分子动力学模拟跨膜namd能量最小化

有没有高水帮助一下，想问一下，NAMD跑分子动力学模拟时，分子跨膜，在能量最小化阶段，会出现膜分裂是为什么呢？能量最小化完成后，膜又会合成整体。

膜的初始构象过于紧密或过于松散，可能会导致分裂。
再检查检查力场选择（立场不合适）以及模拟参数（速度过快、步长过大等）设置。

这些原因都有可能，一个个排查一下。

如果有帮助，请点击一下采纳该答案～谢谢

不知道你这个问题是否已经解决, 如果还没有解决的话:

你可以看下这个问题的回答https://ask.csdn.net/questions/7501903
你也可以参考下这篇文章：编程随机生成一个类似下图的湖，其中湖面用一个封闭的多边形表示，数字值大于0，代表水深，岸线数字值为0，湖泊的面积是不规则的，并且湖中各处的水深也不一样。
除此之外, 这篇博客: 使用物价水平修正票房数据，长津湖还是票房冠军吗？中的 一、内地电影总票房数据 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
票房数据来源于内地票房总榜--
艺恩娱数
打开F12，选择网络，选择XHR格式，最后选择响应，如下图！
通过查看响应，可以发现该Post请求返回一个JSON，如果更清楚的看清JSON内部的数据，可以使用网站对JSON进行格式化，如在线JSON校验格式化工具（Be JSON）。通过对JSON格式化后，可以清楚看到该数据包括我们最需要的数据，即电影名、上映时间与累计票房。JSON格式化如下图：
最简单的方式就是将该JSON字符串直接复制到Python代码里，可以发现与网站格式化的效果一模一样。如下图。
此时可以将data变量当作字典类型使用，并使用split函数对上映时间进行处理，让时间字段只包含上映年份。详情如下图，可以看到分别打印出前10个数据的片名、上映年份与票房。
但此时发现了一件非常尴尬的事情，就是这个网站的前端界面只显示前50名的票房。囧！
不过没关系，我们仔细看看返回这个JSON的post，发现了这个奥秘就在这个“top:50”里，所以该请求只给前端界面返回了前50个排名，同时注意到“type:1”，这个是用来区分全部、国产与进口的！读者可以试试，当选择进口的时候，type就会变成2。
运气还不错，使用最简单的Post就可以直接得到返回。从下图可以看出，我们已经成功得到了前500名的数据，跳出了前端界面的限制。写爬虫的时候经常也可以发现这种情况，服务器发给前端的数据，前端只是选择性的显示，比如人人贷的贷款数据，从界面上是无法看见借款人的借款理由，但通过F12可以发现服务器返回的数据是包含借款理由这个字段，只是前端不显示而已。
然后就将这些数据一起存到pandas的DataFrame里，方便后期处理。详细代码与结果如下：
```
dataDf = pd.DataFrame()
for myIndex,each in enumerate(res["data"]["table0"]):
    dataDf = dataDf.append(pd.DataFrame({"MovieName":each["MovieName"],
                                "ReleaseTime":each["ReleaseTime"].split("-")[0],
                                    "BoxOffice":each["BoxOffice"]},index=[myIndex]))
dataDf
```
这时候就可以先把未经过通货膨胀修正时的内地总票房排名画出来！！代码与图见下：
pandas.plot()参考资料：【python】详解pandas.DataFrame.plot( )画图函数_brucewong0516的博客-CSDN博客
```
#kind:barh 横向条状图
#figsize:图片尺寸大小
#legend=False:不显示图例
#color:设置颜色
#fontsize:设置标签文字大小
#list[::-1] -> 倒序

dataDf[:20][::-1].plot("MovieName","BoxOffice",kind='barh',figsize=(16,8),fontsize=15,legend=False,
                color=["grey","gold","darkviolet","turquoise","r","g","b","c",
               "k","darkorange","lightgreen","plum", "tan","khaki", "pink", "skyblue","lawngreen","salmon"])
```
至此，对电影榜的数据的处理暂时到此，接下来需要添加衡量物价水平的指标。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^