11.07.2015 Views

Zalfa NOUR Modélisation de l'adsorption des molécules à fort ...

Zalfa NOUR Modélisation de l'adsorption des molécules à fort ...

Zalfa NOUR Modélisation de l'adsorption des molécules à fort ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

CHAPITRE 2. NOTIONS FONDAMENTALES SUR LA MODELISATION MOLECULAIRE– THEORIE DE LA FONCTIONELLE DE LA DENSITE ET SIMULATIONS MONTE CARLOLa constante <strong>de</strong> Boltzmann n’est autre que la constante <strong>de</strong>s gaz parfaits R divisée par lenombre d’Avogadro. Elle peut s'interpréter comme le facteur <strong>de</strong> proportionnalité reliant latempérature d'un système à son énergie thermique.III.1.2. Moyennes statistiquesDu fait que l’espace <strong>de</strong> phase contient toutes les configurations possibles du système,la valeur d’une gran<strong>de</strong>ur observable A, n’est autre que la valeur moyenne <strong>de</strong> cette observablesur l’ensemble <strong>de</strong>s états microscopiques du système en tenant compte <strong>de</strong> la probabilitéd’existence <strong>de</strong> chaque micro-état P(r,p) (Eq. 46) :A A( r,p)P(r,p)drdpÉquation 47Une solution analytique <strong>de</strong> cette équation est impossible même pour <strong>de</strong>s systèmes <strong>de</strong>taille mo<strong>de</strong>ste, e.g. N = 100 particules, vu qu’un domaine suffisamment important <strong>de</strong> l’espace<strong>de</strong>s phases doit être exploré. Cependant, il est important <strong>de</strong> savoir que cet espace est constituéd’un grand nombre <strong>de</strong> régions pour lesquelles, il n’est pas nécessaire d’estimer la valeur <strong>de</strong> lagran<strong>de</strong>ur A, car les configurations correspondantes ont <strong>de</strong>s énergies très élevées et donc <strong>de</strong>sprobabilités d’existence très faibles. Elles ne contribuent donc que très peu dans le calcul <strong>de</strong>l’observable A. Par ailleurs leurs estimations nécessiteraient <strong>de</strong>s temps <strong>de</strong> calculs exorbitants.Il est donc nécessaire <strong>de</strong> trouver un moyen qui nous permette <strong>de</strong> son<strong>de</strong>r uniquement lesrégions <strong>de</strong> l’espace <strong>de</strong>s phases qui vont avoir une influence significative sur la valeur <strong>de</strong> A. Lavaleur moyenne recherchée <strong>de</strong> cette observable sera alors calculée en tenant compteuniquement <strong>de</strong>s configurations qui ont une probabilité d’existence non négligeables. Onutilise pour cela la métho<strong>de</strong> <strong>de</strong>s « moyennes d’ensemble ». La métho<strong>de</strong> Monte Carlo – quenous décrivons plus tard – est tout à fait adaptée pour réaliser un tel échantillonnage <strong>de</strong>l’espace <strong>de</strong> phase en générant <strong>de</strong>s configurations représentatives d’une façon pseudoaléatoire.On définit alors la valeur <strong>de</strong> A à l’ai<strong>de</strong> <strong>de</strong> l’Équation 48 :AAensemble statistiqueR1 AR1RÉquation 48où (R) représente l’espace <strong>de</strong>s phases et R correspond aux nombres <strong>de</strong> configurationssélectionnées dans l’ensemble statistique.62

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!