gmx-analyze - آنلاین در ابر

برنامه:

نام

gmx-analyze - تجزیه و تحلیل مجموعه داده ها

خلاصه

تجزیه و تحلیل gmx [-f [<.xvg>]] [-ac [<.xvg>]] [-msd [<.xvg>]] [-سی سی [<.xvg>]]
[-دور [<.xvg>]] [-از [<.xvg>]] [-هی [<.xvg>]]
[-bal [<.xvg>]] [-مناسب [<.xvg>]] [-g [<.log>]] [-[اکنون]
[-xvg ] [- [بدون] زمان] [-b ] [-e ]
[-n ] [-[نه]د] [-بله ] [-errbar ]
[- [نه] ادغام] [-aver_start ] [-[نه]اکسیدی]
[- [بدون] پسرفت] [-[نه]لوزار] [-دمای ]
[-فیت شروع ] [تناسب اندام ] [-فیلتر ]
[-[بدون قدرت] [- [نه] سوباو] [-[no]oneacf] [-اکفلن ]
[-[نه] عادی کردن] [-P ] [-fitfn ]
[-شروع ] [-endfit ]

شرح

gmx تحلیل یک فایل ASCII را می خواند و مجموعه داده ها را تجزیه و تحلیل می کند. یک خط در فایل ورودی ممکن است
با زمان شروع کنید (به گزینه مراجعه کنید -زمان) و هر تعداد از y- ارزش ها ممکن است به دنبال داشته باشند. مجموعه های متعدد
همچنین زمانی که آنها با & (گزینه) از هم جدا شوند قابل خواندن است -n) در این مورد فقط یکی y-ارزش
از هر خط خوانده می شود. تمام خطوطی که با # و @ شروع می شوند حذف می شوند. همه تحلیل ها می توانند
همچنین برای مشتق یک مجموعه (گزینه -d).

همه گزینه ها به جز -از و قدرت، فرض کنید نقاط از نظر زمانی مساوی هستند.

gmx تحلیل همیشه میانگین و انحراف معیار هر مجموعه و همچنین نشان می دهد
انحراف نسبی تجمع سوم و چهارم از توزیع گاوسی
با همان انحراف معیار

گزینه -ac تابع(های) خودهمبستگی را تولید می کند. مطمئن شوید که فاصله زمانی
بین نقاط داده بسیار کوتاهتر از مقیاس زمانی خودهمبستگی است.

گزینه -سی سی شباهت مجموعه i را با کسینوس دوره های i/2 ترسیم می کند. فرمول این است:

2 (انتگرال از 0 تا T از y(t) cos(i pi t) dt)^2 / انتگرال از 0 تا T از y^2(t) dt

این برای مؤلفه های اصلی به دست آمده از تحلیل کوواریانس مفید است، زیرا
اجزای اصلی انتشار تصادفی کسینوس خالص هستند.

گزینه -msd میانگین جابجایی مربع را تولید می کند.

گزینه -دور قطعه(های) توزیع را تولید می کند.

گزینه -از میانگین را روی مجموعه ها تولید می کند. نوارهای خطا را می توان با این گزینه اضافه کرد
-errbar. نوارهای خطا می توانند نشان دهنده انحراف استاندارد، خطا (با فرض
نقاط مستقل هستند) یا بازه ای که 90٪ از نقاط را در بر می گیرد، با حذف 5٪ از
نقاط بالا و پایین

گزینه -هی تخمین خطا را با استفاده از میانگین بلوکی تولید می کند. یک مجموعه به یک عدد تقسیم می شود
بلوک ها و میانگین ها برای هر بلوک محاسبه می شود. خطای میانگین کل است
از واریانس بین میانگین بلوک های m B_i به صورت زیر محاسبه می شود: error^2 =
مجموع (B_i - )^2 / (m*(m-1)). این خطاها به عنوان تابعی از اندازه بلوک رسم می شوند.
همچنین یک منحنی میانگین بلوکی تحلیلی با فرض اینکه همبستگی خودکار a است رسم می شود
مجموع دو نمایی منحنی تحلیلی برای میانگین بلوکی:

f(t) = sigma``*``sqrt(2/T ( آلفا (tau_1 ((exp(-t/tau_1) - 1) tau_1/t + 1)) +
(1-آلفا) (tau_2 ((exp(-t/tau_2) - 1) tau_2/t + 1))))

جایی که T کل زمان است. آلفا، tau_1 و tau_2 با برازش f^2(t) به دست می آیند
خطا^2. هنگامی که میانگین بلوک واقعی بسیار نزدیک به منحنی تحلیلی باشد، خطا رخ می دهد
sigma``*``sqrt(2/T (a tau_1 + (1-a) tau_2)) است. اشتقاق کامل در B داده شده است.
هس، جی. شیمی. فیزیک 116:209-217، 2002.

گزینه -bal جزء فوق سریع "بالستیکی" را از یک پیوند هیدروژنی می یابد و کم می کند
تابع خودهمبستگی با برازش مجموع نمایی، همانطور که در O توضیح داده شده است.
مارکوویچ، جی. شیم. فیزیک 129:084505، 2008. سریعترین ترم، عبارتی است که بیشترین
ضریب منفی به صورت نمایی یا با -d، یکی با بیشترین زمان منفی
مشتق در زمان 0. -nbalexp تعداد نمایی را متناسب با آن تنظیم می کند.

گزینه -جنس ثابت های سرعت دو مولکولی ka و kb (و به صورت اختیاری kD) را با هیدروژن مطابقت می دهد
تابع خودهمبستگی پیوند با توجه به مدل نوترکیبی جثه برگشت پذیر.
اکیداً توصیه می شود که ابتدا جزء بالستیک را حذف کنید. مدل در O ارائه شده است.
مارکوویچ، جی. شیم. فیزیک 129:084505، 2008.

گزینه -فیلتر نوسانات فرکانس بالای RMS هر مجموعه و روی همه مجموعه ها را چاپ می کند
با توجه به میانگین فیلتر شده فیلتر متناسب با cos (pi t/len) است که در آن t
از -len/2 به len/2 می رود. len با گزینه ارائه شده است -فیلتر. این فیلتر کاهش می دهد
نوسانات با دوره len/2 و لن به ترتیب با ضریب 0.79 و 0.33.

گزینه -g داده ها را با تابع داده شده با گزینه مطابقت می دهد -fitfn.

گزینه قدرت داده ها را با bt^a مطابقت می دهد، که با برازش در + b در انجام می شود
مقیاس ورود به سیستم. تمام نقاط بعد از صفر اول یا با مقدار منفی نادیده گرفته می شوند.

گزینه -لوزار تجزیه و تحلیل سینتیک لوزار و چندلر را بر روی خروجی انجام می دهد gmx hbond.
فایل ورودی را می توان به طور مستقیم از gmx hbond -ac، و سپس همان نتیجه باید باشد
تولید شده.

گزینه -fitfn برازش منحنی را با تعدادی منحنی مختلف انجام می دهد که منطقی هستند
زمینه دینامیک مولکولی، عمدتاً منحنی های نمایی. اطلاعات بیشتر در
کتابچه راهنمای. برای بررسی خروجی رویه اتصال گزینه -مناسب هر دو را چاپ خواهد کرد
داده های اصلی و تابع نصب شده در یک فایل داده جدید. پارامترهای برازش هستند
به عنوان نظر در فایل خروجی ذخیره می شود.

OPTIONS

گزینه هایی برای تعیین فایل های ورودی:

-f [<.xvg>] (graph.xvg)
فایل xvgr/xmgr

گزینه هایی برای تعیین فایل های خروجی:

-ac [<.xvg>] (autocorr.xvg) (اختیاری)
فایل xvgr/xmgr

-msd [<.xvg>] (msd.xvg) (اختیاری)
فایل xvgr/xmgr

-سی سی [<.xvg>] (coscont.xvg) (اختیاری)
فایل xvgr/xmgr

-دور [<.xvg>] (distr.xvg) (اختیاری)
فایل xvgr/xmgr

-از [<.xvg>] (average.xvg) (اختیاری)
فایل xvgr/xmgr

-هی [<.xvg>] (errest.xvg) (اختیاری)
فایل xvgr/xmgr

-bal [<.xvg>] (ballisitc.xvg) (اختیاری)
فایل xvgr/xmgr

-مناسب [<.xvg>] (fitted.xvg) (اختیاری)
فایل xvgr/xmgr

-g [<.log>] (fitlog.log) (اختیاری)
ورود به سیستم فایل

گزینه های دیگر:

-[اکنون (نه)
نمایش خروجی xvg, xpm, .پس و pdf فایل ها

-xvg
قالب بندی نمودار xvg: xmgrace، xmgr، هیچ

- [بدون] زمان (آره)
انتظار زمانی را در ورودی داشته باشید

-b (-1)
اولین بار است که از مجموعه می خوانم

-e (-1)
آخرین بار برای خواندن از مجموعه

-n (1)
خواندن این تعداد مجموعه جدا شده با &

-[نه]د (نه)
از مشتق استفاده کنید

-بله (0.1)
Binwidth برای توزیع

-errbar (هیچ)
نوارهای خطا برای -از: هیچ، stddev، خطا، 90

- [نه] ادغام (نه)
با استفاده از قانون ذوزنقه، تابع(های) داده را به صورت عددی ادغام کنید

-aver_start (0)
میانگین گیری انتگرال را از اینجا شروع کنید

-[نه]اکسیدی (نه)
مجموعه داده دوم را به عنوان خطا در مقادیر y برای ادغام تفسیر کنید

- [بدون] پسرفت (نه)
بر روی داده ها تحلیل رگرسیون خطی انجام دهید. اگر -xydy مجموعه دوم خواهد شد
به عنوان نوار خطا در مقدار Y تفسیر شود. در غیر این صورت، اگر مجموعه داده های متعدد
در حال حاضر یک رگرسیون چند خطی انجام خواهد شد که ثابت A که
به حداقل رساندن chi^2 = (y - A_0 x_0 - A_1 x_1 - ... - A_N x_N)^2 که در حال حاضر Y اولین است
مجموعه داده ها در فایل ورودی و x_i بقیه. اطلاعات را در
انتخاب -زمان.

-[نه]لوزار (نه)
تجزیه و تحلیل لوزار و چندلر را بر روی یک تابع همبستگی و مرتبط با آن انجام دهید
by gmx hbond. هنگامی که علاوه بر -xydy پرچم ستون دوم و چهارم داده می شود
به عنوان خطا در c(t) و n(t) تفسیر خواهد شد.

-دمای (298.15)
دما برای تحلیل سینتیک پیوند هیدروژنی لوزار (K)

-فیت شروع (1)
زمان (ps) که از آن برای شروع برازش توابع همبستگی به منظور به دست آوردن
ثابت سرعت رو به جلو و عقب برای شکستن و تشکیل HB

تناسب اندام (60)
زمان (ps) که در آن از برازش توابع همبستگی برای به دست آوردن آن جلوگیری کنیم
ثابت سرعت رو به جلو و عقب برای شکستن و تشکیل HB. فقط با -جنس

-فیلتر (0)
نوسانات فرکانس بالا را بعد از فیلتر کردن با فیلتر کسینوس این چاپ کنید
طول

-[بدون قدرت (نه)
برازش داده ها به: bt^a

- [نه] سوباو (آره)
قبل از همبستگی خودکار، میانگین را کم کنید

-[no]oneacf (نه)
یک ACF را در تمام مجموعه ها محاسبه کنید

-اکفلن (-1)
طول ACF، پیش‌فرض نصف تعداد فریم‌ها است

-[نه] عادی کردن (آره)
ACF را عادی کنید

-P (0)
ترتیب چند جمله ای لژاندر برای ACF (0 نشان دهنده هیچ کدام): 0، 1، 2، 3

-fitfn (هیچ)
تابع Fit: none، exp، aexp، exp_exp، exp5، exp7، exp9

-شروع (0)
زمان شروع برازش نمایی تابع همبستگی

-endfit (-1)
زمان پایان برازش نمایی تابع همبستگی، -1 است تا زمانی که
پایان

از gmx-analyze آنلاین با استفاده از خدمات onworks.net استفاده کنید