说明：本文华算科技主要介绍分子动力学模拟的计算对象、力场来源、轨迹生成、常见统计量和适用条件。
分子动力学模拟的计算对象是什么
分子动力学模拟把材料写成一组随时间移动的粒子。粒子可以是金属原子、离子、分子片段、聚合物链段，也可以是水泥水化体系里的 K+、Mg2+ 和水分子。每个粒子在某一时刻有坐标、速度和受力，程序按时间步推进这些量，得到一条由许多构型组成的轨迹。MD 的基本数据不是单个优化结构，而是坐标随时间变化的序列，能量、温度和局域配位都从这条序列中统计出来。
经典 MD 不在每个时间步求解电子结构，而是用 Lennard-Jones、Coulomb、EAM、Tersoff、COMPASS、ReaxFF 或机器学习势等函数描述粒子相互作用。势能函数给出能量，能量对坐标求导得到力，力再进入牛顿运动方程。力场决定轨迹能否描述目标化学环境，比如金属扩散、沥青分子互扩散、离子水化和熔盐热物性对应的相互作用类型并不相同。
模拟盒由原子数、盒子尺寸和周期设定共同定义。周期性设定把一个有限盒子重复到空间中，适合近似体相液体、晶体、合金和均匀溶液；表面、界面和孔隙体系则会保留特定方向的非均匀结构。粒子数、盒子尺寸、组分比例和周期设定会改变局域浓度、扩散距离和界面接触方式，这些设置会进入后续 MSD、RDF、能量波动和热物性结果。
力场与系综如何约束MD模拟体系行为
力场给出原子受力
经典 MD 的计算速度来自势能函数的简化。对简单液体，Lennard-Jones 势能可以描述短程排斥和色散吸引；对离子体系，Coulomb 项处理电荷相互作用；对金属和合金，EAM 或 NEP 这类势函数会把局域原子环境写进能量表达。势函数没有覆盖的成键变化、价态变化或反应路径，不会自动出现在轨迹里，后续结论也只能在该势函数的训练或参数化范围内成立。
沥青、聚合物、溶剂和有机分子体系常用全原子或联合原子力场。力场参数通常来自量子化学、实验热物性或已有数据库，参数化对象包括键长、键角、二面角、范德华项和静电项。模型分子、组分比例和初始密度决定了模拟盒里哪些分子能够接触、互溶或分层。
系综限定热力学条件
轨迹不是任意移动的动画。NVE 保持粒子数、体积和能量，适合检查能量守恒；NVT 固定粒子数、体积和温度，常用于观察某个温度下的结构运动；NPT 固定粒子数、压力和温度，常用于密度、相变和热膨胀相关问题。温控器和压控器改变的是采样条件，并非给材料添加真实实验装置。
生产轨迹之前的能量最小化、升温、退火和平衡阶段会改变后续采样。初始结构若含有过高重叠或不合理密度，系统会在前期释放很大的局部应力；平衡时间不足时，密度、能量和扩散曲线仍可能带有初始构型痕迹。
界面互扩散模型中的周期设定、固定区域和接触面位置会改变浓度梯度。固液界面、晶界和孔隙体系往往保留不同区域的组成差异；体相液体和均匀固溶体则更强调统计平均。同样是 MD，模拟盒几何和系综条件决定了轨迹回答的是体相运动、界面交换还是局部松弛。
轨迹怎样变成 MSD、RDF 和扩散系数
MSD 由位移平方平均得到
MSD 记录粒子相对初始位置的位移平方平均值。对于扩散问题，短时间区间常含有局部振动，长时间区间若出现近似线性增长，才适合用 Einstein 关系提取扩散系数。MSD 的斜率要和时间区间、粒子类型和统计样本数同时对应。在界面扩散里，Cu、Sn 或离子物种的曲线差异反映各自迁移能力和局部环境差别。
扩散系数来自 MSD 线性区斜率和维数因子。三维体相扩散、二维表面扩散和一维路径扩散使用的几何因子不同；如果粒子只在局部笼状环境中往返振动，MSD 曲线可能先上升后平台化，这种轨迹不适合直接换算成长程扩散系数。
RDF 和密度分布描述局部环境
RDF 表示以某类粒子为中心，在距离 r 处找到另一类粒子的相对概率。第一峰位置、峰面积和峰宽分别对应近邻距离、配位统计和局域无序。数密度分布则适合处理界面、孔隙和水化体系，能看出离子或分子沿空间方向的富集区域。
在水泥水化、熔盐或电解质体系中，轨迹后处理可得到 K+、Na+、O、H 或阴离子的空间分布。RDF 峰位变化和数密度峰不能脱离物种定义、时间窗口和归一化方式；峰更高可能来自局部富集，也可能来自模型体积、取样时间或分区方式的差别。
结构快照要和统计曲线配对
原子快照能显示扩散路径、聚集区域、相分离或局部配位变化。快照直观，但单帧受热涨落影响很大；统计曲线会抹平局部事件。快照定位事件发生位置，MSD、RDF 和密度分布检验统计重复性，两类结果的时间窗口应保持一致。
经典MD、AIMD和机器学习势MD
经典 MD 适合大体系和长时间
几十万到上百万原子的模型、纳秒到微秒级轨迹，使经典 MD 适合聚合物松弛、合金析出、界面互扩散和热导率计算。它的短板也来自同一个来源：势函数把化学空间预先限定住了。若力场只为某一类价态、组分或结构训练，在断键成键、强极化界面和反应事件中可能偏离 DFT 或实验趋势。
AIMD 把受力交给电子结构
AIMD 在每个时间步用 DFT 等电子结构方法计算原子受力，适合研究反应、表面吸附、水层重排和价态敏感体系。代价是时间和尺寸受限，常见轨迹只有 ps 到几十 ps，原子数也远小于经典 MD。有限温 AIMD 轨迹覆盖的是短时间热运动，不自动覆盖慢扩散、相变成核和长期老化。
机器学习势把 DFT 标签到更长轨迹
机器学习势用 DFT 能量、力和应力训练势能面，目标是在接近 DFT 受力特征的同时获得接近经典 MD 的速度。它适合固态电解质扩散、相变路径、热导率和高通量结构筛选。训练集覆盖的元素、构型、温度、压力和缺陷状态限定了外推范围；新相、罕见反应坐标或高电荷界面仍需 DFT 抽点复核。
把分子动力学结果用于材料判断时，标题中的“模拟”二字应对应具体对象：势函数来源、模拟盒、系综、时间步长、生产轨迹长度、采样物种和后处理公式。离子扩散对应 MSD 线性区、扩散维数和迁移路径；局部结构对应 RDF 峰位、配位数和数密度分布；热物性对应能量-温度响应、体积变化和系综设定。
同一个材料体系可按目标量选择不同 MD 路线：热导率和黏度通常依赖较长经典轨迹，界面反应和质子转移更适合 AIMD 或反应型势函数，固态电解质离子迁移可由机器学习势延长采样。轨迹长度增加只扩大采样窗口，若势函数物理对象错了，长轨迹仍会给出偏离目标体系的统计量。
