原文链接：http://tecdat.cn/?p=27993
作者：Lawrence Xi
这是一个偏学术的我的项目。流体力学界对过冷液体（supercooled liquid）的认知还不欠缺，我的我的项目利用Python的分子模仿，通过搭建一个binary hard disk system并对系统进行压缩模仿来验证Dynamic Facilitation Theory是否实用于我搭建的分子模型。
DF Theory蕴含以下实践揣测
零碎激发态密度与零碎压力成log关系：
零碎的弛豫时间和零碎压力成如下关系：
起源：我的项目PPT
我在Python内搭建如上binary hard disk模型, 并压缩零碎至不同的密度来模仿过冷液体。压缩实现之后在此运行零碎来模仿过冷液体惯例布朗运动。在此期间，收集每一个粒子的实时坐标（x,y）并做如下计算：
分别零碎的激发态密度
验证零碎激发态密度和零碎压力是否成log关系
计算零碎的弛豫时间（relaxation time）
验证零碎弛豫时间和零碎压力的关系
后果
通过收集大量系统模拟分子坐标的实时数据以及对其进行延长计算，咱们能够发现DF Theory是实用于binary hard disk system。
激发辨认
用批示函数量化激发的总密度
起源：我的项目PPT
Boltzmann关系：线性关系与查找能量标度KA
起源：我的项目PPT
起源：我的项目PPT
起源：我的项目PPT
起源：我的项目PPT
起源：我的项目PPT
起源：我的项目PPT
对于作者
在此对Lawrence Xi对本文所作的奉献示意诚挚感激，他毕业于加州大学圣塔芭芭拉分校，特长化学工程和统计。趣味技能点宽泛，对数据分析，品牌营销，客户策略，以及industry-related科研感兴趣，精通Microsoft Office，Python，Matlab，Mathematica等学术软件，尤其Python 数据分析教训充沛。
最受欢迎的见解
1.用R语言模仿混合制排队随机服务排队零碎
2.R语言中应用排队论预测等待时间
3.R语言中实现马尔可夫链蒙特卡罗MCMC模型
4.R语言中的马尔科夫机制转换(Markov regime switching)模型模型")
5.python中应用马尔可夫决策过程(MDP)动静编程来解决最短门路强化学习问题动静编程来解决最短门路强化学习问题")
6.用R语言模仿混合制排队随机服务排队零碎
7.Python基于粒子群优化的投资组合优化
8.R语言几何布朗运动 GBM模仿股票价格优化建设期权定价概率加权收益曲线可视化
9.R语言进行反对向量机回归SVR和网格搜寻超参数优化