第六章 自由能与增强采样

第六章 · 自由能与增强采样

章节摘要：普通 MD 只能采样"常走的那几条路"，而自由能差、能垒高度、稀有构象的分布这些量恰恰藏在 rarely-visited 的相空间里。本章给出三条突围路线：炼金术自由能（TI/FEP，沿热力学循环积分）、沿反应坐标的伞形采样（加 WHAM 重建 PMF）、以及不依赖预设坐标的 metadynamics；顺带讲 QM/MM 何时值得上、性能调优怎么把机时省下来。每条路线配可运行的 Python 演算（梯度积分、迷你 WHAM），读完你应当能为自己的问题选对工具，并知道每条工具的账单里有哪些隐性收费。

学习目标

1. 写出热力学循环并解释为什么自由能差可以"绕道"计算，说出软偶合（soft-core）要解决什么病。
2. 把一组 λ 状态的 dH/dλ 数据用梯形积分变成自由能差，并说出 BAR/TI/FEP 三者的精度来源差异。
3. 独立完成一次伞形采样方案设计：窗口怎么铺、力常数怎么取、直方图重叠怎么验收、WHAM 怎么出 PMF。
4. 说出 metadynamics 与伞形采样的适用边界，以及 QM/MM 的成本量级与适用问题。
5. 用 ns/天 口径评估自己的模拟产能，按域分解与 PME 负载的原理选并行参数，识别"加核不加速"的三种典型瓶颈。

核心概念速览

增强采样的全部智慧都在对抗同一个敌人——玻尔兹曼瓶颈：能量面上每高 k_BT 的地方，概率掉一个 e 倍，普通模拟等不起。三条路线的哲学不同：炼金术绕开势垒（算差值不算过程），伞形采样沿坐标逐段攻占（然后拼回无偏分布），metadynamics 边走边填坑（让体系被迫离开洼地）。选型先问"反应坐标知不知道"，再问"要差值还是要整条曲线"。

子章节导航

• 6.1 自由能计算 TI 与 FEP——热力学循环怎么绕道、λ 状态怎么铺、dH/dλ 怎么积分，配甲苯溶剂化自由能的完整演算。
• 6.2 伞形采样与增强采样路线——窗口设计、直方图重叠验收、迷你 WHAM 从零实现，metadynamics 与 QM/MM 的边界。
• 6.3 性能调优与并行效率——ns/天 从哪来、域分解与 PME 负载怎么配、三种"加核不加速"的瓶颈诊断。

子章节之间的逻辑关系

三节是"两类工具加一个放大器"：6.1 与 6.2 是采样工具，回答"够不够着"的问题；6.3 是放大器，回答"跑不跑得起"的问题。逻辑依赖上，6.1 的 λ 模拟本质是多次普通 MD（产能问题即 6.3 的问题）；6.2 的伞形采样直接复用第5章的预处理与稳定性判读；6.3 的调优结论反哺前两节的方案设计——窗口数与体系大小定下来之前，先得知道每个窗口跑得起多长。

[6.1 炼金术] --lambda 状态 = 多次普通模拟--> [6.3 性能]
[6.2 伞形采样] --复用第5章预处理------------>      |
        +------------- 方案设计前先知道产能 ----------------+
​

本章演算与脚本清单

关键数字速查

• 窗口间距 0.1-0.15 nm 配 k = 1000-2500：伞形采样经验配对。
• sc-alpha = 0.5：软偶合防端点重叠，默认别动。
• calc-lambda-neighbors = -1：为 BAR/MBAR 留双向数据。
• 每进程几千原子：域分解甜点区。
• 串行占比 10% 时 512 核上限约 9.8 倍：加核不加速的理论根源。

前置知识与后续延伸

前置：3.3 的系综严格性（自由能微分式对耦合算法敏感）、第5章的预处理流水线（PMF 的输入）、1.1 的时间尺度账（为什么需要增强采样）。

延伸：6.1 的 BAR 方法是 7.2 脂膜自由能微扰的引擎；6.2 的 WHAM 思想是构象聚类与变权分析的通用底座；6.3 的调优清单在第7章两个案例里都要交卷。本章的 Python 演算刻意独立于 GROMACS——算法原理先在裸环境吃透，工具参数才有含义。