Universidad Nacional de Colombia Sede Manizales.

1
Facultad de Ciencias Exactas y Naturales
Informática III

Simulación dinámica molecular para el cobre y plomo

a distintas temperaturas de relajación.
María Valentina Suarez León Ingrid Camila Pantoja Pupiales

Fecha de presentación 25/11/2020

Resumen Este proyecto expone la Termostato.

aplicación de un algoritmo de dinámica molecular para
metales, con el propósito de observar el estado de Un termostato es el componente de un sistema de
relajación de estos sistemas. El algoritmo fue ejecutado control simple que abre o cierra un circuito eléctrico en
tres veces para cobre y tres veces para plomo con función de la temperatura.
temperaturas de relajación de 100K 300K 500K; luego
se analizó la información recopilada de las simulaciones Cambio de estado.
como promedios de velocidad, distribución final de las
partículas en el sistema y análisis de energías de los En física se denomina cambio de estado, a la evolución
sistemas. Se apreció la formación de cristales para de la materia entre varios estados sin que ocurra un
ambos materiales y características propias de cada cambio en su composición, en este trabajo podremos
sistema. encontrar la transición de un gas a un cristal debido a
factores físicos como el cambio en el ciclo de
Palabras clave Termostato, relajación, estado de temperatura y la dinamización de esta.
equilibrio térmico.
Integración de Verlet
I. INTRODUCCIÓN
En el trabajo se utiliza la integración de Verlet ya que
este es un procedimiento de integración numérica de
a teoría cinética molecular indica que todo lo que
L vemos está formado por partículas muy pequeñas e
invisibles llamadas moléculas. Las moléculas están
ecuaciones diferenciales ordinarias de segundo orden
con valores iniciales conocidos y es muy usado en
mecánica molecular, se aplicó, este algoritmo, pero
en continuo movimiento y entre ellas existen fuerzas
desde un principio se ha propuesto una formula donde
atractivas, llamadas fuerzas de cohesión.
interviene explícitamente la velocidad.
En el estado sólido las moléculas están muy unidas y se
Ensamble canónico (NVT)
mueven oscilando alrededor de unas posiciones fijas;
las fuerzas de cohesión son muy grandes. En cambio,
en el estado gaseoso las moléculas están totalmente El programa hace uso del ensamble canónico ya que se
tiene un conjunto de los posibles estados de un sistema
separadas unas de otras y se mueven libremente; no
existen fuerzas de cohesión. que intercambia energía térmica con los alrededores,
pero no materia. El volumen no se altera (V) y no se
intercambia masa (N). La temperatura (T) se mantiene
Si disminuimos la temperatura de un sistema material
alrededor de la media deseada. La temperatura
en estado gaseoso lo suficiente, disminuye la rapidez
instantánea del sistema no es constante, sino sólo su
media de las moléculas y esto hace posible que al estas
promedio. En la colectividad NVT, la energía de los
acercarse casualmente, las fuerzas de cohesión, que
procesos endotérmicos y exotérmicos (transiciones
siempre aumentan al disminuir la distancia, puedan
conformacionales entre estados con diferentes energías
mantenerlas unidas, el sistema material pasará al estado
potenciales) es intercambiada con un termostato.
líquido. Si seguimos disminuyendo la temperatura lo
suficiente el sistema pasará a un estado solido.
Normalización

En el proceso que se llevará a cabo utilizaremos el

proceso de normalización ya que, en los casos más
sencillos, la normalización de índices significa ajustar
los valores medidos en diferentes escalas respecto a una
Universidad Nacional de Colombia Sede Manizales. 2
Facultad de Ciencias Exactas y Naturales
Informática III
escala común, a menudo previo a un proceso de realizar Sutton-Chen Parameter c c 39,43 45,77
promedios. En casos más complicados, la Sutton-Chen Parameter m m 6 7
normalización puede referirse a ajustes más sofisticados Sutton-Chen Parameter n n 9 10
donde la intención es conseguir todas las distribuciones Masa atómica (amu) Mat 63,546 207,2
de probabilidad que se ajustan a los valores. Parametro Lattice a0 3,61 4,95
(Anstrong)
Disociación Energía (eV) Dm 3,5 2.04
in
II. PROCEDIMIENTO.
La herramienta informática utilizada para realizar la
simulación es Google colaboratory un entorno de
programación que permite escribir y ejecutar código de
Python en un navegador. Nuestras simulaciones
consisten en tomar el algoritmo de dinámica molecular
desarrollado en clase y aplicarlo a dos metales.

Realizaremos seis simulaciones, las primeras tres para

el cobre y las siguientes para el plomo. Para cada metal
corrimos la simulación con distintas temperaturas de
relajación (100K, 300K y 500K). La temperatura inicial
coincidía con la temperatura de relajación en cada
experimento. Luego la temperatura final en todos los
experimentos fue 0°K.

En las nuestra simulación los parámetros que nunca se

modificaran son los siguientes.

Numero de partículas Ntot 500

Ancho de la caja d 13
(El parámetro d está en unidades de a0)

En la siguiente tabla se presentan las características que

se modificaran en cada simulación cada simulación.

Temperatura inicial (K) Ti

Temperatura final (K) Tf
Temperatura de relajación (K) Trj
Delta de temperatura (K) dT

No Simulación Materia Ti Tf Trj dT

1 Cu 100 0 100 1
2 Cu 300 0 300 3
3 Cu 500 0 500 5
4 Pb 100 0 100 1
5 Pb 300 0 300 3
6 Pb 500 0 500 5

A continuación se presentan los parámetros para cada

material

Cobre Plomo
Parámetro Sutton-Chen (eV) ε 0,012382 0,005576
Universidad Nacional de Colombia Sede Manizales. 3
Facultad de Ciencias Exactas y Naturales
Informática III
vuelven más pequeñas. Por esta razón es apropiado
tomar los promedios después de esta cantidad de pasos.

Para el plomo podemos apreciar que 800 pasos no son

suficientes para que el sistema relaje, puesto que
seguimos observando bruscos cambios en la
temperatura. Como nos interesa que el sistema relaje
aumentaremos los pasos de relajación para darle
oportunidad al sistema de llegar al equilibrio, por esta
razón simularemos:
-El sistema con 1000 pasos de relajación y 1000 para
III. ANÁLISIS DE RESULTADOS. tomar promedios
-El sistema con 1500 pasos de relajación y 400 para
tomar promedios.
Graficas de estados finales

En ambos metales observamos que en los estados

finales de estos, forman cristales, contrastando los
cristales de cobre con los de plomo, podemos apreciar
que los de cobre son bien definidos y de mayor tamaño,
mientras que los de cobre son amorfos.
En el caso particular del cobre apreciamos que para la
temperatura de relajación más alta, es decir, 500°K los
cristales en el estado final se encuentran separados y
estos agrupan más átomos que en las simulaciones con
100°K y 300°K como temperatura de relajación . Esto
se debe a que la temperatura de relajación de 500°K es
bastante alta y el volumen de la caja, en todas las Plomo (Trj 300K 1000 pasos de relajación )
simulaciones es el mismo, entonces con estas
condiciones se alcanza la presión más alta y los cristales
tienen las características anteriormente mencionadas.

Ahora bien en el caso del plomo suponemos que las

condiciones no fueron las necesarias en ninguno de los
experimentos para formar cristales de gran tamaño, sin
embargo se logran apreciar pequeños cristales amorfos
no muy separados unos de otros.

Relajación de Temperatura
Plomo (Trj 300K 1500 pasos de relajación )
De las gráficas de relajación de temperatura apreciamos
que las fluctuaciones de temperatura son mínimas para
En los anteriores gráficos apreciamos que aún falta
el cobre, mientras que para el plomo son considerables
pasos para que el sistema relaje sin embargo por
lo que nos indica que el sistema no relajo lo suficiente.
limitaciones de procesamiento no fue posible realizar
una cantidad de pasos mayor.
Para el cobre es suficiente con 800 pasos para que el
sistema relaje, en las gráficas podemos identificar esta
Histogramas de distribución normal Vx.
relajación ya que en el eje horizontal cuando MDS llega
a 800 pasos las oscilaciones en la temperatura se
Universidad Nacional de Colombia Sede Manizales. 4
Facultad de Ciencias Exactas y Naturales
Informática III
Para los Histograma de distribución normal Vx podemos
apreciar que para todas las simulaciones las gráficas
corresponde a la misma aproximación distribución
normal con asimetría negativa ,es decir, la propensión
que las partículas tengan una velocidad con valores
cercanos a cero por derecha es mayor y el resto de
probabilidad se distribuye a derecha e izquierda de este
valor.
Al ejecutar la simulación por primera vez estimamos
que la asimetría mencionada anteriormente era
productos de valores atípicos, pero luego de correr el
programa 8 veces modificando diferentes parámetros;
como temperatura de relajación, materiales, e incluso
pasos de relajación, y al seguir obteniendo las misma
distribución con la misma asimetría consideramos que
no corresponden a valores atípicos, por el contrario son
resultado de la corrección de la velocidad del algoritmo
que no es suficiente para alinear la media de las
velocidades con el eje de simetría de la distribución
normal.
Apreciamos también que a la hora de aumentar las
temperaturas, se evidencia que se aumenta el rango de
velocidades que puede tomar la partícula.
Para el caso del cobre en el sistema con temperatura de
relajación de 100°K el intervalo de temperatura que
toman las partículas del sistema es de -300 a 300. Para
una temperatura de relajación de 300K tenemos que el
intervalo de velocidades es de -400 a 400 y para una
temperatura de relajación de 500K el intervalo de
velocidades es de -600 a 600.
Ahora para el caso del plomo, tenemos en el sistema
con temperatura de relajación de 100K el intervalo de
temperatura que toman las partículas del sistema es de -
150 a 150. Para una temperatura de relajación de 300K
tenemos que el intervalo de velocidades es de -300 a 300
y para una temperatura de relajación de 500K el
intervalo de velocidades es de -400 a 400. Entonces el
plomo tiende a una dispersión menor de velocidades en
comparación con las partículas de cobre a condiciones
de temperatura iguales.
Relajación energía potencial
Vemos que para las tres temperaturas en las cuales
simulamos el plomo, la gráfica de energía potencial
para la relajación se comporta de una manera muy
similar, en los tres casos esta disminuye a medida que
los pasos del programa avanzan. Sin embargo, a una
temperatura de 500k podemos notar que la gráfica de
energía potencial fluctúa bastante a partir de los 800
pasos. Notamos una fluctuación también, aunque
mucho más tenue en las gráficas para las otras dos
temperaturas (100°k, 300°k).
Para las tres temperaturas en las cuales simulamos el
cobre la gráfica de energía potencial para la relajación
se comporta de una manera muy similar, en los tres
casos esta disminuye a medida que los pasos del
programa avanzan. Notamos una fluctuación muy tenue
en las gráficas para las tres temperaturas (100k, 300k,
500k).
Energía potencial
En estas graficas podemos notar que, para el plomo y el
cobre, en las tres temperaturas que simulamos (100, 300
y 500) a medida que la temperatura va en aumento la
energía potencial disminuye de manera lineal. En el
caso del cobre disminuye hasta -7 aproximadamente
para las temperaturas de 300 k y 500 k y a -6 para cobre
100 K. Así mismo para el plomo 300 K y 500 K la
energía potencial disminuye hasta -6, mientras que para
el plomo 100 K disminuye hasta -5.
Energía cinética
Para la energía cinética podemos ver que a medida que
la temperatura desciende, la energía cinética también lo
hace de manera lineal y proporcional. En el caso de
cobre a 100 K la energía disminuye de 0.035 a 0, en
cobre 100 K disminuye desde 0.10, para cobre 500 k
disminuye desde una energía potencial de 0.175.
También en el caso del plomo a 100 K la energía
disminuye de 0.06 a 0, en plomo 300 K disminuye
desde 0.2, para plomo 500 k disminuye desde una
energía potencial de 0.3. Notamos entonces, que para el
mismo material a medida que la temperatura inicial
incrementa la energía cinética inicial también lo hace.
IV. CONCLUSIONES.
Contrastando las simulaciones del cobre y plomo
concluimos que para el plomo los pasos de relajación
Universidad Nacional de Colombia Sede Manizales. 5
Facultad de Ciencias Exactas y Naturales
Informática III
no fueron suficientes para que el sistema estuviera Finalmente, la simulación nos permitió apreciar en un
llegara a un equilibrio térmico. Debido principalmente sistema de partículas el principio físico que hemos visto
a limitaciones computacionales no nos fue posible en nuestros anteriores cursos de física con sistemas más
probarlo con mayor cantidad de paso. Más sin embargo grandes, el cual indica que en la medida que la energía
los 800 pasos de relajación fueron suficientes para cinética disminuye la potencial aumenta.
relajar el sistema con partículas de cobre.

Uno de los resultados inesperados fue la distribución de

velocidad, puesto que al correr el programa por primera
vez percibimos cierta asimetría negativa de la
distribución normal. Luego repetimos el experimento
con diferentes temperaturas y el material luego
continuábamos observando esta asimetría por lo tanto
concluimos que la distribución de la velocidad es
posible que se desvié un poco de la distribución normal
por algún ajuste en el algoritmo que no permite una
perfecta distracción de normal de la velocidad.
La simulación también nos permitió apreciar la
formación de cristales muy bien definidos en el caso del
cobre, y unos cristales amorfos en el caso del plomo lo
que despertó en nuestro grupo la curiosidad de
concentran las condiciones de simulación idóneas para
lograr apreciar cristales de plomo bien definidos. Estas
condiciones intuimos que serán una cantidad de pasos
de relajación mayores a los 1500 pasos de relajación
que usamos en nuestro último simulación para el cobre.
VII. REFERENCIAS.
[1]"Cambio de estado", Es.wikipedia.org, 2020.
[Online]. Available:
https://es.wikipedia.org/wiki/Cambio_de_estado.
[Accessed: 27- Nov- 2020].
[2]"Teoría cinética", Es.wikipedia.org, 2020. [Online].
Available:
https://es.wikipedia.org/wiki/Teor%C3%ADa_ci
n%C3%A9tica. [Accessed: 27- Nov- 2020].
[3]"Termostato", Es.wikipedia.org, 2020. [Online].
Available:
https://es.wikipedia.org/wiki/Termostato.
[Accessed: 27- Nov- 2020].
[4]A. Sutton and J. Chen, Long-range Finnis-Sinclair
potentials, 1st ed. Oxford, 2020, p. 142.