参数设置
操作控制
动力学温度 T*
—
动能
—
势能
—
总能量
—
气相
LJ势能公式
$$V(r)=4\varepsilon\left[\left(\frac{\sigma}{r}\right)^{12}-\left(\frac{\sigma}{r}\right)^{6}\right]$$平衡间距 rmin = 21/6σ ≈ 1.122σ
粒子模拟（蓝=低温 → 红=高温）
能量历史
基于Lennard-Jones势能和Verlet积分，模拟N个粒子间的引力与斥力。拖动温度滑块，实时观察气相、液相、固相的转变过程。
平衡间距 rmin = 21/6σ ≈ 1.122σ
粒子间相互作用的“力法则”由Lennard-Jones势能描述。它巧妙地用一个公式包含了短程排斥和长程吸引两种效应。
$$V(r)=4\varepsilon\left[\left(\frac{\sigma}{r}\right)^{12}-\left(\frac{\sigma}{r}\right)^{6}\right]$$$V(r)$：两个粒子相距 $r$ 时的相互作用势能。
$\varepsilon$：势阱深度，控制相互作用的强度（引力有多大）。
$\sigma$：粒子有效直径，大致等于粒子“碰到一起”的距离。
$r^{-12}$项：代表短程的强排斥力（防止电子云重叠）。
$r^{-6}$项：代表长程的弱吸引力（范德华力）。
驱动粒子运动的“时钟”由Verlet积分算法控制。它根据牛顿第二定律 ($F=ma$)，从当前状态推演下一时刻的状态。
$$ \begin{aligned}\vec{r}(t + \Delta t) &= \vec{r}(t) + \vec{v}(t)\Delta t + \frac{1}{2}\vec{a}(t)\Delta t^2 \\ \vec{v}(t + \Delta t) &= \vec{v}(t) + \frac{\vec{a}(t) + \vec{a}(t + \Delta t)}{2}\Delta t \end{aligned}$$$\vec{r}, \vec{v}, \vec{a}$：分别是粒子的位置、速度和加速度向量。
$\Delta t$：积分时间步长，必须取得非常小（飞秒级）以保证模拟稳定。
该算法的核心优势是能量守恒性好，计算效率高，非常适合长时间分子动力学模拟。
新材料设计：比如在开发新型高强度合金或聚合物时，科学家会先用分子动力学模拟不同原子/分子组合下的结构稳定性和力学性能，筛选出有潜力的配方，再进行昂贵的真实实验，大大节省研发成本和时间。
药物研发：在寻找新的靶向药物时，研究人员会模拟候选药物分子（“小球”）与人体内蛋白质靶点（复杂的“小球集合体”）的相互作用过程，观察它们是否能稳定地“结合”在一起，从而预测药效。
纳米流体与传热：在制造极其微小的芯片或纳米通道时，流体的行为与宏观世界完全不同。工程师利用分子动力学模拟来研究流体在纳米尺度下的流动和传热特性，为下一代微机电系统（MEMS）设计提供依据。
地质与能源科学：模拟二氧化碳或甲烷等气体分子在多孔岩石材料（如页岩）中的吸附和扩散行为，对于评估碳封存技术和页岩气开采效率至关重要，这些过程在实验室中很难直接观测。
首先，最重要的是不要认为“模拟结果就是实验数据”。本模拟器始终只是在再现“伦纳德-琼斯（LJ）势这一简化模型”的世界。例如，若要精确再现水的相变，就需要考虑水分子极性（正负电荷偏移）的更复杂的力模型。请理解LJ模型只是理解氩等稀有气体原子行为的“入门”。
其次，参数设置中容易陷入的误区是设定“极端数值”。例如，将温度骤然降至接近0K（绝对零度）时，粒子几乎停止运动，模拟会显得“冻结”。反之，若将ε（引力强度）极端增大，粒子会紧密固结而难以移动，反而难以观察相变的“过程”。关键是从默认值开始逐步调整（例如温度每次变化10%，ε每次乘以1.2倍等），观察其影响。
最后，要避免“粒子数越多越好”的误解。确实，当粒子数达到数百至数千时，液体或固体“团块”的行为会更明显，但计算负荷也会相应增加。实际工作中，需要在所需精度与计算资源间取得平衡。例如，研究纳米尺度微粒的凝聚时，有时详细追踪数十个粒子的行为更能触及问题本质。建议通过本工具改变粒子数，掌握捕捉现象本质所需的最小粒子数规模。
这项分子动力学（MD）模拟基础技术已成为材料开发领域不可或缺的工具。例如，在飞机、汽车轻量化所用新型合金的设计中，常通过MD模拟预测原子层面的强度与变形机制。此时会采用比LJ势更复杂的“嵌入原子法（EAM）”等势函数来分析金属原子集合体的行为。
此外，在药物研发与生物工程领域也有广泛应用。研究蛋白质与药物分子如何结合（对接模拟）时，需用MD再现水溶液中的分子运动。这种情况下，会在LJ势基础上叠加表征静电相互作用的“库仑势”。本模拟器中学习的“温度决定粒子动能”这一概念，也直接关联到理解生物分子柔性运动的基础。
另外，在微粒与纳米技术领域，MD被用于设计纳米粒子的自组装与凝聚过程。例如，为使显示器中的量子点均匀排列，需要精确控制溶剂中粒子间的LJ型相互作用。这里涉及的“σ（粒子尺寸）”与“ε（凝聚倾向）”参数感知，对于思考纳米材料分散技术至关重要。
建议首先理解“周期性边界条件”的概念。当前模拟器中粒子在箱体内自由运动，但实际“箱壁”的处理方式是个重要问题。真实的宏观物质近乎由无限原子构成，而计算机只能处理有限数量的粒子。通过引入“周期性边界条件”——即视箱体对侧与当前空间相连——可以排除表面影响，模拟体相（内部）性质。这是实用MD模拟的第一步。
若想深化数学背景，可关注数值积分方法。本模拟器使用的Velocity Verlet法是计算机求解牛顿运动方程的一种“算法”。理解该方法为何具有优异能量守恒性时，泰勒展开知识会很有帮助。将位置$x(t+\Delta t)$在$x(t)$处展开可得： $$ x(t+\Delta t) = x(t) + v(t)\Delta t + \frac{1}{2}a(t)\Delta t^2 + \cdots $$ 此式揭示了Verlet法位置更新公式的由来。时间步长$\Delta t$过大导致计算发散的原因，也可通过该展开中被忽略的高阶项来理解。
最后，应了解超越LJ势的多种“力场”的存在。要模拟真实物质，需要包含键伸缩、角度变化项及前述静电相互作用项等众多物理项的力场。例如“AMBER”“CHARMM”是著名的生物分子力场，“COMPASS”则是适用于高分子与无机材料的通用力场。LJ势作为表征“非键相互作用”的最基础组件，始终存在于所有这些力场中。当你通过本工具亲身体验了这个组件的特性，便已迈出了进入分子模拟世界的第一步。