分子动力学中lammps软件中的cvff力场参数文件

网络 分子动力学粗粒化（） 依存关系 必需的： numpy pytorch （1.2或更高版本） scipy 可选的： mdtraj （仅适用于cgnet.molecule ） pandas （仅适用于cgnet.molecule ） sklearn （用于测试） Jupyter （ examples ） matplotlib （ examples ） 用法 克隆存储库： git clone git@github.com:coarse-graining/cgnet.git 安装所有缺少的依赖项，然后运行： cd cgnet python setup.py install 笔记 为了与pytorch==1.1兼容，请使用pytorch-1.1分支。 该分支当前不包括变量大小和Langevin动态的更新，也没有某些规范化选项。 引用 请引用预印本： @article

lammps可以用到的ReaxFF反应力场势函数文件

一种数据驱动的方法来系统地和可重复地优化力场参数 特征： 有效采用并行性以使用并行模拟器执行采样 所选模拟器支持的力场功能形式的多种选择 灵活包含不同物理特性作为参考数据 模块化设计，方便用户自定义扩展： 客观函数形式 采样方法/力场势函数形式 优化算法 所需软件： 一个编译好的 MD/MC 包可执行（已经支持 LAMMPS） Slurm 工作负载管理器（或同等产品） Python 3.7 其他 Python 库：pytest==5.4.2、numpy==1.18.1 英特尔 Fortran 编译器（> 18.0.3 版）。 gfortran (4.8.5) 也能成功编译，但程序可能无法使用长绝对文件路径。 在 Linux 上安装： conda 是推荐的包管理器。 如果未找到“conda”或需要 root 权限，您可以将 anaconda： ://www.anaconda

石墨烯、金属材料模拟、纳米流体、热传导、金属材料摩擦模拟、金属、半导体材料辐照、mofs储氢、碳补集、分子筛纳米膜混合气体分离：膜材料 分子建模、standalone reaxff、蒙特卡洛模拟设置实例：溶液中质子转移、碳化硅表面石墨烯生长 Python、深度学习神经网络、经典机器学习模型、神经网络在催化领域的应用-CO2还原、杂化钙钛矿、有机太阳能电池材料、无机材料、量子点发光材料

【lammps】： MD基础视频、lammps安装、进阶：石墨烯、金属材料模拟、 纳米流体专题：KCL盐溶液纳米流动等 热传导模拟专题、多成分体系模拟：金属材料摩擦模拟、材料切削、夹层结构 金属、半导体材料辐照：点缺陷、石墨烯、碳化硅等离位损失 自建分子力场参数和金属有机框架材料晶体模型：mofs储氢、碳补集 分子筛纳米膜混合气体分离：膜材料、SCI文献模拟 【ReaxFF反应力场】 reaxff基础：简单实例操作、结果查看 reaxff计算软件：分子建模、lammps 特殊功能：standalone reaxff、蒙特卡洛模拟设置 实例：溶液中质子转移、碳化硅表面石墨烯生长 【机器学习材料结构和性能预测】 Python、深度学习神经网络、经典机器学习模型、材料数据库及特征工程、图神经网络与实践、机器学习+Science，神经网络在催化领域的应用-CO2还原、预测杂化钙钛矿的带隙和形成能、有机太阳能电池材料的快速筛选、图神经网络预测无机材料的性能、量子点发光材料色温的预测等

针对手脸遮挡条件下的手语视频手势检测问题,提出一种基于力场(force field)转换的手势检测算法。首先分别计算手脸遮挡帧和纯脸部帧的力场图像,然后将力场图像分块并统计各分块直方图特征,再将相同空间位置的分块直方图对应相减,得到各分块直方图灰度分量差,最后将各分块直方图灰度分量差与灰度阈值进行比较获得手部位置。实验证明该算法能够实时进行手脸遮挡条件下的手势检测。

力场冲击波交互

非常好的2008编写的一本量子讲义，内容很全面。

一共4篇论文，我从万方数据库精选出来的，比较实用，也比较浅显，适合matlab数值模拟的朋友作参考，讲的是matlab应用，并有实际问题解决方法。