💻 computer science

Efficient generation of large-scale non-equilibrium distributions of particles

本文介绍了一种高效算法——膨胀与随机迁移（SRM）算法，该方法能够生成包含多达 $10^7$ 个粒子的、具有统计代表性的球状及非球状大规模非平衡微观结构，从而推动复合材料建模的发展。

原作者： Sergejs Tarasovs

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Sergejs Tarasovs

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在尝试构建一种复合材料的模型，比如填充了微小纤维或颗粒的坚固塑料。为了了解这种材料的强度或导电性，科学家需要创建一种完美的数字“快照”，以呈现这些颗粒在内部的排列方式。

通常，计算机试图将这些颗粒排列成一种平静、稳定的状态（平衡态），即所有颗粒均匀分布。但在现实世界中，制造过程（如注塑或混合）往往会导致颗粒聚集在一起，形成杂乱无章、分布不均的团簇。这些“杂乱”的状态被称为非平衡分布，它们难以模拟，因为标准的计算机方法只会试图将一切平滑化。

本文介绍了一种新的、超快的计算机方法，称为SRM（膨胀与随机迁移），它能够高效地生成这些杂乱且真实的颗粒排列。

以下是其工作原理，借助一些日常类比来说明：

1. “膨胀气球”游戏

想象你有一个房间，里面装满了未充气的气球（代表颗粒）。

目标：你希望将房间填满，直到气球占据特定的空间量（目标体积），但它们不能爆裂或重叠。
问题：如果你一次性将所有气球吹大，它们会卡住，形成拥堵。
SRM 解决方案：
- 膨胀：你同时向每个气球轻轻吹入一点空气。
- 随机迁移：如果两个气球相互碰撞，你就给它们一个微小的、随机的推动（“迁移”），看看它们是否能找到一个不再接触的新位置。
- “摇晃”：如果气球被紧紧卡住，无法移动，计算机就会对整个房间进行一次大幅度的随机“摇晃”，以松动局面，然后再次尝试。

通过重复“稍微吹大一点、稍微推动一点、卡住就摇晃”这一循环，该算法可以将数百万个颗粒紧密堆积在一起而互不重叠，即使它们最终形成杂乱、成团的组群。

2. “智能社区”技巧

检查数百万个气球是否相互接触通常是一项缓慢而枯燥的任务。如果你将每个气球与其他所有气球逐一比对，那将耗时极长（就像在体育场里检查每个人是否与其他所有人站得太近）。

SRM 算法使用了一种称为基于单元的搜索的巧妙技巧：

想象将房间划分为许多小“社区”（单元）组成的网格。
计算机只检查一个气球是否与其同一社区或紧邻的八个社区中的邻居接触。
它忽略体育场里的其他人，因为他们距离太远，无关紧要。
这使得过程变得极其迅速，允许计算机在合理的时间内处理多达一千万个颗粒（10^7）。

3. 它能做什么？（结果）

本文表明，该方法非常灵活：

从平静到混乱：你可以调整“推动”和“摇晃”的设置，以生成从完美平静、均匀分布的人群（平衡态）到混乱、成团的人群（非平衡态）的任何状态。
“纸牌屋”：研究人员用扁平的、硬币状的颗粒（片状物）测试了这种方法。通过调整设置，他们可以让这些片状物堆叠成杂乱的“纸牌屋”（边缘接触面），或者排列成整齐的平行行（像鱼群一样）。
为何重要：他们发现，这些不同的排列方式会改变电或热在材料中的传输方式。例如，“纸牌屋”结构允许电流更容易地跨越间隙，而整齐的平行排列则不然。

总结

简而言之，作者创造了一种数字工具，它就像一场针对颗粒的极快、极聪明的“抢椅子”游戏。它能够生成巨大的、真实的模型，展示颗粒在现实世界材料中如何聚集，从而帮助科学家理解为何某些材料比其他材料更强或更具导电性。

重要说明：本文强调这是一个几何工具。它基于空间规则生成形状和排列，而非基于真实的物理力（如磁力或重力）。它能告诉你排列看起来是什么样，但不会模拟产生该排列的实际物理力。

技术摘要：大规模非平衡粒子分布的高效生成

问题陈述
具有周期性微观结构的代表性体积单元（RVE）对于将复合材料中的微观非均匀性与宏观有效性能联系起来至关重要。虽然传统算法（如蒙特卡洛、Lubachevsky–Stillinger 事件驱动分子动力学）在生成平衡态或近平衡态粒子构型方面表现出色，但它们往往难以捕捉现实制造工艺（如纤维缠绕、注塑成型）中特有的非均匀、各向异性及历史依赖的分布特征。现有方法倾向于抑制实际复合材料中存在的不规则性、缺陷和受控无序。此外，由于碰撞检测呈二次方缩放，生成包含大量粒子的大规模微观结构往往面临高昂的计算成本。因此，亟需一种算法，能够高效生成具有可调节随机性程度、可控空间相关性以及包含聚类和团聚等现实非平衡特征的周期性 RVE。

方法论：膨胀与随机迁移（SRM）算法
本文提出了一种膨胀与随机迁移（SRM）算法，这是一种混合方法，结合了改进的 Miller–Torquato“膨胀”技术与改进的随机序列添加（RSA）方案。该方法在一个包含单分散夹杂物的单位盒上运行，并通过以下迭代步骤进行：

初始化：使用经典 RSA 在低体积分数下生成初始无重叠构型。
膨胀：所有粒子的半径同时增加一个小增量（ $c_w$ ）。
随机迁移：每个粒子被一个小的随机向量（ $c_m$ ）位移。
局部可容许性检查：使用基于自适应单元的空间划分方案评估与邻居的距离。如果粒子发生重叠，则将其返回到前一位置，并尝试新的随机位移。此循环持续进行，直到找到有效位置或达到最大尝试次数（ $N_l$ ）。
抖动步骤：如果粒子在多次尝试后仍无法找到可容许的位置，则执行全局弛豫（“抖动”）。这涉及随机位移所有粒子并测试重叠，以克服局部阻塞，特别是在聚类构型中。
终止：循环重复直至达到目标体积分数。

计算效率
该方法的一个关键组成部分是基于单元的邻居搜索实现。通过将 RVE 划分为略大于粒子直径的单元，算法将重叠检查限制在当前单元及其直接邻居（二维中为 $3 \times 3$ 块）内的粒子。这将碰撞检测的计算复杂度从相对于粒子数量的二次方降低到近线性（ $O(N)$ ）。通过对粒子访问模式进行额外优化以缓解缓存未命中，生成时间大致按 $t \propto N^{1.15}$ 缩放，从而能够在二维和三维中模拟多达 $10^7$ 个粒子。

主要结果

可扩展性：优化后的 SRM 算法成功生成了多达 $10^7$ 个粒子的构型。对于低至中等体积分数，该方法保持了高效率。
非平衡控制：通过调节膨胀率（ $c_w$ $c_{w}$ ）和迁移率（ $c_m$ $c_{m}$ ），该算法可以生成从类平衡分布到强聚类排列的各种微观结构。
- 与分子动力学（MD）的比较：与自然演化为平衡态的事件驱动分子动力学（MD）不同，SRM 生成的构型具有显著更宽的局部体积分数（LVF）分布和更强的聚类特征。MD 生成的“聚类”状态仍比 SRM 生成的状态更接近平衡态。
- 体积分数限制：在二维中，该方法可以超过经典的随机紧密堆积（RCP）极限（圆盘可达约 87%）。在三维中，球体的实际极限约为 60%；超过此值，随机迁移效率低下，事件驱动 MD 更为可取。
向非球形夹杂物的扩展：该算法已成功应用于薄圆形片状体（球状圆盘）。通过调整参数，作者生成了：
- “纸牌屋”（HoC）网络：由高膨胀率和低迁移率形成的互连结构。
- 准向列域：通过高迁移率弛豫 HoC 结构形成的亚稳态、部分有序区域。
结构 - 性能影响：对片状体微观结构的渗流分析表明，HoC 构型的临界渗流距离比弛豫的准向列结构低约一个数量级。这表明微观结构排列显著影响输运性能。

意义与主张
本文将 SRM 算法定位为复合材料计算建模的强大且灵活的工具。其主要意义在于能够生成反映实际制造中观察到的统计变异性及非平衡特征的、多样化的且计算上可及的粒子构型。

作者强调，SRM 是一种纯几何方法；粒子的重排不受物理力或粒子间势能的支配。因此，虽然 SRM 非常适合用于生成用于均质化研究、不确定性量化和虚拟测试的统计代表性初始微观结构，但它并不重现颗粒系统的真实物理演化或研究相变。该方法的價值在于提供了一种受控手段来改变微观结构无序并模拟制造引起的各向异性，从而实现对非均匀介质中更准确的结构 - 性能关系分析。

1. “膨胀气球”游戏

2. “智能社区”技巧

3. 它能做什么？（结果）

总结

类似论文