Tamanho: px
Começar a partir da página:

Download ""

Transcrição

1 Metodo Monte Carlo Aplicado a Simulac~ao de Lquidos Kaline Coutinho Universidade de Mogi das Cruzes/CCET CP: 411, Mogi das Cruzes, SP Neste texto, descreveremos metodos de simulac~ao computacional de sistemas moleculares com enfoque no metodo Monte Carlo. Discutiremos o modelo para o potencial de interac~ao, a escolha de ensemble para simulac~ao, atecnica de amostragem de Metropolis, um gerador de numeros aleatorios, o calculo de propriedades termodin^amicas e estruturais do sistema e ocalculo de medias, erros e eci^encia. Enm, as condic~oes necessarias para realizar uma boa simualc~ao com o metodo Monte Carlo. 1 Introduc~ao Em 1940, Lennard-Jones inicia um artigo de revis~ao[1] sobre o estado lquido da materia dizendo: Enquanto os estados solido e gasoso da materia t^em sido estudados experimentalmente e teoricamente, de uma forma extensa e detalhada, o estado lquido tem sido lembrado semprecomo algo misterioso, e tentativas de explicar as propriedades observaveis dos lquidos em termos de estruturas at^omicas n~ao foram bem sucedidas. Nos sabemos, de forma geral, que lquidos s~ao como uma multid~ao densa, porem nos n~ao temos tecnica matematica satisfatoria para tratar multid~oes. oje a realidade e diferente. Existe uma tecnica matematica muito poderosa para tratar multid~oes que e a simulac~ao computacional. O livro do Allen e Tildesley[2] e uma refer^encia basica neste assunto. A simulac~ao computacional permite estudar efeitos complexos e coletivos de multid~oes atraves das regras de comportamento de indivduos. Em sistemas moleculares, as propriedades de estados complexos e densos, como o estado lquido, podem ser estudadas atraves de simulac~oes computacionais, a partir de modelos para o potencial de interac~ao molecular, ou at^omico. 1

2 A simulac~ao computacional fornece resultados exatos para modelos, a menos de um erro estatstico. Este erro e ocasionado pelas limitac~oes computacionais (a memoria que limita o tamanho do sistema ou o numero de moleculas envolvidas na simulac~ao, e a CPU que limita o tempo de observac~ao ou o numero de passos da simulac~ao). Este erro pode ser controlado ao ponto de ter magnitude de erros experimentais. A simulac~ao computacional tem um papel importante na ci^encia contempor^anea por ser o elo entre as previs~oes teoricas e os resultados experimentais. Por isto, muitos acreditam que a simulac~ao, hoje, e uma via de abordagem t~ao importante quanto a experimental ou a teorica. Sistema Real - Modelo??? Experi^encia Simulac~ao Computacional Aproximac~oes Teoricas? Resultados Experimentais? Resultados do Modelo? Previs~oes Teoricas j j Comparac~ao Comparac~ao? Teste do Modelo? Teste da Teoria 2 Metodos de Simulac~ao A simulac~ao computacional gera informac~oes sobre um sistema ao nvel microscopico, como as posic~oes e velocidades at^omicas. A convers~ao destas 2

3 informac~oes detalhadas em termos macroscopicos, como energia interna, press~ao, etc., e determinada pela mec^anica estatstica. Numa simulac~ao computacional de lquidos, o sistema e representado por N atomos, ou moleculas, que interagem atraves do potencial U. Os atomos s~ao connados numa caixa e o conjunto de posic~oes at^omicas r = (~r 1 ~r 2 ~r N ) denem uma congurac~ao i, denotada por ; i (r). De acordo com o metodo de simulac~ao, regras que denem os movimentos at^omicos s~ao estabelecidas. A cada novo conjunto de posic~oes at^omicas, r, uma nova congurac~ao ; i (r) e gerada e a evoluc~ao da simulac~ao se da atraves do movimento sucessivo dos atomos, ou seja, da gerac~ao sucessiva de congurac~oes. Todas as congurac~oes geradas atraves da simulac~ao pertencem ao espaco de congurac~oes f; i g. No equilbrio termico deseja-se gerar congurac~oes de acordo com a distribuic~ao de probabilidades de Gibbs, proporcional a % NV T (; i )=e ;(U(; i)=kt ), onde k e a constante de Boltzmann e T e a temperatura. Existem dois processos para gerar as congurac~oes ; i (r), o determinstico e o estocastico. O processo determinstico e implementado no metodo de simulac~ao conhecido como Din^amica Molecular. Neste metodo, a partir do potencial de interac~ao U(r), as forcas que atuam sobre os atomos s~ao calculadas, F = ;du=dr, e as equac~oes de movimento s~ao resolvidas para um intervalo de tempo, t. Neste processo determinstico, as posic~oes at^omicas sucessivas s~ao calculadas e novas congurac~oes s~ao geradas. Na Din^amica Molecular, os atomos se movem em trajetorias geradas a partir da integrac~ao das equac~oes de movimento, e as propriedades observaveis s~ao obtidas atraves de medias temporais sobre as trajetorias dos atomos. O processo estocastico para gerar congurac~oes, e implementadono metodo de simulac~ao conhecido como metodo de Monte Carlo. Neste metodo, posic~oes at^omicas sucessivas s~ao selecionadas aleatoriamente e novas congurac~oes s~ao geradas, de tal forma a satisfazerem a distribuic~ao de probabilidades de Gibbs. Todo desenvolvimento teorico feito sobre simulac~oes computacionais e baseado na hipotese de que tanto o processo determinstico quanto o estocastico para gerar congurac~oes s~ao ergodicos[3]. Isto signica que em simulac~oes innitamente longas, todo o espaco de congurac~oes e visitado, ou seja, todas as congurac~oes acessveis pertencentes ao espaco de con- gurac~oes s~ao geradas pela simulac~ao. Portanto, existe equival^encia entre os dois processos, ou os dois metodos de simulac~ao, Din^amica Molecular 3

4 e Monte Carlo. Entretanto, em simulac~oes nitas n~ao existe garantia de equival^encia entre eles. Porem e esperado que em simulac~oes sucientemente longas, exista uma certa semelhanca na distribuic~ao de congurac~oes geradas pelos dois metodos, pois regi~oes do espaco de congurac~oes mais densas com trajetorias (geradas com Din^amica Molecular) s~ao regi~oes mais provaveis e portanto mais acessveis na simulac~ao com Monte Carlo. E senso comum armar que Monte Carlo e Din^amica Molecular s~ao metodos equivalentes para estudar propriedades termodin^amicas e estruturais de sistemas lquidos. Entretanto so a Din^amica Molecular pode ser usada para estudar depend^encias temporais das propriedades destes sistemas. A imagem pictorica que podemos fazer dos dois metodos e a de uma serie fotograca de um evento. Na Din^amica Molecular as fotos s~ao apresentadas na ordem cronologica, enquanto que no Monte Carlo as fotos s~ao misturadas e apresentadas numa ordem aleatoria. Em ambos os casos, as mesmas informac~oes do evento s~ao apresentadas, entretanto so na ordem cronologica e que existe o conceito de sucess~ao temporal de estados, ou de congurac~oes. Portanto, embora a Din^amica Molecular seja um metodo mais abrangente, o Monte Carlo e um metodo vantajosamente mais rapido e mais simples para implementac~ao computacional e generalizac~oes. Por isto, considerando que n~ao estamos interessados em estudar propriedades com depend^encia temporal, escolhemos simular sistemas lquidos utilizando o metodo Monte Carlo. 3 Monte Carlo So com o aparecimento dos rapidos computadores modernos, e que o metodo de simulac~ao Monte Carlo ganhou mpeto como metodo cientco, pois para conseguir toda sua potencialidade e preciso gerar e processar uma grande quantidade de procedimentos aleatorios. Ometodo Monte Carlo pode ser usado com varios graus de sosticac~ao e o mais conveniente e eciente caminho para implementar este metodo depende largamente do problema considerado. Devido a variedade e complexidade de simulac~oes de sistemas moleculares optamos por fazer aqui uma descric~ao geral do metodo Monte Carlo, tal qual implementado em nosso proprio codigo computacional desenvilvido em FOR- TRAN/77. Chamamos este codigo de DICE 1 [4]. Em seguida, discutiremos 1 Palavra do ingl^es que signica dado 4

5 em detalhes alguns pontos importantes como: Modelo para o potencial de interac~ao Escolha de ensemble Tecnica de amostragem de Metropolis Medias, erros e eci^encia e Gerador de numeros aleatorios. 3.1 Descric~ao Geral Iniciamos uma simulac~ao Monte Carlo (MC) com uma congurac~ao inicial qualquer de um sistema com N moleculas connadas em uma caixa de volume V a uma temperatura T. A evoluc~ao da simulac~ao se da atraves de sucess~ao de passos, conhecidos como passos MC. Em nossas simulac~oes, denimos um passo MC quando N moleculas do sistema s~ao visitadas aleatoriamente. Em cada visita, 5 numeros aleatorios s~ao gerados: x, y, z num intervalo de r max, eixo = fx y zg e num intervalo de 15 o. Estes numeros denem um movimento molecular aleatorio composto por uma translac~ao de r =(x y z) e uma rotac~ao de num eixo sorteado. Nem todos os movimentos moleculares s~ao aceitos. E a tecnica de amostragem que estabelece as regras de aceitac~ao, ou rejeic~ao, dos movimentos. Existem varias tecnicas de amostragem e todas elas t^em como objetivo gerar congurac~oes de acordo com a distribuic~ao de equilbrio de um ensemble. No caso do ensemble NV T, a distribuic~ao de equilbrio e a distribuic~ao de probabilidades de Gibbs 2 proporcional a % NV T (; i )=e ;(U i=kt ). Nos usamos a tecnica de amostragem de Metropolis (detalhes na sec~ao 3.4) que usa a variac~ao de energia entre as congurac~oes como termo decisivo na regra de aceitac~ao de uma nova congurac~ao. Para gerar uma boa descric~ao de um sistema molecular, e muito importante ter um bom modelo para o potencial de interac~ao U. Na proxima sec~ao discutiremos este topico. Os efeitos de superfcie, provocados pela interac~ao das moleculas com as paredes da caixa, s~ao evitados atraves da utilizac~ao do metodo das replicas, ou das imagens, acoplado com o uso de condic~oes de contorno periodicas. 2 A notac~ao com subscrito i e referente a congurac~ao ; i,comou i = U(; i ). 5

6 Este metodo consiste em replicar a caixa com o sistema original em todas as direc~oes, fazendo com que as moleculas da caixa original n~ao interajam mais com as paredes, mas sim com outras moleculas que s~ao replicas das existentes na caixa original. Na gura 1, ilustramos o metodo das replicas num sistema bidimensional com caixa quadrada. Usando este metodo, todas as moleculas do sistema (pertencentes a caixa original) percebem o ambiente equivalente ao de dentro do volume e n~ao mais da superfcie. Uma desvantagem deste metodo e a introduc~ao de periodicidade que pode ser facilmente eliminada atraves da utilizac~ao de um raio de corte r c, signicando que cada molecula so interage com outras que est~ao separadas por uma dist^ancia menor que o raio de corte. Se este for menor que meio comprimento da caixa, ent~ao nenhuma molecula interage simultaneamente com uma molecula original e sua replica. E importante observar que independentemente do uso do metodo das replicas, so as coordenadas das moleculas da caixa original s~ao consideradas na congurac~ao ; do sistema. Figura 1: Ilustrac~ao do metodo das replicas num sistema bidimensional com caixa quadrada. A caixa central representa a caixa original e as demais s~ao as replicas. Em resumo, iniciando a simulac~ao com uma congurac~ao qualquer, selecionamos uma molecula i qualquer, fazemos um movimento aleatorio nesta molecula aplicamos o teste de aceitac~ao caso o movimento seja aprovado, a nova posic~ao e aceita caso contrario, ela e rejeitada selecionamos outra molecula e repetimos o mesmo procedimento adotado com a molecula i ate 6

7 completarmos um ciclo com as N moleculas. Ao nal do ciclo, temos um passo MC salvamos a congurac~ao e comecamos um novo ciclo. Ao nal da simulac~ao, temos uma cadeia de congurac~oes que descrevem a evoluc~ao da simulac~ao. Em geral, a evoluc~ao de uma simulac~ao pode ser dividida em dois estagios. O primeiro e um estagio n~ao estacionario, conhecido como termalizac~ao e o -1.0 U i /N [kcal/mol] Termalizacao Equilibrio passos MC Figura 2: Graco da evoluc~ao da energia por atomo durante a simulac~ao de arg^onio lquido no ensemble NVT ( =1:247 g/cm 3 e T = 110K). Nele, podem ser identicados os dois estagios da simulac~ao, a termalizac~ao e o equilbrio. segundo eumestagio estacionario, que e conhecido como estagio de equilbrio ou estagio de medias. Estes dois estagios da simulac~ao podem ser facilmente observados no comportamento da energia do sistema durante a simulac~ao, pois o sistema sai da energia inicial U o e gradualmente atinge um valor de energia hu i, no qual ca utuando. Na gura 2, este comportamento e ilustrado. So as congurac~oes geradas no estagio de equilbrio s~ao consideradas nos calculos das propriedades estruturais e termodin^amicas, portanto a forma como o sistema chega ao equilbrio n~ao e relevante. Em nossas simulac~oes, a congurac~ao inicial e gerada aleatoriamente e geralmente possui energia muito maior que a energia media do equilbrio, U o hui. Levando em conta que o sistema leva muitos passos MC para chegar ao equilbrio, optamos por usar um procedimento inicial diferente, que e o de n~ao usar Metropolis nos primeiros passos, e sim usar um processo onde so s~ao aceitas 7

8 congurac~oes que diminuem a energia do sistema. Desta forma, o sistema sai rapidamente da energia U o para energias mais proximas a hui. 3.2 Modelo para o potencial de interac~ao Durante o seculo XIX, acreditou-se que seria possvel encontrar leis de fora universais que descrevessem todas as forcas moleculares, equivalentemente as leis de Newton para as foras gravitacionais. Entretanto, no comeco do seculo XX, reconheceu-se que as forcas moleculares n~ao tinham natureza simples e a busca de uma unica lei de forca deu lugar a busca menos ambiciosa de leis empricas ou semiempricas para o potencial de interac~ao molecular que descrevessem propriedades especcas. Infelizmente, foi observado rapidamente que uma grande quantidade de potenciais diferentes (formas funcionais e par^ametros) podiam descrever os mesmos resultados experimentais. Mostrando assim que as forcas, ou potenciais, moleculares empricos s~ao de grande utilidade, entretanto n~ao esclarecem a natureza destas forcas. Com o desenvolvimento da mec^anica qu^antica no nal da decada de 20, foi possvel entender a origem das forcas moleculares e derivar express~oes para o potencial de interac~ao molecular. Foi observado que as forcas moleculares s~ao essencialmente de origem eletrostatica e que s~ao descritas pela interac~ao Coulombiana entre nucleos e eletrons. A soluc~ao da equac~ao de Schrodinger que descreve o movimento de nucleos e eletrons seria ent~ao a soluc~ao para a descric~ao das forcas moleculares. Embora n~ao se conheca a soluc~ao exata para a equac~ao de Schrodinger para mais de tr^es corpos, existe felizmente um numero de importantes simplicac~oes que podem ser aplicadas e que tornam o estudo das forcas moleculares viavel. A primeira simplicac~ao importante e a aproximac~ao de Born-Oppenheimer que, coloquialmente falando, se baseia no fato dos nucleos serem muito mais pesados que os eletrons. Com esta aproximac~ao, nos podemos resolver o problema eletr^onico para uma congurac~ao estatica dos nucleos, e deduzir a func~ao de energia potencial U dependendo so das coordenadas nucleares e que pode ser usada para determinar omovimento nuclear. A segunda simplicac~ao se baseia no fato das forcas intermoleculares serem frequentemente bem mais fracas que as forcas intramoleculares. Ent~ao, frequentemente, pode-se ignorar algum acoplamento entre os movimentos intramoleculares e os movimentos da molecula como um todo. O modelo de molecula rgida, e um exemplo de modelo que ignora estes acoplamentos, 8

9 pois o potencial de interac~ao molecular depende apenas da posic~ao do centro de massa e da orientac~ao das moleculas. Este tipo de aproximac~ao n~ao se aplica a moleculas muito exveis, como polmeros e nem ao estudo de certas propriedades como o espectro vibracional, onde certamente o efeito das forcas intermoleculares pode ser observado na vibrac~ao intramolecular. A terceira simplicac~ao, que tambem vem do fato da massa nuclear ser relativamente grande, e que em muitos casos pode-se descrever o comportamento molecular atraves da mec^anica classica e da mec^anica estatstica, complementando onde necessario por correc~oes qu^anticas. Esta aproximac~ao no e adequada para sistemas leves como helio ou hidrog^enio, porem e adequado para a maioria dos lquidos. O lquido e um sistema denso, onde as moleculas est~ao proximas e est~ao em constante movimento de translac~ao e rotac~ao, difundindo por todo volume disponvel e interagindo com toda vizinhanca, o que nos leva a uma riqueza de efeitos das forcas intermoleculares. A descric~ao dos movimentos moleculares e das propriedades termodin^amicas destes sistemas, frequentemente e feita atraves de simulac~oes computacionais, com o tratamento classico-estatstico mec^anico. Neste tratamento, o potencial de interac~oes moleculares pode ser escrito como: U(r) = X i u 1 (~r i ) + X i X j>i u 2 (~r i ~r j ) + X i X X j>i k>j u 3 (~r i ~r j ~r k ) + (1) onde o primeiro termo do lado direito, u 1, e o potencial que atua em um corpo e representa o efeito de forcas externas no sistema o segundo termo, u 2,e o potencial de pares que representa ainterac~ao entre dois corpos, u 2 = u 2 (r ij ) onde r ij = j~r i ; ~r j j o terceiro termo, u 3,e o potencial que representa a interac~ao entre tr^es corpos o termo seguinte, u 4, representa a interac~ao entre quatro corpos e assim sucessivamente. A contribuic~ao do potencial de quatro corpos e ordens superiores e esperada ser pequena quando comparada a u 2 e u 3. Portanto, em geral os potencial de interac~ao s~ao truncados em u 3. O termo u 3 e indubitavelmente signicante em sistemas densos[2, 5, 6] entretanto as aproximac~oes com potencial de pares s~ao indiscutivelmente boas para descrever propriedades de lquidos, pois os efeitos medios de tr^es corpos, ou muitos, podem ser parcialmente includos atraves da denic~ao de um potencial efetivo de pares: U(r) = X i u 1 (~r i ) + X i 9 X j>i u eff 2 (r ij ) (2)

10 onde o potencial efetivo de pares representa todos os efeitos de muitos corpos. Uma consequ^encia desta aproximac~ao e que o potencial efetivo de pares tem que reproduzir dados experimentais e com isto, pode expressar depend^encias com a temperatura e a densidade, enquanto que o potencial de pares u 2 (r ij ) real, n~ao depende. Ent~ao, considerando sistemas lquidos que n~ao sofrem efeito de forcas externas, o potencial de interac~ao de pares e comumente usado: U(r) = X i X j>i u eff 2 (r ij ): (3) Convenientemente, o potencial de pares e dividido em duas partes: intramolecular e intermolecular. O potencial intramolecular descreve as mudancas geometricas, ou distorc~oes, moleculares. Um modelo classico bastante usado para este potencial e: U intra (r) = X lig: E r(r ij ; r eq ) 2 + X ang: E ( ij ; eq ) 2 (4) + X diedro E n 2 [1 + cos(n ij ; )] onde o primeiro termo do lado direito descreve a variac~ao na dist^ancia entre r θ ψ 4 Figura 3: Ilustrac~ao dos tr^es termos da equac~ao 4. dois atomos ligados, o segundo termo descreve a distorc~ao no ^angulo entre tr^es atomos ligados e o terceiro termo descreve os possveis mnimos de energia com respeito ao ^angulo diedro entre quatro atomos. Na gura 3, ilustramos os tr^es termos do potencial intramolecular. O desenho da esquerda, representa o primeiro termo da equac~ao, dois atomos ligados por uma mola de constante elastica E r e comprimento natural r eq. O desenho central, 10

11 representa o segundo termo, atomos 1 e 3 ligados ao 2 por uma dist^ancia xa, enquanto que 1 e 3 ligados por uma mola de constante elastica E e comprimento natural tal que o ^angulo entre 1, 2 e 3 seja eq. O desenho da direita, representa o terceiro termo da equac~ao, onde os atomos 1, 2 e 3 est~ao ligados e xos no plano do papel, enquanto atomo 4 esta livre para girar em torno do eixo denido pelos atomos 2 e 3. ij e o ^angulo que o atomo 4 faz com o plano do papel. Na gura 4, ilustramos um potencial que descreve os mnimos estruturais de uma molecula com respeito ao ^angulo diedro, como apresentado no terceiro termo da equac~ao U intra [kcal/mol] diedro ψ ij [π] Figura 4: Graco do terceiro termo da equac~ao 4, que descreve o potencial intramolecular para o ^angulo diedro da molecula de n-butano[7]. Como consequ^encia da organizac~ao interna dos atomos em cada molecula, o potencial intermolecular apresenta depend^encias radial e angular. Entretanto, devido a complexidade dos termos angulares, em geral, o potencial intermolecular e descrito atraves do somatorio dos potenciais at^omicos, ou potenciais de stios que descrevem a molecula. Neste caso, a interac~ao entre duas moleculas a e b e descrita por: em Xa U inter ab = i em Xb j U(r ij ) (5) onde i s~ao os stios da molecula a, j s~ao os stios da molecula b e r ij e a dist^ancia entre os stios i e j. Na gura 5, ilustramos a interac~ao entre 11

12 duas moleculas com dois stios cada. Nesta ilustrac~ao, o potencial entre as moleculas a e b e a soma de quatro termos: U(r i1 j 1 ), U(r i1 j 2 ), U(r i2 j 1 ) e U(r i2 j 2 ). Molecula a i 1 j 1 i 2 j 2 Molecula b Figura 5: Ilustrac~ao da interac~ao entre duas moleculas com dois stios cada. O potencial entre a e b e composto pelos quatro termos: i 1 j 1, i 1 j 2, i 2 j 1 e i 2 j 2. O potencial intermolecular U(r ij ) mais usado na descric~ao de sistemas em fase lquida e o potencial Lennard-Jones (LJ)[8] com o potencial de Coulomb: U(r ij )=4 ij 2 4 ij r ij! 12 ; ij r ij! q i q j r ij : (6) onde ij = p i j ij = p i j ou ij =( i + j )=2 i e i s~ao os par^ametros LJ e q i e a carga do stio i. O potencial Lennard-Jones, U LJ : U LJ =4 2! 4 12! ; A = ; C (7) r ij r ij rij 12 rij 6 e formado por dois termos: um atrativo e outro repulsivo. e, ou A e C, s~ao par^ametros do potencial efetivo. Para lquido at^omicos, e podem ser interpretados como a energia de ligac~ao e a dist^ancia para energia potencial zero (U() = 0), respectivamente (veja gura 6). Neste potencial a dist^ancia de equilbrio e 2 1=6. Na gura 6, podemos observar que a forma do potencial LJ apresenta os componentes tpico das interac~oes intermoleculares. Existe um potencial atrativo a longas dist^ancias, causado essencialmente pela correlac~ao entre as nuvens eletr^onicas que rodeiam os atomos. Existe um poco negativo, 12

13 0.2 U(r ij ) [kcal/mol] 0.0 σ= 3.41 o A -0.2 ε= kcal/mol r ij [ o A] Figura 6: Graco do potencial LJ (equac~ao 7) para arg^onio em fase lquida[9]. responsavel pela coes~ao. Finalmente, existe um potencial repulsivo ngreme a curtas dist^ancias, causado pela repuls~ao eletrostatica entre os atomos. O termo atrativo do potencial LJ (1=r 6 ) se baseia na descric~ao de forcas eletrostaticas classicas e qu^anticas: interac~ao de Keesom[10], interac~ao de Debye[11] e interac~ao de dispers~ao de London[12], que s~ao os termos de mais longo alcance na interac~ao de moleculas n~ao carregadas. Embora o termo repulsivo do potencial LJ tenha raz~ao fsica, sua forma funcional, 1=r 12, n~ao o tem. Esta forma funcional foi escolhida por ter descrito bem as propriedades observaveis de sistemas em fase solida, lquida e gasosa, quando combinado com o termo atrativo 1=r 6. Para que o sistema seja bem descrito pelo potencial LJ, e essencial a escolha adequada dos par^ametros LJ (A e C ou e ) da equac~ao 7, que devem ser estimados com base nos resultados experimentais de propriedades das moleculas, de propriedades termodin^amicas e de propriedades estruturais do sistema. Os par^ametros LJ s~ao dependentes da temperatura e da densidade, por isto o potencial LJ parametrizado para uma dada condic~ao de temperatura e densidade, n~ao deve necessariamente descrever bem este sistema em outras condic~oes, principalmente se o sistema estudado estiver proximo de uma transic~ao de fase. Esta e uma das raz~oes pela qual o estudo de transic~oes de fase via simulac~ao computacional com potenciais classicos do tipo LJ e t~ao 13

14 delicado e difcil. Ja o potencial de Coulomb descreve as interac~oes eletrostaticas dos momentos de multipolos permanentes[13] de duas moleculas a e b. 3.3 Escolha de Ensemble O estado termodin^amico de um sistema e denido por um pequeno numero de grandezas como o numero de moleculas N, o volume V e a temperatura T. O agrupamento de congurac~oes que tem os mesmos valores destas grandezas formam o ensemble 3 correspondente, como o ensemble NV T. Para fazer uma simulac~ao computacional e necessario escolher o ensemble em que se vai simular, pois o procedimento da simulac~ao muda de acordo com o ensemble. Na sec~ao 3.1, descrevemos uma simulac~ao no ensemble NV T, ou seja, uma simulac~ao em que o numero de moleculas N, o volume V e a temperatura T foram mantidas constantes e as grandezas associadas (potencial qumico), P (press~ao) e E (energia interna), foram deixadas livres para utuar. O ensemble NV T, tambem conhecido como ensemble can^onico e muito usado em simulac~oes de lquidos com Monte Carlo, entretanto outros ensembles como NP T e P T tambem s~ao frequentemente usados. No limite termodin^amico (N!1) todos os ensembles s~ao equivalentes, porem as simulac~oes s~ao feitas com sistemas nitos e por isto, para estudar certo tipo de propriedade, um ensemble pode ser vantajoso em relac~ao a outro. O ensemble NV T e muito usado no estudo de propriedades termodin^amicas e estruturais de sistemas lquidos. Para calcular as propriedades termodin^amicas (observaveis) s~ao usadas medias e utuac~oes de 3 grandezas obtidas durante a simulac~ao. Estas grandezas s~ao: a energia U, o primeiro virial W = e o segundo virial = e as propriedades termodin^amicas calculadas s~ao[15, 16]: Energia interna, E: hei = 3+ NkT + hui (8) 2 onde =s~ao os graus de liberdade alem da translac~ao 3 Esta palavra foi introduzida na mec^anica estatstica por Gibbs[14] em 1902 e signica agrupamento, conjunto, etc. 14

15 Calor especco avolume constante, C V : onde hu 2 i = hu 2 i;hui 2 C V = 3+ 2 Nk + hu2 i kt 2 (9) Press~ao, P : NkT + hw i hp i = V Coeciente de press~ao termica, V : (10) V = Nk V onde hwui = hwui;hw ihui + hwui VkT 2 (11) Compressibilidade isotermica, T : ;1 T = hp i; hw 2 i VkT + hi V (12) onde hw 2 i = hw 2 i;hw i 2 Coeciente de expans~ao termica, P : Calor especco a press~ao constante, C P : P = T V (13) C P = C V + VT T 2 V (14) Estas express~oes podem ser deduzidas[17] a partir das denic~oes: C V P = onde F a energia livre V = V e ;1 T T Para estudar as propriedades estruturais, comumente e usada a func~ao de distribuic~ao radial (RDF) de pares, G(r). Esta func~ao pode ser obtida de experi^encias com difrac~ao de raio-x e n^eutrons[18] e espalhamento de raio-x[19, 20, 21]. Ela da a probabilidade de encontrar um par de atomos 15

16 G(r) 1 0 r Figura 7: Ilustrac~ao esquematica da estrutura de um lquido at^omico e a representac~ao dos picos da G(r) correspondente. a uma dist^ancia r, relativa a probabilidade esperada para um sistema de mesma densidade e uma distribuic~ao totalmente aleatoria. A distribuic~ao totalmente aleatoria e conhecida como distribuic~ao de gas ideal. Na gura 7, mostramos uma ilustrac~ao esquematica da estrutura de um lquido at^omico e a representac~ao dos picos da G(r) correspondente. Num sistema de atomos id^enticos a RDF deve ser calculada como uma media sobre os pares de atomos indistinguveis. Na simulac~ao, a RDF entre atomos do tipo i eatomos do tipo j, G ij (r), e calculada atraves do histograma de dist^ancias dos pares de atomos i e j: G ij r dr = n ij(r r+ dr) n id (r r+ dr) (15) onde n ij (r r + dr) e o numero de pares ij que est~ao separados por uma dist^ancia entre r e r + dr, e n id e o numero de pares equivalente num gas ideal de mesma densidade: n id (r r+ dr) = 4 3 h (r + dr) 3 ; r 3i : (16) 16

17 Na gura 8, mostramos func~oes de distribuic~ao radial tpicas calculadas na fase solida, lquida e gasosa. 5 G(r) 4 Ar solido Ar liquido Ar gasoso r [ o A] Figura 8: Graco da func~ao de distribuic~ao radial, G(r), calculada em simulac~oes de arg^onio solido (P = 1.32 atm, T = 50K e hi =1:645 g/cm 3 ), lquido (P = 1.32 atm, T =90Kehi =1:368 g/cm 3 ) e gasoso (P = 1.32 atm, T = 150K e hi =1:067 g/cm 3 ). Integrando G ij (r) numa casca esferica, podemos analisar como o numero de moleculas que se distribuem radialmente em torno de outra: N s (r) =4 N V Z r 0 G ij (r) r 2 dr: (17) Onumero de moleculas que resulta da integrac~ao do primeiro pico e conhecido como numero de coordenac~ao e e utilizado para denir a primeira camada de solvatac~ao. A segunda e terceira camadas de solvatac~ao est~ao associadas as integrac~oes do segundo e terceiro picos da G ij (r), respectivamente. Atraves das G ij (r) podemos tambem analisar o potencial efetivo com que os atomos, ou moleculas, interagem. Este potencial efetivoe provocado pelo campo medio de forcas induzidas pelo meio e e denido como o trabalho requerido para trazer dois atomos, ou moleculas, de uma separac~ao innita ate a dist^ancia r[22]. Em um ensemble com volume constante, este potencial efetivo e a energia livre de elmholtz. A magnitude do potencial efetivo dita a probabilidade de encontrar dois atomos, i e j a uma dist^ancia r e a distribuic~ao de dist^ancias e obtida atraves da G ij (r), calculada na simulac~ao. 17

18 Portanto o potencial efetivo, U ef,e dado por[22, 23, 24] U ef (r) =;kt ln (G ij (r)) : (18) U ef (r) U(r) r [ o A] Figura 9: O potencial efetivo, U ef (r) (equac~ao 18) entre os carbonos do benzeno e os oxig^enios das aguas comparado ao potencial de interac~ao, U(r) destes atomos (equac~ao 6). Na gura 9, podemos observar que o potencial efetivo, obtido ao nal da simulac~ao e muito mais raso que o potencial de interac~ao que utilizamos durante a simulac~ao. Causando, assim, uma menor interac~ao efetiva entre as moleculas de agua e a molecula de benzeno, que pode ser interpretado como o primeiro sinal do efeito hidrofobico que e conhecido em mistura de lquidos apolar e polar, como benzeno e agua. Uma exposic~ao detalhada dos nossos estudos da hidrofobia do benzeno em agua esta apresentada de refer^encia[25]. O ensemble can^onico requer cautela quando usado proximo a uma transic~ao de fase de 1 a ordem, pois neste ensemble e possvel a coexist^encia de fases na mesma congurac~ao ou seja, na mesma congurac~ao parte do sistema se comporta como uma fase e parte como outra. Assim, a coexist^encia de fases na mesma congurac~ao e difcil de ser identicada, e isto pode provocar erro no calculo de propriedades. O ensemble NPT, conhecido como ensemble isotermico-isobarico, tambem e adequado para estudar propriedades termodin^amicas e estruturais de sistemas lquidos. Comparativamente ao ensemble NV T, a diferenca da simulac~ao esta navariac~ao do volume. Duranteaevoluc~ao da simulac~ao, alem das 18

19 moleculas serem movidas, o volume e mudado aleatoriamente. A aceitac~ao, ou rejeic~ao, de novos volumes e feita de forma a gerar congurac~oes com uma distribuic~ao de probabilidades proporcional a % NPT (; i )=e ;(U i+pv i )=kt. Neste ensemble, para calcular as propriedades termodin^amicas tambem s~ao usados os valores medios e as utuac~oes de 3 grandezas obtidas durante a simulac~ao. Estas grandezas s~ao: a energia U, o volume V e a entalpia conguracional c = U + PV e as propriedades termodin^amicas calculadas s~ao: Entalpia, : hi = 3+ NkT + hui + P hv i (19) 2 onde =s~ao os graus de liberdade alem da translac~ao Calor especco a press~ao constante, C P : onde h 2 c i = h 2 c i;h c i 2 Compressibilidade isotermica, T : C P = 3+ 2 Nk + h2 c i kt 2 (20) T = hv 2 i hv ikt (21) onde hv 2 i = hv 2 i;hv i 2 Coeciente de Expans~ao Termica, P : onde hv c i = hv c i;hv ih c i Coeciente de Press~ao Termica, V : Calor Especco avolume Constante, C V : P = 1 T + hv ci hv ikt 2 (22) V = P = T (23) C V = C P ;hv it 2 P = T (24) 19

20 Estas express~oes podem ser deduzidas[17] a partir das denic~oes: C P, T = ; 1 hv T e P = 1 hv O estudo das propriedades estruturais e feito atraves da RDF calculada de forma analoga calculada no ensemble can^onico. A unica diferenca recai na equac~ao 16, onde a densidade e substituda pela densidade media hi. A gura 8 e calculada no ensemble NPT. Este ensemble e adequado para estudar sistemas proximos a transic~oes de fase. Como cada fase (solida, lquida ou gasosa) tem densidade ou volume diferentes, ent~ao o volume pode mudar de congurac~ao a congurac~ao, ent~ao transic~oes de fase tipo solido$lquido e lquido$gas podem ser facilmente identicadas na evoluc~ao do volume durante a simulac~ao. Este comportamento e mostrado na gura 10. P (a) istograma (b) Volume [A 3 ] Figura 10: Graco do histograma de volumes obtidos durante a simulac~ao de arg^onio lquido no ensemble NPT, realizada num estado proximo da transic~ao de fase solido $ lquido (P = 1.32 atm e T = 70K). Em a) so existeoestado solido (hv i = 5262A 3 ) e em b) podem ser identicados os volumes referentes aos dois estados: solido (hv i = 5270A 3 )elquido (hv i = 5596A 3 ). A simulac~ao feita no ensemble NPT e computacionalmente mais cara que a no NV T, pois alem da quantidade de numeros aleatorios e testes de aceitac~ao serem muito maiores, ainda existem simplicac~oes adicionais que podem ser feitas no algoritmo do ensemble NV T que n~ao podem ser feitas no NPT. 20

21 3.4 Tecnica de Amostragem de Metropolis Uma vez escolhido o ensemble no qual se deseja simular, a transformac~ao das informac~ao microscopicas da simulac~ao (coordenadas dos atomos) para as propriedades macroscopicas como a energia interna, calor especco e outras, e determinada atraves de calculos de medias sobre oensemble. O valor medio sobre um ensemble de uma grandeza mensuravel f e hfi ens = 1 Z Z f;g f(;) % ens d; (25) onde ; representa um espaco conguracional generico, % ens =Z e a distribuic~ao de probabilidades de um ensemble qualquer (NV T, NPT, etc) e Z, conhecida como func~ao de partic~ao, e o fator de normalizac~ao da distribuic~ao Z = Z f;g % ens (;) d;: (26) A equac~ao 25 e analiticamente intratavel para a maior parte dos modelos usados para descrever o potencial de interac~ao U. Por isto calculos de valor medio de propriedades s~ao feitos na simulac~ao usando tecnicas de amostragem media. Em 1953, Metropolis[26] sugeriu substituir a equac~ao 25 pela seguinte equac~ao: hfi ens = hfi l = 1 l lx i=1 f(; i ) (27) onde o problema e gerar uma sequ^encia de congurac~oes aleatorias ; i pertencentes ao espaco de congurac~oes f;g que ao nal da simulac~ao cada congurac~ao tenha ocorrido na proporc~ao devida. A soluc~ao deste problema e gerar uma cadeia markoviana de congurac~oes, que tenham como distribuic~ao limite % ens. Esta cadeia pode ser gerada por uma matriz de transic~ao que satisfaz condic~oes especiais. Considerando que duas congurac~oes ; i e ; j est~ao ligadas por ij, que e a probabilidade de transic~ao de ; i para ; j, a matriz deve ser uma matriz de transic~ao estocastica ij 0 e X que satisfaz a reversibilidade microscopica: i ji =1 para todo j (28) % i ij = % j ji : (29) 21

22 Metropolis sugeriu a matriz de transic~ao como: ij = 1 se % j % i para i 6= j ij = % j % i se % j <% i para i 6= j ij = 1 ; X i6=j ij para i = j (30) Podemos observar que esta matriz de transic~ao satisfaz as condic~oes de estocasticidade (equac~ao 28) e adareversibilidade microscopica (equac~ao 29). No caso pratico da simulac~ao no ensemble NV T, temos que se uma molecula e movida para uma nova posic~ao e a energia do sistema diminui, (U new < U old ) ent~ao esta nova posic~ao e aceita porem se esta nova posic~ao provoca um aumento da energia (U new >U old ) ent~ao um numero aleatorio entre 0 e 1 e gerado e se este numero for menor ou igual probabilidade de transic~ao new old = % new =% old = e ;(Unew;U old)=kt = e ;U=kT, a nova posic~ao e aceita, apesar da energia ter aumentado caso contrario ( > e ;U=kT ) a nova posic~ao e rejeitada. Aequac~ao 30 e escrita como: ij = 1 se U j U i para i 6= j ij = e;u j =kt se e ;U U i=kt X j <U i para i 6= j ij = 1 ; i6=j e;u=kt para i = j (31) Na gura 11, ilustramos a regi~ao de aceitac~ao da tecnica de amostragem de Metropolis em func~ao de kt. No caso da simulac~ao no ensemble NPT, o mesmo procedimento e adotado e a diferenca so aparece na probabilidade de transic~ao new old = % new =% old = e ;(U+P V )=kt +N ln(vnew=v old) (32) onde o ultimo termo decorre do reescalonamento da todas as posic~oes moleculares devido a mudanca de volume. Este reescalonamento e implementado na simulac~ao para evitar que as moleculas quem fora da caixa quando o volume diminui, ou que existam espacos vazios quando o volume aumenta. 3.5 Medias, Erros e Eci^encia A aplicac~ao do metodo Monte Carlo com amostragem de Metropolis acima descrito resulta na soluc~ao exata da integral da equac~ao 25. E claro 22

23 1 p NVT =e - U/kT Sempre aceito Rejeitado Aceito U/kT Figura 11: Ilustrac~ao da regi~ao de aceitac~ao e rejeic~ao na tecnica de amostragem de Metropolis. que o calculo exato n~ao e factvel na pratica, pois a cadeia markoviana e nita (l < 1). O erro associado a uma propriedade f, obtida atraves da media sobre uma cadeia de Markov nita de tamanho l, comparada a media em um ensemble e[27, 28] hfi ens = hfi l + O(l ;1=2 ): (33) Note que o termo hfi ens se refere so ao termo conguracional, pois a simulac~ao como descrita na sec~ao anterior so trata da parte conguracional do espaco de fase. O termo cinetico, conhecido como o termo de gas ideal, e adicionado apos a simulac~ao. Analisando uma simulac~ao com l passos MC, ou com l congurac~oes sucessivas, temos que o valor medio de f e: hfi l = 1 l lx i=1 f i (34) onde f i = f(; i ) e o valor da propriedade f para a congurac~ao i. Se assumirmos que cada congurac~ao i e estatisticamente independente, ou descorrelacionada, o erro da media e simplesmente 4 s hf2 i = que e O(l ;1=2 ) (35) l 4 Num tratamento mais rigoroso, o denominador l deve ser substitudo por l ; 1. 23

24 onde hf 2 i e a utuac~ao de f hf 2 i = 1 l lx i=1 (f i ;hfi l ) 2 = hf 2 i;hfi 2 : (36) Sabendo que a cada passo MC, as mudancas conguracionais s~ao pequenas, temos que as congurac~oes sucessivas geradas na simulac~ao s~ao estatisticamente dependentes, ou correlacionadas. As congurac~oes correlacionadas quase n~ao acrescentam nova informac~ao as medias e por isto as correlac~oes estatsticas s~ao indesejaveis. Uma simulac~ao eciente e aquela que tem pouca correlac~ao entre as congurac~oes. Uma forma de aumentar a eci^encia da simulac~ao e modicar o percentual de aceitac~ao de novas congurac~oes, que e usualmente adotado como 50%. Este percentual como mostra a gura 11 depende do potencial de interac~ao U e da temperatura T, entretanto para um sistema que tenha o potencial e a temperatura xados, este percentual pode ser mudado atraves do maximo deslocamento permitido para cada molecula, r max. Com r max muito pequeno, as moleculas quase n~ao s~ao mudadas de posic~ao, a variac~ao U e pequena e muitos movimentos s~ao aceitos. Com r max muito grande, as moleculas s~ao mudadas para posic~oes muito diferentes, tendo assim uma probabilidade grande de colidirem com outras moleculas, a variac~ao U e grande e muitos movimentos s~ao rejeitados. Usualmente numa simulac~ao r max e auto-ajustavel de tal forma a manter o percentual de aceitac~ao em torno de um valor estabelecido para aquela simulac~ao. Existem poucos estudos na literatura cientca que discutem um valor otimo para o percentual de aceitac~ao. Em 1959, Wood e Jacobson[29] simulando lquidos com modelos de esferas rgidas sugeriram que um percentual de 10% maximiza a eci^encia da simulac~ao. Entretanto, observaram que pouca quantidade de movimentos grandes apresenta uma baixa raz~ao de custo/benefcio, onde o custo e medido em tempo de processamento e o benefcio em numero de passos necessarios para descorrelacionar as congurac~oes. Recentemente, Mountain e Thirumalai[30] simulando lquidos at^omicos com potencial Lennard-Jones discutiram a eci^encia do Monte Carlo e encontram que um percentual de 25% chega a duplicar a eci^encia quando comparado ao percentual de 50%. Seguindo esta linha, zemos testes de eci^encia em nossas simulac~oes para lquidos moleculares e obtivemos que usando um percentual de 25% a simulac~ao teve apenas um pequeno aumento de eci^encia 24

25 ( 13%), e considerando a raz~ao custo/benefcio optamos por usar o percentual de aceitac~ao de novas congurac~oes de 50%, que e o comumente usado. Existem duas quantidades que podem ser utilizadas para analisar a eci^encia de uma simulac~ao[31, 32]: o intervalo de correlac~ao e a ineci^encia estatstica s[38]. Estas duas quantidades s~ao calculadas de formas independentes, mas est~ao relacionadas[2, 33] por: s 2: (37) Calculando e s podemos analisar o qu~ao correlacionadas est~ao as con- gurac~oes e com isto denir o intervalo para obter congurac~oes descorrelacionadas. Para o sistema de benzeno em CCl 4, obtivemos s =47070 e = 228, donde conclumos que s~ao necessarios cerca de 500 passos MC para que as congurac~oes geradas na simulac~ao quem descorrelacionadas[34]. Ointervalo de correlac~ao e denido como a integral da func~ao de autocorrelac~ao C(t): = Z 1 0 C(t) dt (38) onde t signica aqui como um intervalo de passos MC e n~ao tem nenhuma relac~ao com tempo real 5 A func~ao de autocorrelac~ao de uma propriedade f e denida por C(t) = hf o f t i (39) hf 2 i porem na simulac~ao, devido a ergodicidade do sistema a congurac~ao inicial ; o pode ser qualquer congurac~ao acessvel ; i,ent~ao reescrevemos a equac~ao acima como C(t) = hf i f i+t i (40) hf 2 i onde hf i f i+t i = hf i f i+t i;hf i ihf i+t i. Na pratica, calculamos o numerador da equac~ao 40 como ilustrado no esquema abaixo: 5 Esta nomenclatura t e usada devido a origem do calculo de C(t) que se deu em simulac~oes com Din^amica Molecular, onde cada passo de simulac~ao representa um intervalo de tempo real. 25

26 P hf i i = 1 l;t l;t i=1 f i - f 1 f i f l;t j f 1 f 1+t f i f i+t f l;tf l hf i f i+t i = 1 j j l;t P l;t i=1 f i f i+t f 1+t f i+t f l P hf i+t i = 1 l;t l;t i=1 f i+t - No calculo de hf i i as t ultimas congurac~oes s~ao desprezadas, enquanto que no calculo de hf i+t i as congurac~oes desprezadas s~ao as t primeiras. Note que nestes calculos as medias s~ao tomadas sobre l;t congurac~oes e a medida que t cresce o calculo de C(t) ca cada vez menos preciso. Portanto, n~ao e factvel fazer o calculo do intervalo de correlac~ao (equac~ao 38) atraves de integrac~ao numerica da C(t). A forma usual de calcular efazeraintegrac~ao analtica da func~ao que melhor ajusta a C(t). Devido a natureza markoviana dos pontos que geram a C(t), ela apresenta um decaimento exponencial do tipo[35]: e C(t) = nx i c i e ;t= i ( 1 > 2 > > n > 0): (41) Em nossas simulac~oes dois tipos de comportamento foram observados: C(t) =e ;t= (42) C(t) =c 1 e ;t= 1 + c 2 e ;t= 2 (43) onde em geral, 1 2. Usando a equac~ao 38, o interrvalo de correlac~ao e dado por = c c 2 2 (44) Comportamentos equivalentes aos apresentados na equac~oes 42 e 43, para a func~ao de correlac~ao, foram encontrados e discutidos por outros autores[35, 36, 37]. 26

27 Na gura 12 mostramos um exemplo de func~ao de autocorrelac~ao calculada numa simulac~ao, o melhor ajuste para C(t) e o intervalo de correlac~ao. C(t) e -t/18 l= τ= Figura 12: t [passos MC] Graco da func~ao de autocorrelac~ao para o volume, calculada para uma cadeia com 19 mil congurac~oes obtidas durante uma simulac~ao de arg^onio lquido no ensemble NPT (hi =1:237 g/cm 3, P =1:32 atm e T = 110K). 3.6 Gerador de Numeros Aleatorios Um pre-requisito basico para obter bons resultados em uma simulac~ao Monte Carlo e ter um bom gerador de numeros aleatorios. Devido a grande diculdade de gerar numeros aleatorios, surgiram os geradores de numeros pseudo ou quasi-aleatorios, que consistem em pura manipulac~ao aritmetica de numeros grandes, cujos resultados satisfazem propriedades de aleatoriedade, como uniformidade e aus^encia de correlac~ao, ou independ^encia, estatstica. Atualmente existe uma ampla variedade de geradores e para escolher qual usar em nossas simulac~oes, levamos em considerac~ao: rapidez, portabilidade e periodicidade. Dentre os mais comuns[39, 40], esta o ran2[41] que utiliza operac~oes multiplicativas para gerar duas cadeias aleatorias e operac~oes binarias para misturas os bits de numeros selecionados das duas cadeias. Abaixo mostramos o codigo FORTRAN/77 do ran2, retirado do Numerical Recipes e implementado no DICE. 27

28 real function ran2(dummy) c ******************************************************* c * Gerador de numeros aleatorios entre 0 e 1 c * Para inicializar coloque dummy = inteiro negativo c * chame, em seguida, ran2(dummy) para gerar os c * numeros aleatorios c ******************************************************* implicit none integer dummy, im1, im2, imm1, ia1, ia2, iq1, iq2, ir1, ir2 integer ntab, ndiv real ran2, am, eps, rnmx parameter(im1= , im2= , am= 1./im1, : imm1= im1-1, ia1= 40014, ia2= 40692, iq1= 53668, : iq2= 52774, ir1= 12211, ir2= 3791, ntab=32, : ndiv= 1+imm1/ntab, eps= 1.2e-7, rnmx=1.-eps) integer dummy2, j, k, iv(ntab), iy save iv, iy, dummy2 data dummy2/ /, iv/ntab*0/, iy/0/ c ******************************************************* if (dummy.le. 0)then dummy=max(-dummy,1) dummy2=dummy do j=ntab+8,1,-1 k=dummy/iq1 dummy=ia1*(dummy-k*iq1)-k*ir1 if(dummy.lt.0)dummy=dummy+im1 if(j.le.ntab)iv(j)=dummy enddo iy=iv(1) endif k=dummy/iq1 dummy=ia1*(dummy-k*iq1)-k*ir1 if(dummy.lt. 0)dummy=dummy+im1 k=dummy2/iq2 dummy2=ia2*(dummy2-k*iq2)-k*ir2 if(dummy2.lt. 0)dummy2=dummy2+im2 j=1+iy/ndiv iy=iv(j)-dummy2 iv(j)=dummy if(iy.lt. 1)iy=iy+imm1 ran2=min(am*iy,rnmx) return end 28

29 Refer^encias [1] Lennard-Jones, J. E. Proc. Phys. Soc., 52, 729 (1940). [2] Allen, M. P. and D. J. Tildesley Computer Simulation of Liquids, Clarendon Press (1987). [3] Ehrenfest, P. and T. Ehrenfest The Conceptual Foundations of the Statistical Approach in Mechanics, Trad. by M. J. Moravicsik, Cornell U. P. (1959). [4] DICE: A Monte Carlo program for molecular liquid simulation, K. Coutinho and S. Canuto, University of S~ao Paulo, Brazil. [5] Axilrol, B. M. and E. Teller J. Chem. Phys., 11, 299 (1943). [6] Doran, M. B. and I. J. Zucker J. Phys. C, 4, 307 (1971). [7] Jorgensen, W. J., J. D. Madura and C. J. Swenson J. Am. Chem. Soc., 106, 6638 (1984). [8] Lennard-Jones, J. E. Physica, 4, 957 (1937). [9] Maitland, G. C. and E. B. Smith Mol. Phys., 22, 861 (1971). [10] Keesom, W.. Proc. Acad. Sci. Amsterdam, 18, 636 (1915) Phys. Z. 22, 129 (1921) 22, 643 (1921). [11] Debye, P. Phys. Z., 21, 178 (1920) 22, 302 (1921). [12] London, F. Z. Phys. 63, 245 (1930) Trans. Faraday Soc. 33, 8 (1937). [13] irschfelder, J. O., C. F. Curtiss and R. B. Bird Molecular Theory of Gases and Liquids, Wiley, New York (1954). [14] Gibbs, J. W.: Elementary Principles in Statistical Mechanics, Yale Un. Press, New aven (1902). [15] Jorgensen, W. L. Chem. Phys. Lett. 92, 405 (1982). [16] Jorgensen, W. L. and J. M. Briggs Mol. Phys. 63, 547 (1988). 29

30 [17] Coutinho, K. Modelo Discreto de Solvente. Solvatocromismo no Espectro de Absorc~ao Molecular, Tese de Doutorado, IFUSP, S~ao Paulo (1997). [18] Elliott, S. R. Physics of Amorphous Materials, 2nd ed., New York, Longman Scientic (1990). [19] Gingrich, N. S. Rev. Mod. Phys., 15, 90 (1943). [20] Guinier, A., G. Fournet, C. B. WalkerandK.L.Yudowitch Small Angle Scattering of X-Ray, Wiley, NewYork, (1955). [21] ansen, J. P. and I. R. McDonald Theory of Simple Liquids, 2nd. ed., Academic Press, New York (1986). [22] Ben-Naim, A. J. Chem. Phys., 54, 1387 (1971). [23] Pratt, L. R. and D. Chandler J. Chem. Phys., 73, 3434 (1980). [24] Smith, D. E. and D. J. aymet J. Chem. Phys., 98, 6445 (1993). [25] Urahata, S. M., K. Coutinho and S. Canuto Chem. Phys. Lett., 274, 269 (1997). [26] Metropolis, N., A. W. Rosenbluth, M. N. Rosenbluth, A.. Teller and E. Teller J. Chem. Phys., 21, 1087 (1953). [27] Chung, K. L. Markov Chains with Stationary State Probability, vol. 1. Springer, eidelberg (1960). [28] Wood, W. W. Physics of Simple Liquids, ed.. N. V. Temperley, J.S. Rowlinson and G. S. Rushbrooke, North olland, Amsterdam (1968). [29] Wood, W. W. and J. D. Jacobson Proceedings of the Western Joint Computer Conference, San Francisco, pp. 261 (1959). [30] Mountain, R. D. and D. Thirumalai Physica A, 210, 453 (1994). [31] Coutinho, K. and S. Canuto Adv. Quantum Chem., 28, 90 (1997). [32] Coutinho, K., M. J. de Oliveira and S. Canuto Int. J. Quantum Chem., 66, 249 (1998). 30

31 [33] enriques V. B. Um Estudo do Metodo Monte Carlo de Campo Medio, Tese de Mestrado, IFUSP, S~ao Paulo (1992). [34] Coutinho, K., S. Canuto and M. C. Zerner, J. Chem. Phys., 112, 9874 (2000). [35] Kratschmer, R., K. Binder and D. Stauer J. Stat. Phys., 15, 267 (1976). [36] Tang, S. and D. P. Landau Phys. Rev. B, 36, 567 (1987). [37] Muller-Krumbhaar. and K. Binder J. Stat. Phys., 8, 1 (1973). [38] Friedberg R. and J. E. Cameron J. Chem. Phys., 52, 6049 (1970). [39] Park, S. K. and K. W. Miller Communications of the ACM, 31, 1192 (1988). [40] Kirkpatrick, S. and E. P. Stoll J. Comp. Phys., 40, 517 (1981). [41] L'Ecuyer, P. Communications of the ACM, 31, 742 (1988). 31

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 3

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 3 Linhas de Força Mencionamos na aula passada que o físico inglês Michael Faraday (79-867) introduziu o conceito de linha de força para visualizar a interação elétrica entre duas cargas. Para Faraday, as

Leia mais

Do ponto de vista da Termodinâmica, gás ideal é aquele para o qual vale, para quaisquer valores de P e T, a equação de estado de Clapeyron:

Do ponto de vista da Termodinâmica, gás ideal é aquele para o qual vale, para quaisquer valores de P e T, a equação de estado de Clapeyron: Equação de Estado de Van der Waals Do ponto de vista da Termodinâmica, gás ideal é aquele para o qual vale, para quaisquer valores de P e T, a equação de estado de Clapeyron: P i V i = nrt em que colocamos

Leia mais

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = = Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo

Leia mais

Modelamento e simulação de processos

Modelamento e simulação de processos Modelamento e simulação de processos 4. Método de Monte Carlo Prof. Dr. André Carlos Silva 1. INTRODUÇÃO O Método de Monte Carlo (MMC) é um método estatístico utilizado em simulações estocásticas com diversas

Leia mais

Oscilador Harmônico Simples

Oscilador Harmônico Simples Motivação Oscilador Harmônico Simples a) espectroscopia molecular, b) cristais e outras estruturas no estado sólido, c) estrutura nuclear, d) teoria de campo, e) ótica, f) mecânica estatística, g) aproximante

Leia mais

Implementação e Aplicações do Método Monte Carlo Reverso para Líquidos Homogêneos

Implementação e Aplicações do Método Monte Carlo Reverso para Líquidos Homogêneos Universidade de São Paulo Instituto de Física Departamento de Física dos Materiais e Mecânica Implementação e Aplicações do Método Monte Carlo Reverso para Líquidos Homogêneos Eudes Eterno Fileti Orientadora:

Leia mais

Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções

Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento

Leia mais

CINÉTICA QUÍMICA CINÉTICA QUÍMICA EQUAÇÃO DE ARRHENIUS

CINÉTICA QUÍMICA CINÉTICA QUÍMICA EQUAÇÃO DE ARRHENIUS CINÉTICA QUÍMICA CINÉTICA QUÍMICA EQUAÇÃO DE ARRHENIUS A DEPENDÊNCIA DA VELOCIDADE DE REAÇÃO COM A TEMPERATURA A velocidade da maioria das reações químicas aumenta à medida que a temperatura também aumenta.

Leia mais

CQ049 : FQ IV - Eletroquímica. CQ049 FQ Eletroquímica. prof. Dr. Marcio Vidotti LEAP Laboratório de Eletroquímica e Polímeros mvidotti@ufpr.

CQ049 : FQ IV - Eletroquímica. CQ049 FQ Eletroquímica. prof. Dr. Marcio Vidotti LEAP Laboratório de Eletroquímica e Polímeros mvidotti@ufpr. CQ049 FQ Eletroquímica prof. Dr. Marcio Vidotti LEAP Laboratório de Eletroquímica e Polímeros mvidotti@ufpr.br 1 a estrutura I-S (água) ion central moléculas de água orientadas interações ion - dipolo

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ALIMENTOS ANÁLISES TÉRMICAS DE ALIMENTOS

UNIVERSIDADE FEDERAL DO PARANÁ PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ALIMENTOS ANÁLISES TÉRMICAS DE ALIMENTOS UNIVERSIDADE FEDERAL DO PARANÁ PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ALIMENTOS ANÁLISES TÉRMICAS DE ALIMENTOS Regina Cristina A. De Lima TRANSIÇÕES DE FASE 1. Introdução Uma fase é um estado específico

Leia mais

c = c = c =4,20 kj kg 1 o C 1

c = c = c =4,20 kj kg 1 o C 1 PROPOSTA DE RESOLUÇÃO DO TESTE INTERMÉDIO - 2014 (VERSÃO 1) GRUPO I 1. H vap (H 2O) = 420 4 H vap (H 2O) = 1,69 10 3 H vap (H 2O) = 1,7 10 3 kj kg 1 Tendo em consideração a informação dada no texto o calor

Leia mais

242 Revista Brasileira de Ensino de Fsica, vol. 21, no. 2, Junho, 1999. Aplicac~ao a Moleculas Diat^omicas

242 Revista Brasileira de Ensino de Fsica, vol. 21, no. 2, Junho, 1999. Aplicac~ao a Moleculas Diat^omicas 4 Revista Brasileira de Ensino de Fsica, vol. 1, no., Junho, 1999 O Potencial de Lennard-Jones: Aplicac~ao a Moleculas Diat^omicas (The Lennard-Jones Potential: aplication to diatomic molecules) Adenilson

Leia mais

Faculdade de Administração e Negócios de Sergipe

Faculdade de Administração e Negócios de Sergipe Faculdade de Administração e Negócios de Sergipe Disciplina: Física Geral e Experimental III Curso: Engenharia de Produção Assunto: Gravitação Prof. Dr. Marcos A. P. Chagas 1. Introdução Na gravitação

Leia mais

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente: Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas

Leia mais

Aula 8 Gases Ideais e Teoria Cinética

Aula 8 Gases Ideais e Teoria Cinética Aula 8 Gases Ideais e Teoria Cinética Física II 2012 UNICAMP Quadro de Joseph Wrigth of Derby (1768) representando experimento de Robert Boyle Equação de estado dos gases ideais Qualquer objeto macroscópico

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

4.2 Modelação da estrutura interna

4.2 Modelação da estrutura interna 4.2 Modelação da estrutura interna AST434: C4-25/83 Para calcular a estrutura interna de uma estrela como o Sol é necessário descrever como o gás que o compõe se comporta. Assim, determinar a estrutura

Leia mais

objetivo Exercícios Meta da aula Pré-requisitos Aplicar o formalismo quântico estudado neste módulo à resolução de um conjunto de exercícios.

objetivo Exercícios Meta da aula Pré-requisitos Aplicar o formalismo quântico estudado neste módulo à resolução de um conjunto de exercícios. Exercícios A U L A 10 Meta da aula Aplicar o formalismo quântico estudado neste módulo à resolução de um conjunto de exercícios. objetivo aplicar os conhecimentos adquiridos nas Aulas 4 a 9 por meio da

Leia mais

Números Complexos. Capítulo 1. 1.1 Unidade Imaginária. 1.2 Números complexos. 1.3 O Plano Complexo

Números Complexos. Capítulo 1. 1.1 Unidade Imaginária. 1.2 Números complexos. 1.3 O Plano Complexo Capítulo 1 Números Complexos 11 Unidade Imaginária O fato da equação x 2 + 1 = 0 (11) não ser satisfeita por nenhum número real levou à denição dos números complexos Para solucionar (11) denimos a unidade

Leia mais

Captulo 24: Introduc~ao a Simulac~ao. The best advice to those about to embark on a. famous advice to those about to marry: Don't!

Captulo 24: Introduc~ao a Simulac~ao. The best advice to those about to embark on a. famous advice to those about to marry: Don't! Captulo 24: Introduc~ao a Simulac~ao The best advice to those about to embark on a very large simulation is often the same as Punch's famous advice to those about to marry: Don't! Bratley, Fox, and Schrage

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

2 Estudo dos Acoplamentos

2 Estudo dos Acoplamentos 24 2 Estudo dos Acoplamentos Um problema acoplado é aquele em que dois ou mais sistemas físicos interagem entre si e cujo acoplamento pode ocorrer através de diferentes graus de interação (Zienkiewicz

Leia mais

AGRUPAMENTO de ESCOLAS de SANTIAGO do CACÉM Ano Letivo 2015/2016 PLANIFICAÇÃO ANUAL

AGRUPAMENTO de ESCOLAS de SANTIAGO do CACÉM Ano Letivo 2015/2016 PLANIFICAÇÃO ANUAL AGRUPAMENTO de ESCOLAS de SANTIAGO do CACÉM Ano Letivo 2015/2016 PLANIFICAÇÃO ANUAL Documento(s) Orientador(es): Programa de Física 12.º ano homologado em 21/10/2004 ENSINO SECUNDÁRIO FÍSICA 12.º ANO TEMAS/DOMÍNIOS

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

5910170 Física II Ondas, Fluidos e Termodinâmica USP Prof. Antônio Roque Aula 15

5910170 Física II Ondas, Fluidos e Termodinâmica USP Prof. Antônio Roque Aula 15 Ondas (continuação) Ondas propagando-se em uma dimensão Vamos agora estudar propagação de ondas. Vamos considerar o caso simples de ondas transversais propagando-se ao longo da direção x, como o caso de

Leia mais

6. Geometria, Primitivas e Transformações 3D

6. Geometria, Primitivas e Transformações 3D 6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também

Leia mais

Se um sistema troca energia com a vizinhança por trabalho e por calor, então a variação da sua energia interna é dada por:

Se um sistema troca energia com a vizinhança por trabalho e por calor, então a variação da sua energia interna é dada por: Primeira Lei da Termodinâmica A energia interna U de um sistema é a soma das energias cinéticas e das energias potenciais de todas as partículas que formam esse sistema e, como tal, é uma propriedade do

Leia mais

Notas de Cálculo Numérico

Notas de Cálculo Numérico Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo

Leia mais

1 a QUESTÃO: (2,0 pontos) Avaliador Revisor

1 a QUESTÃO: (2,0 pontos) Avaliador Revisor 1 a QUESTÃO: (,0 pontos) Avaliador Revisor Uma montagem experimental simples permite a medida da força entre objetos carregados com o auxílio de uma balança (A. Cortel, Physics Teacher 7, 447 (1999)).

Leia mais

3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar

3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar 3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar Vimos que as previsões sobre as capacidades caloríficas molares baseadas na teoria cinética estão de acordo com o comportamento

Leia mais

Mestrado e Doutorado em Física

Mestrado e Doutorado em Física UNIVERSIDADE FEDERAL DO MARANHÃO FUNDAÇÃO Instituída nos termos da Lei nº 5.152, de 21/10/1996 São Luís Maranhão CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICA Exame de Seleção

Leia mais

EQUILÍBRIO QUÍMICO 1

EQUILÍBRIO QUÍMICO 1 EQUILÍBRIO QUÍMICO 1 1- Introdução Uma reação química é composta de duas partes separadas por uma flecha, a qual indica o sentido da reação. As espécies químicas denominadas como reagentes ficam à esquerda

Leia mais

2.1 Calor, trabalho e a 1ª lei da termodinâmica Swallin cap2

2.1 Calor, trabalho e a 1ª lei da termodinâmica Swallin cap2 2.1 Calor, trabalho e a 1ª lei da termodinâmica Swallin cap2 Há uma diferença fundamental entre as funções de estado, como T, P e U, e as variáveis de processo, como Q (calor) e W (trabalho), que são transientes

Leia mais

LEI DE OHM. Professor João Luiz Cesarino Ferreira. Conceitos fundamentais

LEI DE OHM. Professor João Luiz Cesarino Ferreira. Conceitos fundamentais LEI DE OHM Conceitos fundamentais Ao adquirir energia cinética suficiente, um elétron se transforma em um elétron livre e se desloca até colidir com um átomo. Com a colisão, ele perde parte ou toda energia

Leia mais

DEPENDÊNCIA DA VELOCIDADE COM A TEMPERATURA Camilo Andrea Angelucci

DEPENDÊNCIA DA VELOCIDADE COM A TEMPERATURA Camilo Andrea Angelucci DPNDÊNCIA DA VLOCIDAD COM A TMPRATURA Camilo Andrea Angelucci MTA Apresentar os conceitos da infl uência da temperatura na velocidade das reações químicas. OBJTIVOS Ao fi nal desta aula, o aluno deverá:

Leia mais

Transições de Fase de Substâncias Simples

Transições de Fase de Substâncias Simples Transições de Fase de Substâncias Simples Como exemplo de transição de fase, vamos discutir a liquefação de uma amostra de gás por um processo de redução de volume a temperatura constante. Consideremos,

Leia mais

4 Orbitais do Átomo de Hidrogênio

4 Orbitais do Átomo de Hidrogênio 4 Orbitais do Átomo de Hidrogênio A aplicação mais intuitiva e que foi a motivação inicial para desenvolver essa técnica é a representação dos orbitais do átomo de hidrogênio que, desde então, tem servido

Leia mais

Introdução ao Método de Galerkin Estocástico

Introdução ao Método de Galerkin Estocástico Introdução ao Método de Galerkin Estocástico Americo Barbosa da Cunha Junior Departamento de Engenharia Mecânica Pontifícia Universidade Católica do Rio de Janeiro 1 Introdução A dinâmica de um sistema

Leia mais

O caso estacionário em uma dimensão

O caso estacionário em uma dimensão O caso estacionário em uma dimensão A U L A 6 Meta da aula Aplicar o formalismo quântico no caso de o potencial ser independente do tempo. objetivos verificar que, no caso de o potencial ser independente

Leia mais

APLICAÇÕES DA DERIVADA

APLICAÇÕES DA DERIVADA Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,

Leia mais

2. Noções de Matemática Elementar

2. Noções de Matemática Elementar 2. Noções de Matemática Elementar 1 Notação cientíca Para escrever números muito grandes ou muito pequenos é mais cómodo usar a notação cientíca, que consiste em escrever um número na forma n é o expoente

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

CAPITULO 1 Propriedades dos gases. PGCEM Termodinâmica dos Materiais UDESC

CAPITULO 1 Propriedades dos gases. PGCEM Termodinâmica dos Materiais UDESC CAPITULO 1 Propriedades dos gases PGCEM Termodinâmica dos Materiais UDESC Referência Bibliográfica ATKINS, P.; Paula, J. de. Fisico-Química, Vol 1. 8ª ed., Editora LTC, Rio de Janeiro, 2006, cap 1. Ball,

Leia mais

ENERGIA POTENCIAL E CONSERVAÇÃO DE ENERGIA Física Geral I (1108030) - Capítulo 04

ENERGIA POTENCIAL E CONSERVAÇÃO DE ENERGIA Física Geral I (1108030) - Capítulo 04 ENERGIA POTENCIAL E CONSERVAÇÃO DE ENERGIA Física Geral I (1108030) - Capítulo 04 I. Paulino* *UAF/CCT/UFCG - Brasil 2012.2 1 / 15 Sumário Trabalho e EP Energia potencial Forças conservativas Calculando

Leia mais

Avaliação de Desempenho

Avaliação de Desempenho Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo

Leia mais

Geração de variáveis aleatórias

Geração de variáveis aleatórias Geração de variáveis aleatórias Danilo Oliveira, Matheus Torquato Centro de Informática Universidade Federal de Pernambuco 5 de setembro de 2012 Danilo Oliveira, Matheus Torquato () 5 de setembro de 2012

Leia mais

Como escrever um bom RELATÓRIO

Como escrever um bom RELATÓRIO Como escrever um bom RELATÓRIO Mas o que é uma EXPERIÊNCIA? e um RELATÓRIO? Profa. Ewa W. Cybulska Profa. Márcia R. D. Rodrigues Experiência Relatório Pergunta à Natureza e a procura da Resposta Divulgação

Leia mais

4. Introdução à termodinâmica

4. Introdução à termodinâmica 4. Introdução à termodinâmica 4.1. Energia interna O estabelecimento do princípio da conservação da energia tornou-se possível quando se conseguiu demonstrar que junto com a energia mecânica, os corpos

Leia mais

ELETROSTÁTICA. Ramo da Física que estuda as cargas elétricas em repouso. www.ideiasnacaixa.com

ELETROSTÁTICA. Ramo da Física que estuda as cargas elétricas em repouso. www.ideiasnacaixa.com ELETROSTÁTICA Ramo da Física que estuda as cargas elétricas em repouso. www.ideiasnacaixa.com Quantidade de carga elétrica Q = n. e Q = quantidade de carga elétrica n = nº de elétrons ou de prótons e =

Leia mais

AULA PRÁTICA DE QUÍMICA GERAL Estudando a água parte 32

AULA PRÁTICA DE QUÍMICA GERAL Estudando a água parte 32 AULA PRÁTICA DE QUÍMICA GERAL Estudando a água parte 32 9º NO DO ENSINO FUNDAMENTAL - 1º ANO DO ENSINO MÉDIO OBJETIVO Diversos experimentos, usando principalmente água e materiais de fácil obtenção, são

Leia mais

COLÉGIO SANTA TERESINHA R. Madre Beatriz 135 centro Tel. (33) 3341-1244 www.colegiosantateresinha.com.br

COLÉGIO SANTA TERESINHA R. Madre Beatriz 135 centro Tel. (33) 3341-1244 www.colegiosantateresinha.com.br PLANEJAMENTO DE AÇÕES DA 2 ª ETAPA 2015 PERÍODO DA ETAPA: 01/09/2015 á 04/12/2015 TURMA: 9º Ano EF II DISCIPLINA: CIÊNCIAS / QUÍMICA 1- S QUE SERÃO TRABALHADOS DURANTE A ETAPA : Interações elétricas e

Leia mais

OBJETIVOS: CARGA HORÁRIA MÍNIMA CRONOGRAMA:

OBJETIVOS: CARGA HORÁRIA MÍNIMA CRONOGRAMA: ESTUDO DIRIGIDO COMPONENTE CURRICULAR: Controle de Processos e Instrumentação PROFESSOR: Dorival Rosa Brito ESTUDO DIRIGIDO: Métodos de Determinação de Parâmetros de Processos APRESENTAÇÃO: O rápido desenvolvimento

Leia mais

Educação Química CINÉTICA QUÍMICA

Educação Química CINÉTICA QUÍMICA CINÉTICA QUÍMICA É a parte da química que estuda a rapidez ou taxa de variação das reações e os fatores que nela influem. - Antigamente denominada de velocidade 1, é uma medida da rapidez com que são consumidos

Leia mais

Resolução de sistemas lineares

Resolução de sistemas lineares Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)

Leia mais

Tópico 4. Como Elaborar um Relatório e Apresentar os Resultados Experimentais

Tópico 4. Como Elaborar um Relatório e Apresentar os Resultados Experimentais Tópico 4. Como Elaborar um Relatório e Apresentar os Resultados Experimentais 4.1. Confecção de um Relatório 4.1.1. Organização do relatório Um relatório é uma descrição detalhada, clara e objetiva de

Leia mais

3.1. Representação de Velocidade de um Corpo Rígido:

3.1. Representação de Velocidade de um Corpo Rígido: 3. CINEMÁTICA DIFERENCIAL Neste capítulo abordamos a descrição do movimento do robô manipulador sem levar em conta os esforços que o produzem. Um importante problema cinemático associado ao movimento do

Leia mais

3 Método de Monte Carlo

3 Método de Monte Carlo 25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional

Leia mais

Seção de choque diferencial

Seção de choque diferencial Seção de choque diferencial Em uma postagem anterior, Seções de choque, apresentei o conceito de seção de choque como sendo uma medida da probabilidade de colisão entre uma partícula incidente e uma partícula

Leia mais

-2014- CONTEÚDO SEPARADO POR TRIMESTRE E POR AVALIAÇÃO CIÊNCIAS 9º ANO 1º TRIMESTRE

-2014- CONTEÚDO SEPARADO POR TRIMESTRE E POR AVALIAÇÃO CIÊNCIAS 9º ANO 1º TRIMESTRE -2014- CONTEÚDO SEPARADO POR TRIMESTRE E POR AVALIAÇÃO CIÊNCIAS 9º ANO 1º TRIMESTRE DISCURSIVA OBJETIVA QUÍMICA FÍSICA QUÍMICA FÍSICA Matéria e energia Propriedades da matéria Mudanças de estado físico

Leia mais

Movimento Harmônico Simples: Exemplos (continuação)

Movimento Harmônico Simples: Exemplos (continuação) Movimento Harmônico Simples: Exemplos (continuação) O Pêndulo Físico O chamado pêndulo físico é qualquer pêndulo real. Ele consiste de um corpo rígido (com qualquer forma) suspenso por um ponto O e que

Leia mais

UNIDADE 3 - COORDENAÇÃO ATÔMICA

UNIDADE 3 - COORDENAÇÃO ATÔMICA A força de repulsão entre os elétrons de dois átomos, quando estão suficientemente próximos, é responsável, em conjunto com as forças de atração, pela posição de equilíbrio dos átomos na ligação química

Leia mais

Linguagem da Termodinâmica

Linguagem da Termodinâmica Linguagem da Termodinâmica Termodinâmica N A = 6,022 10 23 Ramo da Física que estuda sistemas que contêm um grande nº de partículas constituintes (átomos, moléculas, iões,...), a partir da observação das

Leia mais

Método Monte-Carlo. Alexandre Rosas. 23 de Março de 2009. Departamento de Física Universidade Federal da Paraíba

Método Monte-Carlo. Alexandre Rosas. 23 de Março de 2009. Departamento de Física Universidade Federal da Paraíba Departamento de Física Universidade Federal da Paraíba 23 de Março de 2009 O que são os métodos de Monte-Carlo? Métodos numéricos que utilizam amostragem estatística (em contraposição a métodos determinísticos)

Leia mais

Revisão de Estatística Básica:

Revisão de Estatística Básica: Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos

Leia mais

Universidade Federal de São Paulo Instituto de Ciência e Tecnologia Bacharelado em Ciência e Tecnologia

Universidade Federal de São Paulo Instituto de Ciência e Tecnologia Bacharelado em Ciência e Tecnologia Universidade Federal de São Paulo Instituto de Ciência e Tecnologia Bacharelado em Ciência e Tecnologia Oscilações 1. Movimento Oscilatório. Cinemática do Movimento Harmônico Simples (MHS) 3. MHS e Movimento

Leia mais

Forças intermoleculares, Disciplina de Química Geral Profa. Marcia Margarete Meier

Forças intermoleculares, Disciplina de Química Geral Profa. Marcia Margarete Meier , líquidos e sólidos 1 Uma comparação entre líquidos e sólidos As propriedades físicas das substâncias entendidas em termos de teoria cinética molecular : Os gases são altamente compressíveis, assumem

Leia mais

Seminário de Dinâmica Orbital I

Seminário de Dinâmica Orbital I Seminário de Dinâmica Orbital I Métodos de Monte Carlo Alunos Carlos H. G. Hassmann Álvaro de A Arraes Prof. - Mário C. Ricci Sumário -Introdução -Breve Histórico -Definição -Utilização -O método -Componentes

Leia mais

grandeza do número de elétrons de condução que atravessam uma seção transversal do fio em segundos na forma, qual o valor de?

grandeza do número de elétrons de condução que atravessam uma seção transversal do fio em segundos na forma, qual o valor de? Física 01. Um fio metálico e cilíndrico é percorrido por uma corrente elétrica constante de. Considere o módulo da carga do elétron igual a. Expressando a ordem de grandeza do número de elétrons de condução

Leia mais

MESTRADO INTEGRADO EM ENGENHARIA MECÂNICA. Integradora II T.02 SOBRE A ANÁLISE DINÂMICA MIEM. Integradora II. Elaborado por Paulo Flores - 2015

MESTRADO INTEGRADO EM ENGENHARIA MECÂNICA. Integradora II T.02 SOBRE A ANÁLISE DINÂMICA MIEM. Integradora II. Elaborado por Paulo Flores - 2015 MESTRADO INTEGRADO EM ENGENHARIA MECÂNICA Elaborado por Paulo Flores - 2015 Departamento de Engenharia Mecânica Campus de Azurém 4804-533 Guimarães - PT Tel: +351 253 510 220 Fax: +351 253 516 007 E-mail:

Leia mais

Física Quântica Caex 2005 Série de exercícios 1

Física Quântica Caex 2005 Série de exercícios 1 Física Quântica Caex 005 Questão 1 Se as partículas listadas abaixo têm todas a mesma energia cinética, qual delas tem o menor comprimento de onda? a) elétron b) partícula α c) nêutron d) próton Questão

Leia mais

Leonnardo Cruvinel Furquim TERMOQUÍMICA

Leonnardo Cruvinel Furquim TERMOQUÍMICA Leonnardo Cruvinel Furquim TERMOQUÍMICA Termoquímica Energia e Trabalho Energia é a habilidade ou capacidade de produzir trabalho. Mecânica; Elétrica; Calor; Nuclear; Química. Trabalho Trabalho mecânico

Leia mais

Verificação e Resolução de problemas com Vibrações Mecânicas e Modelagem Numérica

Verificação e Resolução de problemas com Vibrações Mecânicas e Modelagem Numérica Verificação e Resolução de problemas com Vibrações Mecânicas e Modelagem Numérica Marcos Geraldo S. Diretor da MGS Jánes Landre Júnior Prof. Depto. Engenharia Mecânica, PUC-Minas 1 - Introdução O setor

Leia mais

Propriedades volumétricas de fluidos puros

Propriedades volumétricas de fluidos puros Propriedades volumétricas de fluidos puros Objetivos Compreender o comportamento PVT de fluidos puros Estudar equações de estado para descrever o comportamento PVT de fluidos reais Equações do tipo virial

Leia mais

Geração de Números Aleatórios e Simulação

Geração de Números Aleatórios e Simulação Departamento de Informática Geração de Números Aleatórios e imulação Métodos Quantitativos LEI 26/27 usana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) usana

Leia mais

Não é permitido nenhum tipo de consulta!

Não é permitido nenhum tipo de consulta! INSTRUÇÕES de PRÊMIO IFT-ICTP PARA JOVENS FÍSICOS Não escreva seu nome em nenhum lugar da prova. Em cada das seis folhas de questões, escreva o número do seu RG. Verifique que você tem as seis folhas de

Leia mais

Profa. Maria Fernanda - Química nandacampos.mendonc@gmail.com

Profa. Maria Fernanda - Química nandacampos.mendonc@gmail.com Profa. Maria Fernanda - Química nandacampos.mendonc@gmail.com Por que precisamos calibrar os pneus dos carro? Vídeo: https://www.youtube.com/watch?v=9aapomthyje Pressão abaixo da recomendada reduz a durabilidade

Leia mais

Fenômenos de Transporte

Fenômenos de Transporte Fenômenos de Transporte Prof. Leandro Alexandre da Silva Processos metalúrgicos 2012/2 Fenômenos de Transporte Prof. Leandro Alexandre da Silva Motivação O que é transporte? De maneira geral, transporte

Leia mais

RESOLUÇÃO DA PROVA DE QUÍMICA DA UFRGS 2011

RESOLUÇÃO DA PROVA DE QUÍMICA DA UFRGS 2011 RESOLUÇÃO DA PROVA DE QUÍMICA DA UFRGS 2011 Questão 26 Como a questão pede a separação do sólido solúvel do líquido, o único processo recomendado é a destilação simples. Lembrando que filtração e decantação

Leia mais

Universidade Federal do Paraná

Universidade Federal do Paraná Universidade Federal do Paraná Programa de pós-graduação em engenharia de recursos hídricos e ambiental TH705 Mecânica dos fluidos ambiental II Prof. Fernando Oliveira de Andrade Problema do fechamento

Leia mais

é descrito por meio das grandezas E, V, N. Para o ensemble canônico, assumimos que o

é descrito por meio das grandezas E, V, N. Para o ensemble canônico, assumimos que o 9 Ensemble Grande-Canônico, Ensemble de Pressão e outros Ensembles Essas notas estão baseadas no capítulo 7 do Salinas (ref. 1), capítulo 4 do Gould&Tobochnik (ref. 2), capítulo 7 do Greiner (ref. 3) e

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

DINÂMICA. Força Resultante: É a força que produz o mesmo efeito que todas as outras aplicadas a um corpo.

DINÂMICA. Força Resultante: É a força que produz o mesmo efeito que todas as outras aplicadas a um corpo. DINÂMICA Quando se fala em dinâmica de corpos, a imagem que vem à cabeça é a clássica e mitológica de Isaac Newton, lendo seu livro sob uma macieira. Repentinamente, uma maçã cai sobre a sua cabeça. Segundo

Leia mais

Física. Resolução. Q uestão 01 - A

Física. Resolução. Q uestão 01 - A Q uestão 01 - A Uma forma de observarmos a velocidade de um móvel em um gráfico d t é analisarmos a inclinação da curva como no exemplo abaixo: A inclinação do gráfico do móvel A é maior do que a inclinação

Leia mais

Interpolação de Curvas de Nível por Difusão de Calor

Interpolação de Curvas de Nível por Difusão de Calor Interpolação de Curvas de Nível por Difusão de Calor ROBERTO DE BEAUCLAIR SEIXAS LUIZ HENRIQUE DE FIGUEIREDO CLAUDIO ANTONIO DA SILVA IMPA Instituto de Matemática Pura e Aplicada VISGRAF Laboratório de

Leia mais

22/Abr/2015 Aula 15. 17/Abr/2015 Aula 14

22/Abr/2015 Aula 15. 17/Abr/2015 Aula 14 17/Abr/2015 Aula 14 Introdução à Física Quântica Radiação do corpo negro; níveis discretos de energia. Efeito foto-eléctrico: - descrições clássica e quântica - experimental. Efeito de Compton. 22/Abr/2015

Leia mais

Capítulo 2. A 1ª Lei da Termodinâmica

Capítulo 2. A 1ª Lei da Termodinâmica Capítulo 2. A 1ª Lei da Termodinâmica Parte 1: trabalho, calor e energia; energia interna; trabalho de expansão; calor; entalpia Baseado no livro: Atkins Physical Chemistry Eighth Edition Peter Atkins

Leia mais

EFEITO FOTOELÉTRICO. J.R. Kaschny

EFEITO FOTOELÉTRICO. J.R. Kaschny EFEITO FOTOELÉTRICO J.R. Kaschny Histórico 1886-1887 Heinrich Hertz realizou experimentos que pela primeira vez confirmaram a existência de ondas eletromagnéticas e a teoria de Maxwell sobre a propagação

Leia mais

PLANIFICAÇÃO DA DISCIPLINA DE FÍSICA 12º ANO Ano lectivo 2015/2016

PLANIFICAÇÃO DA DISCIPLINA DE FÍSICA 12º ANO Ano lectivo 2015/2016 AGRUPAMENTO DE ESCOLAS JOSÉ BELCHIOR VIEGAS PLANIFICAÇÃO DA DISCIPLINA DE FÍSICA 12º ANO Ano lectivo 2015/2016 Competências Gerais Conteúdos programáticos /Temas Objectivos Gerais Aulas Previstas (blocos

Leia mais

objetivos A partícula livre Meta da aula Pré-requisitos

objetivos A partícula livre Meta da aula Pré-requisitos A partícula livre A U L A 7 Meta da aula Estudar o movimento de uma partícula quântica livre, ou seja, aquela que não sofre a ação de nenhuma força. objetivos resolver a equação de Schrödinger para a partícula

Leia mais

Common Core Standards

Common Core Standards Common Core Standards O Common Core nos estados EDUCATION WEEK Estados que adotaram o Common Core (43 + DC) Estados que não adotaram o Common Core (4) Estados que adotaram o Common Core em apenas uma matéria

Leia mais

Leis de Conservação. Exemplo: Cubo de gelo de lado 2cm, volume V g. =8cm3, densidade ρ g. = 0,917 g/cm3. Massa do. ρ g = m g. m=ρ.

Leis de Conservação. Exemplo: Cubo de gelo de lado 2cm, volume V g. =8cm3, densidade ρ g. = 0,917 g/cm3. Massa do. ρ g = m g. m=ρ. Leis de Conservação Em um sistema isolado, se uma grandeza ou propriedade se mantém constante em um intervalo de tempo no qual ocorre um dado processo físico, diz-se que há conservação d a propriedade

Leia mais

Ondas Eletromagnéticas. E=0, 1 B=0, 2 E= B t, 3 E

Ondas Eletromagnéticas. E=0, 1 B=0, 2 E= B t, 3 E Ondas Eletromagnéticas. (a) Ondas Planas: - Tendo introduzido dinâmica no sistema, podemos nos perguntar se isto converte o campo eletromagnético de Maxwell em uma entidade com existência própria. Em outras

Leia mais

A capacidade calorífica é uma medida da dificuldade que um corpo oferece a uma mudança da sua temperatura e é dada pelo

A capacidade calorífica é uma medida da dificuldade que um corpo oferece a uma mudança da sua temperatura e é dada pelo Capacidade calorífica e calor específico Q/J Quando um corpo recebe energia calorífica a sua temperatura aumenta (e de forma linear): A energia calorífica ( Q) que é necessário fornecer a um corpo para

Leia mais

INTRODUÇÃO AO MÉTODO DE MONTE CARLO EM SIMULAÇÃO MOLECULAR E FLUÍDOS CONFINADOS

INTRODUÇÃO AO MÉTODO DE MONTE CARLO EM SIMULAÇÃO MOLECULAR E FLUÍDOS CONFINADOS INTRODUÇÃO AO MÉTODO DE MONTE CARLO EM SIMULAÇÃO MOLECULAR E FLUÍDOS CONFINADOS GABRIEL DUARTE BARBOSA ORIENTADOR: FREDERICO W. TAVARES LABORATÓRIO: ATOMS APPLIED THERMODYNAMICS AND MOLECULAR SIMULATION

Leia mais

James Clerk Maxwell (1831-1879)

James Clerk Maxwell (1831-1879) 4 Introdução à Teoria Cinética James Clerk Maxwell (1831-1879) Físico britânico nascido em Dumfrieshire na Escócia, que desde muito jovem demonstrou possuir dotes excepcionais para a matemática. Em 1857

Leia mais

UNIVERSIDADE ESTADUAL DO MATO GROSSO DO SUL UEMS CURSO DE FÍSICA LABORATÓRIO DE FÍSICA II. Gerador de Van De Graaff

UNIVERSIDADE ESTADUAL DO MATO GROSSO DO SUL UEMS CURSO DE FÍSICA LABORATÓRIO DE FÍSICA II. Gerador de Van De Graaff UNIVERSIDADE ESTADUAL DO MATO GROSSO DO SUL UEMS CURSO DE FÍSICA LABORATÓRIO DE FÍSICA II Gerador de Van De Graaff Objetivos gerais: Ao término desta atividade o aluno deverá ser capaz de: - identificar

Leia mais

CENTRO DE EDUCAÇÃO INTEGRADA Educando para o pensar Tema Integrador 2013 / Construindo o amanhã: nós agimos, o planeta sente CONTEÚDOS PROGRAMÁTICOS

CENTRO DE EDUCAÇÃO INTEGRADA Educando para o pensar Tema Integrador 2013 / Construindo o amanhã: nós agimos, o planeta sente CONTEÚDOS PROGRAMÁTICOS CENTRO DE EDUCAÇÃO INTEGRADA Educando para o pensar Tema Integrador 2013 / Construindo o amanhã: nós agimos, o planeta sente BIOLOGIA I TRIMESTRE A descoberta da vida Biologia e ciência Origem da vida

Leia mais

História dos Raios X. 08 de novembro de 1895: Descoberta dos Raios X Pelo Professor de física teórica Wilhelm Conrad Röntgen.

História dos Raios X. 08 de novembro de 1895: Descoberta dos Raios X Pelo Professor de física teórica Wilhelm Conrad Röntgen. História dos Raios X 08 de novembro de 1895: Descoberta dos Raios X Pelo Professor de física teórica Wilhelm Conrad Röntgen. História dos Raios X 22 de dezembro de 1895, Röntgen fez a primeira radiografia

Leia mais

INTERAÇÃO DOS RAIOS-X COM A MATÉRIA

INTERAÇÃO DOS RAIOS-X COM A MATÉRIA INTERAÇÃO DOS RAIOS-X COM A MATÉRIA RAIOS-X + MATÉRIA CONSEQUÊNCIAS BIOLÓGICAS EFEITOS DAZS RADIAÇÕES NA H2O A molécula da água é a mais abundante em um organismo biológico, a água participa praticamente

Leia mais