12 novembre 2014
Modellazione accurata di strutture nanohelical è importante per gli studi di simulazione predittiva che portano a nuove applicazioni delle nanotecnologie. Attualmente, i pacchetti software ei codici sono limitati nella creazione di modelli elicoidali atomistico. Vi presentiamo due procedure volte a creare modelli nanohelical atomistici per le simulazioni, e un'interfaccia grafica per rafforzare la ricerca attraverso la visualizzazione.
L'obiettivo generale di questa procedura è quello di creare modelli atomistici di elicoidali, nano molle e nano nastri utilizzando un codice open source per la dinamica molecolare o le simulazioni MD. Questo video descrive come preparare i modelli di nano molleggio in vetro di silice preparando prima un file di input di silice atomistico di massa appropriato, insieme ai file di programma open source nano springing carver. Il secondo passo consiste nell'avviare MATLAB su un PC Linux e utilizzare l'interfaccia utente grafica nano springing carver per generare un modello di nano springing desiderato.
Successivamente, i risultati dell'intagliatore di nano molle vengono verificati in un visualizzatore open source. Il passaggio finale consiste nell'utilizzare i risultati nelle simulazioni di trazione MD delle molle. In definitiva, una varietà di modelli nanoelicoidali ben definiti e scalabili può essere generata in modo efficace per le simulazioni MD verso la ricerca sull'innovazione dei materiali.
Mi è venuta l'idea di utilizzare questo metodo per la prima volta quando eseguivo simulazioni dinamiche molecolari di nanostrutture come nanofili e altri. Come forse saprai, i materiali simili a molle sono molto abbondanti in natura, quindi è importante cercare di studiare tali geometrie e soprattutto per la simulazione, per applicazioni che hanno a che fare con la raccolta di energia, lo stoccaggio dell'idrogeno e il rilevamento biologico e altri. E attualmente ci sono pacchetti e codici commerciali disponibili sul mercato.
Tuttavia, sono piuttosto limitati nei tipi di geometrie che puoi creare. E quindi i modelli elicoidali ottimistici non sono facili, facili da realizzare. Quindi speriamo che questo tipo di sforzi aiuti gli studi futuri che dimostreranno questa procedura sarà Max Larner, che è uno studente laureato nel mio laboratorio.
I file utilizzati in questo video sono disponibili online sul sito web del Gruppo Davila. Per l'URL, vedere il protocollo di testo che accompagna questo video. Per iniziare, scarica l'archivio di file nano springs dot tar dot gz dal repository web.
Individuare l'archivio scaricato e spostarlo in una directory di lavoro preferita. Intitolato Documents slash Nanos Springs. Fare clic con il pulsante destro del mouse su nano springs tar dot gz e selezionare Estrai qui.
Dal menu contestuale del tasto destro, verificare che tutti i file richiesti siano presenti nella directory corrente. Vedere il protocollo di testo per un elenco di questi file e il loro scopo sul desktop. Apri una finestra di terminale e cambia la directory nella cartella in cui sono stati estratti i file del progetto Nano Springs.
Quindi, esegui il comando per compilare il binario per il sistema digitando me Nano Springs, me CPP Point cpp. Quindi avvia MATLAB digitando MATLAB sulla riga di comando utilizzando i file forniti online. Apri la guida in MATLAB facendo clic sull'icona della guida nell'area della barra degli strumenti in alto a sinistra.
Per visualizzare una nuova finestra con la guida introduttiva. Usa la scheda appiccicosa esistente aperta per modificare una figura esistente. Fare clic sul pulsante Sfoglia per cercare la figura appiccicosa esistente da modificare.
Dopo aver selezionato il file della figura, fare clic su Apri in entrambe le finestre per visualizzare una nuova finestra con la figura appiccicosa per eseguire il clic appiccicoso su Esegui nel menu degli strumenti. E sì, quando una finestra popup chiede se salvare la figura prima di eseguirla, una nuova finestra visualizza l'appiccicoso modificato. Per impostare prima l'esecuzione dell'esempio, fai clic sul pulsante Seleziona file modello di input nella parte superiore dell'appiccicoso e vai al file IP del cubo di vetro.
Dopo aver selezionato il file di input, il percorso dovrebbe apparire nella finestra appiccicosa a destra del pulsante del file del modello di input selezionato. Quindi, vai alla sezione del modello di output e usa il pulsante Sfoglia per cercare e selezionare la directory in cui salvare il modello di output. Esegui l'esempio utilizzando i parametri della molla forniti premendo il pulsante di corsa appiccicoso.
Nel feedback MATLAB, verifica il numero di atomi di input selezionati per il modello a molla e i parametri del modello a molla. Una volta finalizzata l'interfaccia appiccicosa, esegui le esecuzioni successive facendo clic con il pulsante destro del mouse su nano springs dot M nella finestra della cartella corrente di MATLAB e selezionando Esegui. Per visualizzare direttamente l'interfaccia appiccicosa per visualizzare e verificare i modelli di molle di uscita creati da nano springing carver.
Utilizza l'interfaccia grafica MATLAB di nano springing carver per generare i file come prima per l'input nel programma di visualizzazione. Misura le distanze nei modelli a molla e registrali. Confronta i dati misurati con le dimensioni desiderate della molla e verifica l'accuratezza del modello della molla per utilizzare i modelli della molla creati da Nano Springing Carver come input per un codice di dinamica molecolare open source convenzionale
.Innanzitutto, scarica l'ultima versione del programma di dinamica molecolare open source. Lampade, determinare le dimensioni del modello di nano molleggio desiderato al fine di preparare il modello iniziale di vetro di silice di massa appropriato. Quindi crea il modello di nano springing desiderato utilizzando l'interfaccia grafica MATLAB di nano springing carver.
Come in precedenza, eseguire simulazioni di trazione sul nano molleggio desiderato allungando il modello. Produci assialmente un video rappresentativo del modello di molleggio nanos che viene allungato per la visualizzazione e l'analisi. I metodi computazionali presentati in questa procedura consentono la creazione di silice, nano molle e nano nastri adatti per simulazioni atomistiche.
Qui è mostrato un modello atomistico di un nano nastro di silicio con un raggio del nano nastro di 1,07 nanometri, un raggio dell'elica di 5,37 nanometri e un passo di 7,16 nanometri. Le istantanee illustrano viste distinte della nanostruttura. Questa figura mostra diverse viste di un modello atomistico di una nano molla di silicio con un raggio del filo di 1,07 nanometri, un raggio dell'elica di 4,29 nanometri e un passo di 4,29 nanometri.
Dopo aver visto questo video, le persone dovrebbero aspettarsi di essere in grado di creare una nano molla elicoidale utilizzando questo codice open source che abbiamo sviluppato per le future simulazioni di dinamica molecolare. In sintesi, i metodi presentati in questo video faciliteranno chiunque a studiare la nanolisi tramite simulazioni e, in questo modo, saranno possibili studi di funzionalità che includono la progettazione di nanodispositivi.
Visualizza la trascrizione completa e accedi a migliaia di video scientifici
Questo articolo presenta procedure per la creazione di modelli atomistici di strutture nano elicoidali, in particolare nano molle e nano nastri, utilizzando software open source per la dinamica molecolare. I metodi migliorano le capacità di ricerca attraverso la visualizzazione e la simulazione.
Accurate atomistic modeling of nanohelices is critical for predictive studies in nanomaterials, enabling robust simulation of mechanical and functional properties relevant to biopharma R&D. The presented open-source computational tools address a key gap in scalable, customizable 3D nanostructure generation for molecular dynamics workflows. This capability supports early-stage materials innovation and de-risking of nano-enabled device concepts across discovery and translational research.
This modeling capability integrates at the interface of early discovery and preclinical simulation, bridging hypothesis generation with predictive analytics for nanomaterial-enabled applications.