小编点评

**自定义控制器** MindSponge分子动力学模拟框架提供了一种自定义控制器机制，允许用户直接继承Controller类来实现自己的控制算法。该机制可以用于控制分子坐标和速度等参量，以达到控制系统特定参数的目的。 **自定义控制器类** 自定义控制器类继承自Controller类，并在其构造函数中进行参数设置。该函数接收三个参数：坐标、速度和其他配置参数。 **示例** 以下是一个自定义缩放原子速度的控制器类： ```python class MyController(Controller): def construct(self, coordinate: Tensor, velocity: Tensor, **kwargs): return super().construct(coordinate, velocity/2, **kwargs) ``` **使用自定义控制器** 使用自定义控制器需要创建一个UpdaterMD迭代器并将其绑定到系统、力场和迭代器中。迭代器用于模拟每一步的动力学过程，并根据控制算法调整原子坐标和速度。 **其他资源** * MindSponge 专栏文章：关于自定义控制器 * MindSponge 示例代码：自定义控制器

正文

技术背景

分子动力学模拟中的控制器（Controller）可以被用于修改模拟过程中的原子坐标和原子速度等参量，从而达到控制系统特定参量的目的。例如控温器可以用于实现NVT系综，控压器可用于实现NPT系综。而在MindSponge分子动力学模拟框架下，控温控压都可以基于控制器Controller来实现。关于更多的MindSponge分子动力学模拟框架的信息，如安装和基本使用等，可以阅读MindSponge专栏里面的文章。

自定义Controller

Controller位于control路径下，除了已经定义好的一些控温控压算法之外，用户还可以直接继承Controller来实现自己需要的系统控制算法。例如最简单的，这里我们定义一个缩放原子速度的控制器：

class MyController(Controller):
    def construct(self, 
                  coordinate: Tensor,
                  velocity: Tensor,
                  **kwargs):
        return super().construct(coordinate, velocity/2, **kwargs)

它的功能是保持原子当前位置不变，但是速度减半，简单表述就是：

完整的MindSponge用例如下所示：

from mindspore import context, Tensor
# 选择MindSpore图模式，0号GPU硬件
context.set_context(mode=context.GRAPH_MODE, device_target='GPU', device_id=0)
from sponge import set_global_units, Sponge, Molecule, WithEnergyCell, UpdaterMD, ForceField
from sponge.function import VelocityGenerator
from sponge.callback import RunInfo
from sponge.control import Controller
# 自定义控制器
class MyController(Controller):
    def construct(self, 
                  coordinate: Tensor,
                  velocity: Tensor,
                  **kwargs):
        return super().construct(coordinate, velocity/2, **kwargs)
# 设置全局分子动力学模拟单位
set_global_units('nm', 'kj/mol')
# 根据内置模板生成水分子系统
system = Molecule(template='water.spce.yaml')
# 将分子沿X轴方向复制一份，现在体系有2个水分子
system.reduplicate([0.3, 0, 0])
# 基于前面的分子系统，再复制一份，然后合并到system里面，此时一共是4个水分子
new_sys = system.copy([0, 0, -0.3])
system.append(new_sys)
# 选择SPCE力场
potential = ForceField(system, parameters='SPCE')
# 类似于深度学习中的WithLossCell，绑定了分子系统和力场的信息
withenergy = WithEnergyCell(system, potential)
# 配置MD参数
temp = 300
vgen = VelocityGenerator(temp)
velocity = vgen(system.shape, system.atom_mass)
# 构建迭代器，并且传入我们自定义的控制器
updater = UpdaterMD(
    system=system,
    time_step=1e-3,
    velocity=velocity,
    integrator='velocity_verlet',
    temperature=300,
    controller=MyController(system),
)
# 绑定系统、力场和迭代器三者的内容
mini = Sponge(withenergy, optimizer=updater)
# 使用回调函数，每一步都会打印输出能量、温度等信息
run_info = RunInfo(1)
mini.run(5, callbacks=[run_info])

因为每次控制器被调用都会使得速度减半，而且按照执行的顺序，控制器在常规的控温之后，因此运行过程中体系的温度无法达到我们预期的300K：

[MindSPONGE] Started simulation at 2024-05-15 16:07:54
[MindSPONGE] Step: 1, E_pot: 110.0423, E_kin: 11.559962, E_tot: 121.60226, Temperature: 84.26327
[MindSPONGE] Step: 2, E_pot: 111.15905, E_kin: 11.305634, E_tot: 122.46468, Temperature: 82.40941
[MindSPONGE] Step: 3, E_pot: 121.5491, E_kin: 8.962629, E_tot: 130.51173, Temperature: 65.330696
[MindSPONGE] Step: 4, E_pot: 126.55731, E_kin: 7.8556476, E_tot: 134.41296, Temperature: 57.26165
[MindSPONGE] Step: 5, E_pot: 118.11452, E_kin: 9.807281, E_tot: 127.9218, Temperature: 71.48756
[MindSPONGE] Finished simulation at 2024-05-15 16:07:57
[MindSPONGE] Simulation time: 3.06 seconds.
--------------------------------------------------------------------------------

如果去掉这个降低速度的控制器，那么体系的温度和动能一下子就上去了，并且在稳定之后，温度会逐渐收敛在300K附近：

[MindSPONGE] Started simulation at 2024-05-15 16:09:10
[MindSPONGE] Step: 1, E_pot: 110.0423, E_kin: 64.28456, E_tot: 174.32686, Temperature: 468.5852
[MindSPONGE] Step: 2, E_pot: 116.11336, E_kin: 58.616272, E_tot: 174.72963, Temperature: 427.26773
[MindSPONGE] Step: 3, E_pot: 120.5004, E_kin: 54.469967, E_tot: 174.97037, Temperature: 397.04434
[MindSPONGE] Step: 4, E_pot: 119.11376, E_kin: 55.627754, E_tot: 174.74152, Temperature: 405.48373
[MindSPONGE] Step: 5, E_pot: 114.84599, E_kin: 59.536713, E_tot: 174.3827, Temperature: 433.97702
[MindSPONGE] Finished simulation at 2024-05-15 16:09:12
[MindSPONGE] Simulation time: 2.84 seconds.
--------------------------------------------------------------------------------

总结概要

本文介绍了在MindSponge分子动力学模拟框架先实现自定义Controller控制器的方法，通过调控体系中的原子坐标和原子速度等，来控制系综的参量。MindSponge分子模拟框架基于MindSpore深度学习框架开发而成，对于开发者尤其是深度学习开发者来说，非常的友好。

版权声明

本文首发链接为：https://www.cnblogs.com/dechinphy/p/controller.html

作者ID：DechinPhy

更多原著文章：https://www.cnblogs.com/dechinphy/

请博主喝咖啡：https://www.cnblogs.com/dechinphy/gallery/image/379634.html