@misc{10481/108685,
year = {2025},
url = {https://hdl.handle.net/10481/108685},
abstract = {This Final Degree Project has focused on the study of molecular dynamics (MD), a computational
technique that enables the modeling of atomic and molecular systems based on
their interactions. Throughout the project, a comprehensive analysis of this methodology has
been carried out, covering everything from its theoretical foundations to its various practical
applications, with particular attention to the algorithmic tools used in simulations.
First, the historical and scientific context in which molecular dynamics emerged has been
introduced, from the pioneering experiments of Alder and Wainwright in the 1950s, through
the fundamental contributions of Rahman and Verlet, to the technological advances that
enabled the application of these methods to the study of complex biological systems and
materials using high-performance computing (HPC) and graphics processing units (GPUs).
In summary, the milestones that allowed the transition from simple hard-sphere gas simulations
to advanced simulations of proteins, solvents, or crystalline networks have been
identified, consolidating molecular dynamics as a key tool in materials science, biophysics,
and molecular design.
Next, the project addresses the foundations of classical and statistical mechanics that form
the basis of simulations. On one hand, it analyzes how Newton’s laws lead to the equations
of motion governing the evolution of a particle system. These equations allow the problem
to be formulated as a Hamiltonian system, whose mathematical structure imposes certain
properties that must be respected by numerical algorithms. One of the most relevant is
symplecticity—a property that must be preserved by integration methods to ensure physically
coherent long-term simulations. In this context, the Verlet algorithm and its variants
have been studied, highlighting their ability to conserve system energy over time and their
numerical stability compared to non-symplectic methods such as the Euler integrator. The
importance of selecting an appropriate integration step to ensure both stability and accuracy
has also been discussed.
On the other hand, the role of interaction potentials in molecular dynamics has been
analyzed, particularly classical force fields. These models approximate intermolecular forces
through terms representing bonds, angles, torsions, as well as Van derWaals and electrostatic
interactions. It has been emphasized how the choice of force field directly affects the precision
and applicability of the simulation, making proper parametrization essential to faithfully
represent the studied systems. Additionally, the importance of the level of detail with which
the system is represented has been highlighted, addressing the trade-off between accuracy
and computational cost.
An essential part of the work has been the discussion of the different thermodynamic
ensembles (NVE, NVT, NPT) and how they are implemented in practice through the use of
thermostats and barostats. The most commonly used methods have been examined, such as
the Berendsen and Nosé-Hoover thermostats, explaining their advantages, limitations, and
their impact on the system’s dynamics and statistics. Regarding barostats, the functioning of the Berendsen and Parrinello-Rahman methods has been explained, the latter being especially
useful in simulations of materials under stress.
Subsequently, the issue of simulation initialization has been addressed, highlighting the
importance of performing a prior energy minimization step to avoid artificial configurations
with high energies or particle overlaps. This step relies on optimization methods, such as gradient
descent or conjugate gradient, which allow for the identification of stable configurations
corresponding to local minima on the potential energy surface. In complex systems, where
this surface presents multiple local minima, the role of metaheuristics has been emphasized
as tools to escape from these minima and approach the global minimum. In this context,
Monte Carlo methods such as the Metropolis algorithm have also been introduced, offering
an alternative to molecular dynamics by generating random system configurations based on
probabilistic criteria.
A key aspect addressed in the project has been the use of reduced units in simulations.
This technique allows physical quantities to be expressed in a dimensionless form by using
characteristic parameters of the system as scaling factors. This not only simplifies the physical
expressions used but also improves numerical stability and facilitates comparison between
different simulations. Furthermore, it allows code generalization, since results can later be
rescaled to real physical units if desired. Finally, a pseudo-algorithm has been designed to
perform a molecular dynamics simulation using this unit system.
The great potential of molecular dynamics in real-world applications is also highlighted.
Its uses in materials science, computational chemistry, structural biology, and particularly
in drug design have been discussed. In the latter field, simulations help understand ligandprotein
binding, evaluate the stability of molecular complexes, and investigate interactions at
the atomic level. These capabilities are essential to accelerate the discovery of new treatments
for diseases such as cancer, HIV, and neurodegenerative disorders.
Finally, the project dedicates a section to the current limitations of molecular dynamics.
It analyzes how computational scalability remains a challenge, especially for large or longduration
simulations. It also points out the inability of classical force fields to accurately
describe quantum phenomena, which has motivated the development of hybrid approaches
such as the QM/MM method. Based on these limitations, several opportunities for improvement
are identified, focusing on the application of artificial intelligence techniques, the integration
of multiscale methods, and the exploitation of high-performance architectures—thus
reflecting the great potential of molecular dynamics.
In summary, this work provides an overview of molecular dynamics, covering its theoretical
foundations, computational methods, techniques for regulating thermodynamic conditions,
optimization strategies, and major applications in modern science. It concludes that, despite
its limitations, molecular dynamics is a fundamental tool for studying complex systems at
the atomic scale, with significant room for advancement.},
abstract = {Este Trabajo Fin de Grado se ha centrado en el estudio de la dinámica molecular (MD), una
técnica computacional que permite modelar sistemas atómicos y moleculares a partir de sus
interacciones. A lo largo del trabajo, se ha llevado a cabo un análisis exhaustivo de esta metodología,
abordando desde sus fundamentos teóricos hasta sus distintas aplicaciones prácticas,
con especial atención a las herramientas algorítmicas empleadas en las simulaciones.
En primer lugar, se ha introducido el contexto histórico y científico en el que surge la
dinámica molecular, desde los experimentos pioneros de Alder y Wainwright en los años
50, pasando por las contribuciones fundamentales de Rahman y Verlet, hasta los avances
tecnológicos que posibilitaron la aplicación de estos métodos al estudio de sistemas biológicos
complejos y materiales mediante el uso de ordenadores de alto rendimiento (HPC)
y unidades de procesamiento gráfico (GPUs). En resumen, se han identificado los hitos
que permitieron pasar de simulaciones simples de gases duros a simulaciones avanzadas
de proteínas, disolventes o redes cristalinas, consolidando la dinámica molecular como una
herramienta clave en ciencia de materiales, biofísica y diseño molecular.
Seguidamente, el trabajo aborda los fundamentos de la mecánica clásica y estadística que
sustentan las simulaciones. Por un lado, se ha analizado cómo, a partir de las leyes de Newton,
se establecen las ecuaciones de movimiento que gobiernan la evolución de un sistema de
partículas. Estas ecuaciones permiten formular el problema como un sistema hamiltoniano,
cuya estructura matemática impone ciertas propiedades que deben ser respetadas por los
algoritmos numéricos. Una de las más relevantes es la simplecticidad, propiedad que debe
preservarse en los métodos de integración para garantizar una simulación físicamente coherente
a largo plazo. En este contexto, se han estudiado el algoritmo de Verlet y sus variantes,
destacando su capacidad para conservar la energía del sistema a largo plazo y su estabilidad
numérica frente a otros métodos no simplécticos como el integrador de Euler. Asimismo, se
ha explicado la importancia de seleccionar un paso de integración adecuado para asegurar
tanto la estabilidad como la precisión de la simulación.
Por otro lado, se ha analizado el papel de los potenciales de interacción en dinámica
molecular, en particular los campos de fuerza clásicos. Estos modelos permiten aproximar las
fuerzas intermoleculares mediante términos que representan enlaces, ángulos, torsiones, así
como interacciones de Van der Waals y electrostáticas. Se ha destacado cómo la elección del
campo de fuerza condiciona directamente la precisión y aplicabilidad de la simulación, siendo
imprescindible una parametrización adecuada para representar con fidelidad los sistemas
estudiados. Además, se ha puesto de manifiesto la importancia del nivel de detalle con el
que se representa el sistema, abordando el trade-off entre precisión y coste computacional.
Una parte esencial del trabajo ha sido la discusión de los diferentes colectivos termodinámicos
(NVE, NVT, NPT) y cómo se implementan en la práctica mediante el uso de termostatos
y barostatos. Se ha profundizado en los métodos más utilizados, como los termostatos de Berendsen
y Nosé-Hoover, explicando sus ventajas, limitaciones y su impacto sobre la dinámica y la estadística del sistema. En el caso de los barostatos, se ha explicado el funcionamiento
del método de Berendsen y del método de Parrinello-Rahman, este último especialmente útil
en simulaciones de materiales sometidos a tensiones.
Posteriormente, se ha abordado el problema de la inicialización de las simulaciones, destacando
la importancia de realizar una etapa previa de minimización de energía para evitar
configuraciones artificiales con altas energías o solapamientos entre partículas. Esta etapa se
basa en métodos de optimización, como el descenso por gradiente o el gradiente conjugado,
que permiten encontrar configuraciones estables correspondientes a mínimos locales de la
superficie de energía potencial. En sistemas complejos, donde dicha superficie presenta múltiples
mínimos locales, se ha resaltado el papel de las metaheurísticas como herramientas
para escapar de estos mínimos y aproximarse al mínimo global. En este contexto, también
se han presentado los métodos de Monte Carlo, como el algoritmo de Metropolis, los cuales
ofrecen una alternativa a la dinámica molecular al generar configuraciones aleatorias del
sistema según criterios probabilísticos.
Un aspecto clave tratado en el trabajo ha sido el uso de unidades reducidas en las simulaciones.
Esta técnica permite expresar las magnitudes físicas de forma adimensional,
utilizando como escala parámetros característicos del sistema. Esto no solo simplifica las
expresiones físicas empleadas, sino que también mejora la estabilidad numérica y facilita
la comparación entre diferentes simulaciones. Además, permite generalizar el código, ya
que los resultados pueden reescalarse posteriormente a unidades físicas reales si se desea.
Finalmente, se ha diseñado un pseudo-algoritmo que realiza una simulación de dinámica
molecular que pone en práctica este sistema de unidades.
A continuación, se señala el gran potencial de la dinámica molecular en aplicaciones
reales. Se han comentado sus usos en ciencia de materiales, química computacional, biología
estructural y, en particular, en el diseño de fármacos. En este último ámbito, se ha discutido
cómo las simulaciones permiten entender el acoplamiento entre ligandos y proteínas, evaluar
la estabilidad de complejos moleculares e investigar las interacciones a nivel atómico. Estas
capacidades son fundamentales para acelerar el descubrimiento de nuevos tratamientos
frente a enfermedades como el cáncer, el VIH o enfermedades neurodegenerativas.
Finalmente, el trabajo dedica una sección a las limitaciones actuales de la dinámica molecular.
Se ha analizado cómo la escalabilidad computacional continúa siendo un desafío,
especialmente en simulaciones de gran tamaño o de larga duración temporal. También se ha
señalado la incapacidad de los campos de fuerza clásicos para describir con precisión fenómenos
de naturaleza cuántica, lo que ha motivado el desarrollo de enfoques híbridos como
el método QM/MM. A partir de estas limitaciones, se identifican diversas oportunidades de
mejora, centradas en la aplicación de técnicas de inteligencia artificial, integración de métodos
multiescala y en el aprovechamiento de arquitecturas de alto rendimiento, reflejando así
el gran potencial de la dinámica molecular.
En resumen, este trabajo ofrece una visión general de la dinámica molecular, abarcando
sus bases teóricas, sus métodos computacionales, las técnicas para regular condiciones termodinámicas,
las estrategias de optimización y las principales aplicaciones en ciencia moderna.
Se concluye que, pese a sus limitaciones, la dinámica molecular es una herramienta fundamental
para el estudio de sistemas complejos a escala atómica, con un amplio margen de
mejora.},
organization = {Universidad de Granada. Escuela Técnica Superior de Ingenierías Informática y de
Telecomunicación y Facultad de Ciencias. Grado en Ingeniería Informática y Matemáticas. Trabajo Fin de Grado. Curso académico 2024/2025},
publisher = {Universidad de Granada},
title = {Revisión bibliográfica sobre dinámica molecular. Modelización, algoritmos y aplicaciones},
author = {Arcila Pérez, Joaquín},
}