度用虚拟动力学和核自由度在同一时间步长上一起演化,不需要每步做SCF。这使CPMD的时间步长可以比BOMD大5~10倍,模拟同样物理时长所需的墙钟时间大幅降低。但CPMD需要做到电子自由度与核自由度的绝热解耦,这对体系的带隙有要求——如果带隙太小甚至为零(金属或小带隙半导体),电子自由度的虚拟动能会缓慢向核自由度泄漏,最终电子态漂离Born-Oppenheimer面。这时候CPMD给出的力就是错的。
一个选择BOMD还是CPMD的实用判断标准:算一下体系的HOMO-LUMO gap。gap>3eV——CPMD大概率能安全跑通,绝热解耦条件充分满足。gap在1~3eV之间——CPMD可以跑但需要把电子的虚拟质量调到足够小(通常取核质量的1/400以下),虚拟质量越小绝热性越好但时间步长也要跟着缩小,此时CPMD相对于BOMD的时间优势大幅收窄。gap<1eV——直接走BOMD,不要犹豫,CPMD在这个区间翻车的概率远超成功。
能垒计算的背景下,AIMD走的是热力学积分加伞形采样(umbrella sampling)的路线。沿选定的反应坐标做一系列约束分子动力学模拟,每个窗口收集力或势能的统计分布,然后用WHAM重建自由能面。这个流程的精度取决于反应坐标的选择是否真正捕获了反应的动力学瓶颈。很多时候一个看似合理的键长差坐标,在AIMD里跑出来的自由能垒比实际低了很多,原因是真实的过渡态涉及到溶剂分子的协同重排,而简单的键长坐标没有把这种协同运动编码进去。坐标选择不是数学问题,是需要化学直觉和反复试错的一道坎。
除了BOMD和CPMD,还有第三种选择值得了解:Gaussian里也可以做经典MD(用Amber或Universal力场),它和AIMD走的不是一个精度量级但计算速度是天壤之别。如果你的体系可以在经典力场层面先做一轮构象空间搜索——找出可能的反应前驱态和产物态,然后用AIMD只在这些关键态附近做精细化采样——这种”粗→细”的层次化策略可以大幅压缩AIMD的总计算时间。不要上来就把整个问题扔给AIMD,先问问自己这个体系有没有可能用经典力场做预筛选。力的精度不是越高越好,是在对应该用精度的环节用精度。
https://www.keyanxueshu.com/
小分子动力学模拟:溶剂效应与构象采样的计算策略
高斯分子动力学模拟:BOMD与CPMD方法的选择和能垒计算实践
扩散分子动力学模拟:从势函数选择到统计平均的完整方案
Gaussian单点能计算:基组选择与收敛判据的实战经验
Gaussian计算:有机小分子激发态与吸收光谱的理论预测
GROMACS自由能计算方法对比:FEP自由能微扰与TI热力学积分的实战选择
GROMACS膜蛋白模拟全流程:脂双层构建、嵌入平衡与跨膜通道分析
GROMACS SMD拉伸动力学模拟指南:弹簧常数、拉速与力谱分析
LAMMPS计算扩散系数:MSD方法与Einstein关系的操作细节
MS做分子动力学模拟:Materials Studio的Forcite模块参数设置与结果分析
动力学模拟计算:从Ab Initio MD到经典MD的方法选择与误差控制
MD分子动力学计算模拟:从力场选择到平衡判据的完整工作流
蛋白相互作用模拟:从对接到动力学,方法选择与实战边界
多肽的分子动力学模拟:力场选择、溶剂模型与构象采样的实战经验
高分子材料分子动力学模拟:链段运动与玻璃化转变的模拟思路
LAMMPS计算热导率:两种方法的实操经验与对比