ЧИСЛЕННОЕ ИССЛЕДОВАНИЕ СПЕКТРА КВАНТОВОЙ ТОЧКИ НА ОСНОВЕ МЕТОДА МОНТЕ-КАРЛО
- Авторы: Попов А.М.1
-
Учреждения:
- Московский государственный университет им. М.В. Ломоносова
- Выпуск: Том 6, № 3 (2019)
- Страницы: 74-79
- Раздел: Статьи
- URL: https://journals.eco-vector.com/2313-223X/article/view/529758
- DOI: https://doi.org/10.33693/2313-223X-2019-6-3-74-79
- ID: 529758
Цитировать
Аннотация
Работа направлена на изучение численных алгоритмов определения спектра квантовых точек для создания нанотехнологий. Квантовые точки представляют кристаллики полупроводника, составляющие полупроводниковую гетеро-структуру. Носители заряда удерживаются в малой области - в потенциальной яме размером в нанометр. Небольшое изменение размера квантовой точки позволяет менять дискретный энергетический спектр ее излучения и использовать его в конкретном приложении. Квантовые точки используются в наноэлектронике, в биосенсорах нано-размеров, в системах медицинской диагностики высокой точности. В настоящей работе для определения собственных функций используется квантовый диффузионный метод Монте-Карло и параллельный метод «Parallel Tempering». Основной акцент здесь ставится на создании новых параллельных алгоритмов нахождения собственных значений и собственных функций квантовой нано-системы.
Полный текст
![Доступ закрыт](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_lock.png)
Об авторах
Александр Михайлович Попов
Московский государственный университет им. М.В. Ломоносова
Email: professorpopov@gmail.com
доктор физико-математических наук, профессор; заведующий кафедрой, факультет вычислительной математики и кибернетики Москва, Российская Федерация
Список литературы
- Попов А.М. Вычислительные нанотехнологии. М.: КноРус, 2014. 312 c.
- Kosztin I., Farber B., Schulten K. Introduction to the diffusion Monte Carlo method // Am. J. Phys. 1997. № 64. Р. 633-644.
- Shumway J., Ceperly D.M. Quantum Monte Carlo methods in the study of nanostructures // Encyclopedia of Nanoscience and Nanotechnology. 2004.
- Clote P. Computational molecular biology an introduction.
- Сетубал Ж., Майданис Ж. Введение в вычислительную молекулярную биологию. М.-Ижевск: НИЦ «Регулярная и хаотична динамика», Ин-т компьютерных исследований, 2007. 420 с.
- Clary D.C. Torsional diffusion Monte Carlo: A method for quantum simulations of proteins. University College London. 2001.
- Kerr R.A., Bartol T.M. Fast Monte Carlo simulation methods for biological reaction-diffusion systems in solution and on surfaces. 2008.
- Iba Y. Population Monte-Carlo algorithms. The Institute of Statistical Mathematics.
- Riley M.R., Buettner H.M. Monte Carlo simulation of diffusion and reaction in two-dimensional cell structures // Biophysical Journal. May 1995. Vol. 68.
- Goldman J., Andrews S., Bray D. Size and composition of membrane protein clusters predicted by Monte Carlo analysis. 2004.
- Aluru S. Handbook of Computational Molecular Biology.
- Лахно В.Д. Биоинформатика и высокопроизводиельные вычисления. Институт математических проблем биологии РАН.
- Wang Y. Open MP and MPI implementation of diffusion Monte Carlo algorithm.
- Компьютеры и суперкомпьютеры в биологии / под ред. В.Д. Лахно, М.Н. Устинина. М.-Ижевск: Ин-т компьютерных исследований, 2002.
- Hansmann U.H.E. Parallel tempering algorithm for conformational studies of biological molecules. 1997.
- Earl D.J., Deem M.W. Parallel tempering: Theory, applications, and new perspectives, 2005.
- Caflisch A., Niederer P., Anliker M. Monte Carlo minimization with thermalization for global optimization of polypeptide conformations in Cartesian coordinate space. 1992.
- Sanbonmatsu K.Y., Garcia A.E. Structure of met-enkephalin in explicit aqueous solution using replica exchange molecular dynamics, 2002.
- Zimmerman S.S., Pottle M.S., Nemethy G., Scheraga H.A. Conformational analysis of the 20 naturally occurring amino acid residues using ECEPP // Macromolecules. 1977. Vol. 10. № 1.
- Nemethy G., Pottle M.S., Scheraga H.A. Energy parameters in polypeptides. 9. Updating of geometrical parameters, nonbonded interactions, and hydrogen bond for the naturally occurring amino acids // J. Phys. Chem. 1983. № 87.
- Sippl M.J., Nemethy G., Scheraga H.A. Intermolecular potentials from crystal data. 6. Determination of empirical potentials for O-H-O-C hydrogen bonds from packing configurations // J. Phys. Chem. 1984. № 88.
- McGuire R.F., Vanderkool G. Determination of intermolecular potentials from crystal data. II. Crystal packing with applications to poly (amino acids). 1970.
- Zaman M.H., Shen M. Computer simulation of met-enkephalin using explicit atom and united atom potentials: similarities, differences, and suggestions for improvement // J. Phys. Chem. 2003. № 107.
- Rackovsky S., Scheraga H.A. Differential geometry and polymer conformation. 4. Conformational and nucleation properties of individual. amino acids, macromolecules. 1982. Р. 15.
- Hsu H., Berg B.A., Grassberger P. Monte Carlo protein folding: Simulations of met-enkephalin with solvent-accessible area parametrizations, 2004.
- Mitas L. Diffusion Monte Carlo, national center for supercomputing applications. University of Illinois at Urbana-Champaign. Altekar G.et al. Parallel metropolis coupled Markov chain Monte Carlo for bayesian phylogenetic inference // Bioinformatics. 2004. № 20 (3). Р. 407-415.
- Geyer C.J. Markov chain Monte Carlo maximum likelihood // Computing Science and Statistics. 1991. № 23. Р. 156-163,
Дополнительные файлы
![](/img/style/loading.gif)