Abstract: In dieser Arbeit werden die Langevin Dynamics als Beispiel für die Einführung von verschiedenen Konzepten aus dem mathematischen Teilgebiet der Differentialgleichungen verwendet. Hierbei wird zu Beginn eine nicht-stochastische Variante der Langevin-Gleichung verwendet, um symplektische Integratoren und Verfahren anzuwenden. Im Anschluss werden stochastische Differentialgleichungen (SDE) eingeleitet, um ein Verständnis
der grundlegenden Theorie von SDEs aufzubauen und im Anschluss sowohl die Existenz, sowie die Eindeutigkeit der Lösung der Langevin-Gleichung zu beweisen. Diese Grundlagen
werden ben¨ otigt, um im letzten Teil der Arbeit einige numerische Verfahren zu behandeln, welche verschiedene Aussagen aus der stochastischen Langevin-Gleichung gewinnen, wie beispielsweise Minimum Energy Paths und Transition Time des Systems.
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Bachelor Thesis Presentation: Modellierung und numerische Simulation von Molekulardynamik
1. Bachelorarbeit in Mathematik
Modellierung und numerische Simulation von
Molekulardynamik
Noah Oberweis
betreut durch
Prof. Dr. Håkon Hoel und Dr. Alexander Litvinenko
Lehrstuhl für Mathematics for Uncertainty Quantification
RWTH Aachen
12. August 2021
2. Inhalt
Einleitung
Hamiltonsche Systeme
Der Wiener-Prozess und stochastische Differentialgleichungen
Numerische Methoden für stochastische Differentialgleichungen
Rare Events
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 2 / 46
3. Einleitung: Molekulardynamik
50er Jahre: Doppelhelix-Struktur der
DNA
70er Jahre: die ersten Biomolekular-
Simulationen
Frühe 2000er Jahre: Sequenzierung
des menschlichen Erbguts und sämt-
licher menschlicher Chromosomen
Nsp16 Aktivierungsmechanismus
des COVID-19-Virus durch die
Simulation von Proteinfaltung DNA-Doppelhelix
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 3 / 46
4. Einleitung: Paul Langevin
französischer Physiker
geboren am 24. Januar 1872
Er besuchte die École de Physique et de Chimie
Anschließend die École normale supérieure in Paris
Elektromagnetismus, magnetische, sowie elektrische
Doppelbrechungen, die Relativitätstheorie, Ultra-
schallwellen und Molekulardynamik
gestorben am 16. Dezember 1946 im Alter von 74
Jahren
Paul Langevin
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 4 / 46
5. Einleitung: Langevin-Gleichung
(
dXt = Vtdt
mdVt = (−γVt − ∇U(Xt))dt + σdWt
+ Anfangswerte
Bietet mehrere Abstraktionsmöglichkeiten
Hamiltonsches System
Stochastische Differentialgleichung
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 5 / 46
6. Einleitung: Langevin-Gleichung
(
dXt = Vtdt
mdVt = −∇U(Xt)dt
+ Anfangswerte
Bietet mehrere Abstraktionsmöglichkeiten
Hamiltonsches System
Stochastische Differentialgleichung
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 6 / 46
7. Inhalt
Einleitung
Hamiltonsche Systeme
Der Wiener-Prozess und stochastische Differentialgleichungen
Numerische Methoden für stochastische Differentialgleichungen
Rare Events
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 7 / 46
8. Hamiltonsches System: Definition
Eine hamiltonsche Differentialgleichung ist eine Differentialgleichung der Form
ẋ = ∇v H(x, v)
v̇ = −∇xH(x, v),
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 8 / 46
9. Motivation hamiltonsche Systeme
d
dt H(x, v) = 0
Beschreibt System mit konstanter Energie
(Energieerhaltungssatz)
NVE System
Ziel: Hamiltonsche Eigenschaft beibehalten
mit numerischen Integratoren
Zweikörperproblem
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 9 / 46
10. Symplektische Eigenschaft
Definiere zwei Vektoren
ξ =
ξx
ξv
; η =
ηx
ηv
,
wobei ξ, η ∈ R2n
mit ξx, ξv , ηx, ηv ∈ Rn
gilt. Wir betrachten nun die folgende
Abbildung:
ω : R2n
× R2n
→ R; (ξ, η) 7→
n
X
i=1
det
ξi
x ηi
x
ξi
v ηi
v
alternativ
ω(ξ, η) = ξT
Jη, J =
0n In
−In 0n
.
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 10 / 46
11. Symplektische Eigenschaft
Eine differenzierbare Abbildung g ist genau dann symplektisch, wenn für die
Matrix A := Dg (x, v):
AT
JA = J
(⇒ ω(Aξ, Aη) = ω(ξ, η))
Darstellung der Fläschenerhaltung der symplektischen Eigenschaft
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 11 / 46
12. Symplektische Integratoren
Verwendet Äquivalenz zwischen hamiltonischen Systemen und symplektischem
Fluss.
Ein Verfahren ist symplektisch, falls
y1 = ψ(y0)
symplektisch ist, wenn dieses auf ein hamiltonsches System angewendet wird.
symplektisches Euler-Verfahren und Verlet-Verfahren
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 12 / 46
17. Stochastische Differentialgleichungen
Ẋt = b(Xt, t) + σ(Xt, t)Ẇt
Driftkoeffizient: b(Xt, t) beschreibt grundlegenden
Verlauf der Lösung
Diffusionskoeffizient: σ(Xt, t) beschreibt mikroskopi-
sche stochastische Beschleunigungen
Definition von Wt?
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Zeit: t
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Wert
des
Ornstein-Uhlenbeck-Prozesses:
Xt
Ein Pfad einer Lösung einer
SDE
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 17 / 46
18. Der Wiener-Prozess
Zufallsprozesse: über T ⊆ R parametrisierte
Zufallsvariabel {Xt}t∈T 7→ R
Wiener-Prozess definiert durch:
1 Wt ist Gauß-Prozess
2 EWt = 0 und Kovarianz K(s, t) = min(s, t)
3 t 7→ Wt stetig mit Wahrscheinlichkeit 1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Zeit: t
-1.8
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
Wiener-Prozess:
Wt
Ein Pfad des Wienerprozesses
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 18 / 46
19. Numerische Einführung durch Zufallsweg
{Xi } Folge von unabhängigen, gleichverteilten Zufallsvariablen
Xi = ±1 mit P(Xi = 1) = P(Xi = −1) = 1
2
Yn =
Pn
i=1 Xi , Y0 = 0
P(Yn+1 = i ± 1 | Yn = i) = 1
2
Wiener-Prozess ist Grenzwert mit Schrittlänge l und Schrittweite zwischen
Sprüngen τ mit l, τ → 0
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 19 / 46
20. Numerische Einführung durch Zufallsweg
0
2
4
6
8
10
12
Wert
des
Zufallswegs:
W
t
0 5 10 15 20 25 30 35 40 45 50
Schritte: t
Zufallsweg auf Z
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Zeit: t
-1.8
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
Wiener-Prozess:
Wt
Pfad eines Wiener-Prozesses
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 20 / 46
21. Stochastische Differentialgleichungen
Definition von Ẇt?
Wiener-Prozess ist nicht differenzierbar
Lösung: SDE in stochastische Integralgleichung umwandeln:
Xt = X0 +
Z t
0
b(Xs, s)ds +
Z t
0
σ(Xs, s)dWs.
Definition von
R t
0 σ(Xs, s)dWs?
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 21 / 46
23. Inhalt
Einleitung
Hamiltonsche Systeme
Der Wiener-Prozess und stochastische Differentialgleichungen
Numerische Methoden für stochastische Differentialgleichungen
Rare Events
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 23 / 46
24. Numerische Methoden für stochastische Differentialgleichungen
Itô-Taylor-Entwicklung:
Xt = Xt0 +
Z t
t0
b(Xs)ds +
Z t
t0
σ(Xs)dWs
= Xt0 + b(Xt0 )(t − t0) + σ(Xt0 )(Wt − Wt0 )
+
Z t
t0
Z s
t0
L2(σ(Xu))dWu dWs +
Z t
t0
Z s
t0
L1(σ(Xu))du dWs
+
Z t
t0
Z s
t0
L2(b(Xu))dWu ds +
Z t
t0
Z s
t0
L1(b(Xu))du ds
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 24 / 46
25. Euler-Maruyama-Verfahren
Xt = Xt0 + b(Xt0 )(t − t0) + σ(Xt0 )(Wt − Wt0 )
Erste Zeile der Itô-Taylor-Entwicklung
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 25 / 46
27. Lineare SDE
Lösung nur von Wt abhängig
dXt = γXtdt + σXtdWt
Lösung:
Xt = X0 exp((γ − 1
2σ2
)t + σWt)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Zeit: t
0.5
1
1.5
Wert
der
Lösung:
X
t
0 0.5 1
Zeit: t
0
0.02
0.04
0.06
Absoluter
Fehler:
e
A
t
0 0.5 1
Zeit: t
0
0.01
0.02
0.03
0.04
Relativer
Fehler:
e
R
t
Lösungsvergleich und Fehler
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 27 / 46
28. Lineare SDE
Euler-Maruyama-Schema:
Starke Konvergenz mit Ordnung 1
2
max0≤t≤T E|X∆t
t − Xt|2
≤ C∆t
Numerische Überprüfung mit 1000
Wiener-Prozessen für verschiedene
Schrittweiten
10-5
10-4
10-3
10-2
Schrittlänge: t
10-6
10-5
10-4
10-3
10-2
10-1
100
101
maximaler Fehler
durchschnittlicher Fehler
( t)
0.5
Fehler für verschiedene Schrittweiten
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 28 / 46
29. Inhalt
Einleitung
Hamiltonsche Systeme
Der Wiener-Prozess und stochastische Differentialgleichungen
Numerische Methoden für stochastische Differentialgleichungen
Rare Events
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 29 / 46
30. Rare Events
zufällige Ereignisse, welche mit kleiner Wahrscheinlichkeit stattfinden
Beispiele in Molekulardynamik: Transition Times und Minimum Energy Paths
Rare Events finden wegen der großen Anzahl von beobachteten Objekten
trotzdem statt.
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 30 / 46
31. Transition Rates
Zeit, welche benötigt wird um von
einem stabilen Zustand in einen an-
deren zu wechseln (Beispiel: chemi-
sche Reaktionen)
Im Gegensatz zu hamiltonschem Sy-
stem: nach langer Beobachtung wird
die Separatrix überschritten -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Position
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
U(x)
Doppelbrunnen-Potential
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 31 / 46
32. Transition Rates
Vereinfachte Langevin-Gleichung:
dXt = −U0
(Xt)dt +
√
2εdWt
Übergangszeit ist exponentiell in
O(1
ε )
Zwei Übergänge nach T = exp(1.1
ε )
0 1 2 3 4 5 6
104
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Position des Partikels im Verlauf der Zeit
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 32 / 46
33. Minimum Energy Paths
Wege, welche genutzt werden um Separatrix zu überqueren
Beschreibt unter anderem Proteinfaltung
Pfad ψ(t), so dass (∇U(ψ))⊥
= 0
String-Methode: auf jeden Punkt eines Startpfades ψ wird der Fluss von
∂tϕ(α, t) = −∇U(ϕ)
angewendet.
Beispiel: U(x, y) = (1 − x2
− y2
)2
+ y2
x2+y2
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 33 / 46
34. Ergebnis Minimum Energy Path
U(x,y)
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
y
Resultat der String-Methode
(Grün: Anfangspfad, Rot: Ergebnis,
Blau: Interpoliertes Ergebnis)
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 34 / 46
35. Schlusswort
Verschiedene Möglichkeiten die Langevin-Gleichung zu betrachten
Rare Events können beispielsweise nicht in hamiltonschen Systemen auftreten
Symplektische Integratoren ergeben gute Resultate für NVE Modelle
Zusätzliche Themen: Existenz und Eindeutigkeit von SDEs, Ergodsche Be-
trachtung der Langevin-Gleichung
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 35 / 46
36. Quellen
Tamar Schlick. Molecular Modeling and Simulation: An Interdisciplinary Gui-
de. 2. Aufl. Springer, 2010.
Folding@Home.url:https://foldingathome.org/home/(besucht am 13. 04. 2021).
F. Joliot.”Paul Langevin, 1872-1946“. In: (1951).
Rainer Dohlus. Physik Basiswissen für Studierende technischer Fachrichtun-
gen. 2. Aufl. Springer, 2018.
Sergio Blanes und Fernando Casas. A Concise Introduction to Geometric Nu-
merical Integration. 1. Aufl. CRC Press, 2016.
Ernst Hairer, Christian Lubich und Gerhard Wanner. Geometric Numerical
Integration. 2. Aufl. Springer, 2001.
M.G. Nadkarni. Basic Ergodic Theory. 3. Aufl. Hindustan Book Agency, 2013.
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 36 / 46
37. Quellen
Udo Kamps und Erhard Cramer. Grundzüge der Stochastik, Skript für Ba-
chelorstudierende. 3. Aufl. Instit für Statistik und Wirtschaftsmathematik der
RWTH Aachen, 2018.
Bernt Øksendal. Stochastic Differential Equations, An Introduction with Ap-
lications. 5. Aufl. Springer-Verlag, 2000.
Weinan E, Tiejun Li und Eric Vanden-Eijnden. Applied Stochastic Analysis.
1. Aufl. American Mathematical Society, 2019.
John Lamperti.Stochastic processes: A survey of the mathematical theory. 1.
Aufl. Springer-Verlag, 1977.
Ethan Schondorf. The Wiener Measure and Donsker’s Invariance Principle,
2019.
P.E. Kloeden und E.Platen. Numerical solution of stochastic differential equa-
tions. Springer, 1992.
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 37 / 46
38. Quellen
X. Mao. Stochastic Differential Equations and Applications. Woodhead Pu-
blishing, 1997.
D.J. Higham. An Algorithmic Introduction to Numerical Simulation of Stocha-
stic Differential Equations. Society for Industrial und Applied Mathematics,
2001.
Weinan Ee, Eric Vanden-Eijnden und Weiqing Ren. ”Simplified and Improved-
String Method for Computing the Minimum Energy Paths in Barrier Crossing
Events“. In: The Journal of Chemical Physics(2007).
Portrait von Paul Langevin:
Henri Manuel. url:https://wellcomecollection.org/works/zgyqfn98.
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 38 / 46
39. Vielen Dank für Ihre Aufmerksamkeit
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 39 / 46
43. Kolmogorovs Erweiterungstheorem
Sei {µt1 , ..., µtk
} eine Familie von endlich-dimensionalen Verteilungen, welche die
folgenden Bedingungen erfüllen:
∀t1, ..., tk ∈ T, ∀F1, ..., Fk ∈ R, k ∈ N:
Für jede Permutation σ : {1, ..., k} → {1, ..., k} gilt:
µtσ(1),tσ(2),...,tσ(k)
(F1 × F2 × ... × Fk) (1)
=µt1,...,tk
(Fσ−1(1) × Fσ−1(2) × ... × Fσ−1(k)). (2)
∀m ∈ N:
µt1,t2,...,tk
(F1 × F2 × ... × Fk) (3)
=µt1,...,tk ,tk+1,...,tk+m
(F1 × F2 × ... × Fk × R × R × ... × R). (4)
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 43 / 46
44. Kolmogorovs Erweiterungstheorem
Dann existiert ein Wahrscheinlichkeitsraum (Ω, A, P) und ein Zufallsprozess
{Xt}t∈T so, dass:
µt1,...,tk
(F1 × F2 × ... × Fm) = P(Xt1 ∈ F1, Xt2 ∈ F2, ..., Xtm ∈ Fm)
für alle t1, ..., tm ∈ T, m ∈ N.
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 44 / 46
45. Itô-Integrale und die Itô-Formel
R t
0 σ(t, w)dWs = lim|∆|→0
P
j σ(Xj , t?
j )(Wtj +1 − Wtj
)
Itô-Integral: t?
j = tj
Itô-Formel: Sei Yt = f (Xt) und Xt Itô-Prozess
dYt =
b(t, w)f 0
(Xt) +
1
2
σ2
(t, w)f 00
(Xt)
dt + σ(w, t)f 0
(Xt)dWt
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 45 / 46
46. Ornstein-Uhlenbeck-Prozess
Stochastische Variante: ẏ = y
dXt = −γXtdt + σdWt
Richtige Lösung:
Xt = e−γt
X0 + σ
Z t
0
e−γ(t−s)
dWs 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Zeit: t
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Wert
des
Ornstein-Uhlenbeck-Prozesses:
Xt
Numerische Lösung der SDE
Noah Oberweis Modellierung und numerische Simulation von Molekulardynamik 46 / 46