玻尔百科无数原子间的集体相互作用是如何产生物质的宏观性质的，例如水的流动性与晶体的刚性？理解微观世界与宏观世界之间的这种联系是科学领域的一项核心挑战。虽然在原子尺度上直接观测通常是不可能的，但凝聚相模拟提供了一个强大的虚拟实验室来弥合这一差距。通过构建一个由物理定律支配的“盒子里的宇宙”，我们可以观察物质如何自组织、预测其行为，并揭示其涌现性质背后的基本机制。然而，创建一个忠于现实的数字复制品绝非易事。我们如何才能在不借助计算上不可能实现的量子计算的情况下，精确描述数万亿原子之间的作用力？我们又如何模拟一个小的、有限的系统，使其能够代表无限的体相材料？
本文将通过探讨这些问题，揭开凝聚相模拟世界的神秘面纱。在第一章“原理与机制”中，我们将深入探讨基本概念，从分子力场的构建到使这些模拟成为可能的巧妙算法，如周期性边界条件和 Ewald 求和。我们将揭示近似的艺术以及在建模复杂物理现象时固有的权衡。在此之后，“应用与跨学科联系”一章将展示这些方法的强大威力，演示模拟如何作为虚拟显微镜来解析材料结构、预测动态性质，并探索从化学反应到蛋白质相分离乃至中子星碰撞的各种现象。读完本文，您不仅会理解这些模拟的工作原理，还会领略到它们所开辟的广阔科学前景。
想象一下，您想在盒子里构建一个宇宙。不是一个由恒星和星系组成的宇宙，而是一个分子的宇宙——一滴水、一块盐晶体、一条 DNA 链。您会怎么做？您需要为这个宇宙编写物理定律。您需要一张蓝图，告诉每一个原子如何移动，如何与邻居互动，以及如何响应周围世界的 jostling 和 bumping。这就是凝聚相模拟的精髓：我们成为一个微观世界的建筑师，这个世界由我们定义的规则所支配，目的是为了理解物质的集体之舞如何产生我们所观察到的性质。
我们模拟宇宙的核心是一套称为力场的规则。这并非磁场或引力场那种弥漫于空间中的“场”。相反，它是一个配方——一个数学函数，给出整个系统在任何给定原子排布下的势能（）。一旦我们有了这个能量函数，原则上其余部分就变得简单明了。任何原子所受的力就是这个能量景观的负梯度（即“下坡方向”），。有了力，我们就可以利用牛顿第二定律 来計算每個原子的加速度，并预测其随时间的运动。
因此，巨大的挑战在于定义这个势能函数 。我们无法为数万亿个原子求解完整的量子力学薛定谔方程；这在计算上是不可能的。取而代之，我们使用经典近似，一个能够捕捉基本物理的简化模型。该模型通常将总能量分为两大类：键合相互作用和非键相互作用。
一个简单的水分子完美地展示了这些组成部分。
键合相互作用是维持分子整体性的力。可以把它们看作分子局部的“内部线路”：
键伸缩： 氧原子和氢原子之间的共价键行为酷似一根硬弹簧。它有一个优选的平衡长度 。如果您拉伸或压缩它，势能会增加，通常遵循谐振子规则，如 。
角弯曲： 三个相连的原子，如水分子中的 H-O-H 基团，也偏好特定的几何构型——一个平衡角 。将这个角弯曲偏离其理想位置需要消耗能量，这也通常被建模为谐振子弹簧：。
扭转或二面角相互作用： 对于由四个原子组成的链，还存在另一个自由度：围绕中心键的旋转。这由一个二面角来描述。与此旋转相关的能量不是简单的弹簧；它通常是一个周期函数，像一道平缓的波浪，描述了对某些交错式或重叠式构象的能量偏好。正是这一项赋予了长链分子（如蛋白质和聚合物）灵活性。
非键相互作用支配着那些没有被少数幾個鍵直接连接的原子之间如何“看待”彼此。正是這些相互作用使液体之所以为液体，固体之所以为固体。它们也主要有两种：
Lennard-Jones 势： 这是两种力的故事，它支配着凝聚态物质的存在本身。当两个原子相距很远时，它们感受到一种微弱的长程吸引力，这是其电子云中短暂的量子涨落（称为伦敦色散力）的结果。这是将分子粘合在一起的“胶水”。但如果您试图将它们推得太近，它们会以一种极其强大的排斥力来抵抗，这是泡利不相容原理的结果，该原理禁止它们的电子云重叠。Lennard-Jones 势，，优雅地捕捉了这种相互作用。吸引性的 项将分子拉拢在一起，而极为陡峭的 排斥墙则阻止它们塌缩成一体，从而定义了它们的有效尺寸。
库仑相互作用： 分子内的原子很少完美地共享电子。这使得一些原子带有轻微的正部分电荷，而另一些则带有轻微的负部分电荷。这些部分电荷通过我们熟悉的库仑定律相互作用，。正是这种静电相互作用赋予了水卓越的性质，驱动了氢键的形成，并引导了药物分子与其靶蛋白之间的特异性识别。
这里出现了一个微妙之处：这些非键相互作用是否适用于所有原子对？不完全是。对于在分子结构中非常接近的原子（由一或两个键连接），它们的相互作用已经由键合的弹簧状项主导。再包含它们之间的非键作用力将是重复计算。因此，力场通常排除了由一或两个键分隔的原子对（即所谓的 1-2 和 1-3 原子对）之间的非键相互作用。对于由三个键分隔的原子（1-4 原子对），非键相互作用通常会被包含，但会通过一个经验因子进行缩减，因为它们的行为是扭转效应和非键效应的混合。对于所有相距更远的原子，则应用完整的 Lennard-Jones 和库仑相互作用。
我们的能量函数中的所有参数——弹簧常数（）、平衡值（）、Lennard-Jones 参数（）和部分电荷（）——从何而来？这就是参数化的艺术，一个在物理严谨性与实用主义之间寻求平衡的过程。
一种方法是“自下而上”：使用更基本的量子力学理论来计算小而孤立分子的这些性质，然后希望它们在一个大系统中也能奏效。对于键合参数，这种方法效果很好。量子力学可以告诉我们一个分子的精确平衡几何形状以及其键和角的刚度。
但对于非键相互作用，这种方法揭示了一个深刻的挑战。液体中的一个真实水分子并非孤立实体。它被邻居包围，邻居的电场会扭曲它的电子云，这种现象称为电子极化。这意味着液相中水分子的偶极矩平均而言显著大于气相中水分子的偶极矩。
我们简单的力场，及其固定的部分电荷，是不可极化的。每个模型分子的偶极矩是刚性的。我们怎么可能期望正确地模拟液体呢？答案是一种聪明但略嫌取巧的折衷。我们不显式地模拟极化（这在计算上代价高昂），而是建立一个“有效”模型。我们选择模型水分子的部分电荷和几何形状，使其不匹配气相值，而是产生一个更大的、固定的偶极矩，以模拟液相中平均的极化偶极矩。参数是通过“自上而下”的方法选择的：调整它们，直到液体模拟能够再现其密度和汽化热等实验性质。另一种现代方法涉及将参数直接拟合到从液体本身的高保真量子力学模拟中计算出的力，这隐式地捕捉了这些多体效应。
这种折衷是巧妙的，但它也带来了后果。通过建立一个能够正确反映平均性质的模型，我们可能无法捕捉到依赖于涨落的性质。静态介电常数（）就是一个典型的例子。这个性质衡量材料屏蔽电场的能力，与系统总偶极矩的涨落有关。由于不可极化模型缺乏涨落的诱导偶极子，它们系统性地、显著地低估了水的介lelectric 常数，得到的值通常在 30 左右，而非实验值 80。这是建模权衡中的一个精彩教训：简单性是以保真度为代价换来的，每个模型都是一幅漫画，仅在其预期领域内有用。
现在我们有了规则，我们需要一个让原子们表演的舞台。模拟宏观数量的分子（）是不可能的。我们只能处理几千个或最多几百万个。如果我们将它们放入一个简单的盒子中，我们的大多数原子都会位于表面，与真空相互作用。这与体相液体完全不同。
解决方案是一个巧妙的数学技巧：周期性边界条件 (PBC)。想象您的模拟盒子是一个无限的三维马赛克中的一块瓷砖。当一个粒子从右侧离开盒子时，它会立即从左侧重新进入。当它从顶部离开时，它会从底部回来。这创造了一个无缝的、准无限的宇宙，没有表面来破坏我们的体相模拟。
然而，这个优雅的想法与长程库仑相互作用结合时，却产生了一个怪物。我们中心盒子里的一个电荷现在不仅与其盒子里的所有其他电荷相互作用，还与所有周围瓷砖中所有无限的周期性镜像相互作用。如果我们试图天真地对这些 相互作用求和，我们会遇到数学上的灾难。这个和是条件收敛的：它的值取决于我们添加项的顺序！。这不仅仅是一个数学上的怪癖；它具有物理意义。对扩展的球壳求和与对扩展的立方体求和会得到不同的答案，这对应于远离我们系统的不同宏观边界条件。
为了驯服这个无穷大，我们使用了 Ewald 求和（及其现代、更快的实现，如粒子网格 Ewald，或 PME）这个优美的方法。该方法的核心思想是将有问题的 势分解为两个行为良好的部分。它通过在每个点电荷周围添加和减去一团“屏蔽”电荷（通常是高斯分布）来实现这一点。一个电荷与其自身的直接、被屏蔽势的相互作用现在是短程的，可以在实空间中快速求和。剩下的部分——平滑的补偿电荷云之间的相互作用——则利用傅里叶变换在倒易空间中高效计算。这种技术只有在模拟盒子中的总电荷为零时才有效，从而为大多数周期性模拟建立了电中性的基本要求。
一个纯粹在牛顿定律下演化的模拟将守恒总能量（）。这对应于微正则 (NVE) 系综。然而，现实世界的实验很少在恒定能量下进行。更常见的是，它们在恒定温度（）和压力（）下进行。为了模拟这些条件，我们必须引入控制这些变量的算法。
为了控制温度，我们使用恒温器。但在模拟中什么是温度呢？从统计力学中，我们知道能量均分定理，它指出对于处于平衡态的经典系统，平均动能与温度成正比：。恒温器通过从粒子中增加或移除动能来工作，以将这个平均值保持在目标值。
这需要仔细计算自由度的数量，。我们从 个原子的 个自由度开始，但我们必须为施加于系统的每个约束减去一个自由度，例如固定键长或移除质心的整体漂移。更重要的是，一个只关注总动能的恒温器可能会被愚弄。一个臭名昭著的病态是“飞行冰块”效应，其中能量缓慢地从高频振动渗透到平动中。振动模式“冻结”，而分子作为一个整体移动得越来越快。总动能可能是正确的，但系统远未达到热平衡，因为能量没有在所有模式间均勻分配 [@problemid:3491701]。此外，经典能量均分定理本身在低温或对于量子效应变得重要且模式“冻出”的极高频振动时会失效，这是我们经典描述的一个根本限制 [@problemid:3491701]。
类似地，恒压器通过允许模拟盒子的体积涨落来控制压力。这也需要小心。如果我们正在模拟一个带有真空界面的材料板（以研究表面性质），一个试图等比例缩放所有盒子维度的各向同性恒压器会感应到真空的零压力并导致盒子非物理地坍缩。在这种情况下，必须使用一个仅在平行于板的方向上控制压力的各向异性恒压器。这些算法使我们能够在正则 (NVT) 和等温等压 (NPT) 系综中进行模拟，这些系综更接近真实的实验室条件。
所有这些原理和机制——力场、周期性边界条件、Ewald 求和、恒温器和恒压器——都是为了一个宏伟的目标而存在的工具：让我们的小型、有限的、计算机模拟的系统能够告訴我們一些关于宏观世界的有意义的事情，这个状态被称为热力学极限。
但有限的模拟始终只是一个近似。当我们研究相变时，这一点再清楚不过了，比如冰的融化或水的沸腾。在现实世界中，这些转变是无限尖锐的；在沸点处，热容发散。然而，在任何有限尺寸的模拟中，我们只会看到一个平滑的、有限的峰。
其原因深刻而优美。一个具有有限数量粒子的系统的配分函数 是解析函数（指数函数）的有限和。解析函数的有限和总是解析的。像热容这样的热力学量是通过对 求导得出的。由于解析函数的导数也是解析的，它们不可能有真正的奇点或发散。尖锐的相变是非解析性的标志，只有当配分函数中的和变成无穷和——即在热力学极限（）中——才会出现。我们实际的做法是运行几种不同系统尺寸的模拟，观察平滑的峰如何变得越来越高、越来越尖锐，通过外推其行为来追逐那个难以捉摸的无限。这就是我们盒子里的宇宙的最终目标：利用一个有限的、精心构建的世界来揭示我们所居住的无限世界中涌现的、集体的、且常常是令人惊讶的法则。
我们花了一些时间学习游戏规则——支配凝聚相模拟的基本原理和机制。我们学会了如何描述原子间的力，如何逐步求解它们的运动方程，以及如何维持适当的热力学环境。这就像学习国际象棋的规则：我们知道棋子如何移动，什么是合法走法，以及游戏的目标是什么。但学习规则是一回事，下一盘精彩的棋局则完全是另一回事。
现在，我们开始游戏。用我们的“盒子里的宇宙”，我们可以玩哪些宏大的游戏？我们会发现，我们简单的模拟单元可以变成一台时间机器、一个功能强大到不可思议的显微镜，以及一个用于锻造只存在于恒星核心的物质状态的虚拟坩埚。我们将看到这些计算游戏不仅仅是幻想，而是与现实世界直接相连的严谨工具——从解释一杯水的结构到预测碰撞中子星的死亡颤音。让我们踏上一段旅程，探索这些模拟的应用和跨学科联系，见证它们所揭示的深刻的科学统一性。
模拟最直接的馈赠是一幅图景。我们可以看到原子在哪里。但科学要求的不仅仅是一幅图景；它要求量化。如果我们模拟一种液体，说它“无序”意味着什么？如果我们冷却它直到它结冰，我们如何表征正在出现的有序？我们的虚拟显微镜必须配备测量工具。
关于液体或固体结构，我们能问的最简单的问题是：“原子之间喜欢靠多近？”模拟以径向分布函数 的形式提供了一个强有力的答案，你可以将其视为原子“社交距离”的统计度量。它告诉你从一个中心原子出发，在距离 处找到另一个原子的概率。但这只是一个平均值。为了获得更深入的见解，我们可能会问：“一个典型的原子有多少个直接邻居？”这就是它的配位数。
这个看似简单的问题已经揭示了模拟世界的丰富性。在任何给定的瞬间，液体中的一个原子都有一群短暂、转瞬即逝的邻居。粒子们 jostle，一个邻居可能在飞秒内就消失了。模拟使我们能够捕捉这个瞬时配位数。通过对所有原子并在很长一段时间内平均这个计数，我们可以提炼出一个稳定的宏观属性：时间平均配位数。这是对材料局部堆积的直接、定量的测量。定义“邻居”的方式也很巧妙——我们可以使用一个简单的距离截断，通常通过观察 的第一个极小值来选择，或者采用一种更复杂的、无参数的几何构造，称为 Voronoi 镶嵌。在 Voronoi 镶嵌中，空间被划分为单元，每个单元包含比其他任何原子都更接近某个特定原子的点。如果两个原子的单元共享一个面，则它们被定义为邻居。
但知道一个原子有多少邻居只是故事的一部分。下一个更深刻的问题是：这些邻居是如何排列的？ 这种局部排列是晶体的一个微小、完美的片段吗？还是别的什么？在研究液体如何冻结成晶体，或者它如何未能结晶而变成玻璃时，这一点尤为关键。为了回答这个问题，物理学家们借用量子力学的工具，发展出了一套优美的数学语言——Steinhardt 键取向序参数。
想象一下，从一个中心原子向其所有邻居画出向量。这些序参数，通常表示为 和 ，就像这些向量形成的几何图案的“指纹” [@problem_gbt:2478237]。它们的构造方式使其与你如何定向样本无关，从而给出了一个纯粹的形状度量。通过计算这些数字，我们可以提出精确的问题。这个局部原子簇看起来像面心立方（FCC）晶体吗？还是体心立方（BCC）？或者它可能具有二十面体对称性——一种著名的、在重复晶格中被禁止的美丽五重对称性。在模拟液体中出现许多二十面体簇通常是它将抵抗结晶并容易形成玻璃的标志。这个工具将我们的模拟从仅仅是点的集合转变为一个竞争性局部对称性的景观，揭示了决定材料命运的微妙结构之战。
到目前为止，我们一直关注静态快照。但材料的灵魂在于其运动。原子们永远 engaged 在一场错综复杂的集体舞蹈中。这场舞蹈并非随机；它是一首交响曲，其音乐是我们观察到的宏观属性。模拟的一个强大特性是它能够记录这首交响曲并将其翻译成我们能理解的语言。
最直接的联系之一是光谱学。实验主义者可以用光照射材料，并测量哪些频率（或“颜色”）被吸收或散射。例如，红外（IR）光谱揭示了分子偶极矩可以振荡的特征频率。拉曼光谱则揭示了与分子极化率（其在电场中的“可压缩性”）振荡相关的频率。模拟如何预测这些光谱呢？
答案在于统计物理学中最优美的原理之一：涨落-耗散定理。从本质上讲，它指出系统对一个小的外部“踢动”的响应方式与其在热平衡中自身如何自然地 jiggles 和 fluctuates 密切相关。要计算红外光谱，我们根本不需要模拟光！我们只需运行我们的平衡模拟，并记录整个系统总偶极矩 的时间演化。这个信号 包含了所有偶极活性振动的音乐。一种称为傅里叶变换的数学工具随后将这首复杂的歌曲分解为其组成频率，从而得到红外吸收光谱。类似地，通过跟踪系统总极化率张量 的涨落，我们可以计算拉曼光谱。这是一个深刻的联系：分子的微观、自发之舞决定了材料对光的宏观响应。
分子的舞蹈也支配着物质如何穿过材料——即其输运性质。考虑一种离子液体，一种在室温下熔融的盐。它是一种带电离子的流体。两个关键性质是其黏度 （其对流动的抵抗力）和其离子电导率 （其导电能力）。从第一性原理预测这些是一个重大挑战。在这里，模拟揭示了正确把握 underlying physics 的至关重要性。
一个简单的模拟模型可能会将离子视为具有固定的、刚性的电荷。这常常导致一种正负离子“过于粘稠”的景象——它们的吸引力被高估了。这种过度结合使得模拟的液体过于结构化和迟缓。结果呢？计算出的黏度过高，而电导率过低，因为离子被人为地粘在一起成对。解决方案是使用一个更复杂的模型：可极化力场（PFF）。在 PFF 中，我们承认每个离子的电子云不是刚性的；它可以被其邻居的电场扭曲或极化。这种极化有效地屏蔽了裸电荷，削弱了它们的吸引力。离子变得不那么粘稠。结果是模拟出的液体黏度更低，电导率更高，与实验吻合得更好。这是模拟科学中反馈循环的一个绝佳例子：与实验的差异指出了模型中缺失的物理，而改进模型则带来更准确的预测。
除了观察，我们还可以将我们的模拟盒用作一个虚拟实验室，主动操纵物质。我们可以挤压它、加热它、冷却它，然后观察会发生什么。我们可以用它作为一个计算坩埚来研究相变甚至化学反应。
让我们试着制造一块玻璃。我们取一种液体并迅速冷却它。实验上，液体性质从流体状变为固体状的温度是玻璃化转变温度 。模拟这个过程揭示了物理学与数值方法之间迷人而微妙的相互作用。物理冷却速率当然很重要——冷却得越快，表观 越高。但模拟有自己的时钟：积分时间步长 。如果我们粗心大意，选择了一个太大的 会怎样？模拟可能不会崩溃，但数值误差会破坏动力学。它们就像一种人为的摩擦，使得粒子在给定温度下的移动性低于应有的水平。因此，系统会更早地、在更高的温度下脱离平衡，导致更高的表观 和一个更不松弛、能量更高的玻璃。这是模拟工艺中的一个关键教训：我们的数值工具并非通向现实的完美透明窗口；它们有自己的特性，可能会影响我们试图捕捉的物理现象。
模拟世界的另一个 artifact 是盒子本身。为了模拟体相材料，我们使用周期性边界条件，用我们中心单元的无限副本铺满整个空间。这个聪明的技巧可能会产生意想不到的后果。想象一下试图模拟液体结晶成简单立方晶格。正在形成的晶体有其自然的、优选的间距。但模拟盒强加了它自己的一套允许波长。如果盒子尺寸与晶格“合拍”或相称，结晶可能会被人为地变得容易。如果“不合拍”，这种不匹配可能会阻碍和挫败该过程。通过在立方盒与一个拉伸的、体积相同的长方体盒中模拟相同的液体，人们可以发现盒子的形状可以极大地改变模拟系统找到正确结晶路径的难易程度。这是一个美丽的提醒，我们必须始终对我们在虚拟世界中施加的约束持批评态度。
也许最激动人心的前沿是模拟化学反应本身——键的断裂和形成。这需要特殊的力场，如 ReaxFF 或经验价键（EVB）模型，它们可以平滑地描述键变化时的势能面。有了这样的工具，我们就可以计算化学反应的速率。核心思想来自过渡态理论。反应被描绘成跨越自由能景观上的一个“山口”。这个山口的高度是自由能垒 。通过计算这个垒（通常使用诸如伞形采样等先进技术），我们可以估算反应速率。
但我们如何知道我们找到了山口的真正顶峰，即不归点？这就是一项名为 committor 分析的强大技术发挥作用的地方。我们找到我们推测的势垒顶部，并从那里发射一群轨迹。如果我们真的找到了过渡态，它应该是一个完美的“分水岭”：我们的轨迹应该正好有一半滑入产物谷，另一半滑回反应物谷。如果 committor 概率不是 ，这意味着我们选择的反应坐标有缺陷，我们没有找到真正的分割面。这种热力学（）和动力学（committor 分析）的结合，为从底层理解化学反应性提供了一个严谨而强大的框架。
当我们进行这些计算时，我们还必须小心地将它们与正确的实验可观测量联系起来。我们感兴趣的是亥姆霍兹自由能 （对于恒容（）模拟是自然的），还是吉布斯自由能 （这通常是在恒压（）实验室实验中测量的）？对于像分子溶解在溶剂中或药物与蛋白质结合这样的过程，相关的量是吉布斯自由能的变化 。因此，最直接的方法是在 系综中运行模拟。如果我们为了计算方便而选择在恒容下运行它，我们必须记住应用明确定义的校正，将我们计算出的 转换为所需的 。这种细致的核算将我们的计算结果锚定在热力学基石之上。
我们讨论过的工具和概念并不仅限于简单的材料。它们的普适性使其能够解决科学中一些最复杂和最令人敬畏的问题，从活细胞的内部运作到恒星的灾难性碰撞。
让我们深入细胞内部。很长一段时间里，我们都把细胞内部想象成一锅混合均匀的蛋白质汤。现在我们知道这是错误的。许多蛋白质有一种惊人的能力，可以从这锅“汤”中凝聚出来，形成独特的、类似液体的液滴，称为无膜细胞器。这个过程，即液-液相分离（LLPS），对细胞组织至关重要。是什么驱动它？使用粗粒化模拟，其中整个氨基酸或蛋白质片段被表示为单个“珠子”，我们可以发现其中的规律。通过模拟具有特定正负电荷模式的长蛋白质链，模拟显示一些序列——比如那些电荷 segregated 成块的序列——由于静电吸引而容易凝聚。其他序列，比如那些电荷交替的序列，则倾向于相互排斥并保持溶解状态。模拟揭示了蛋白质的一级序列如何作为一种编码，决定其集体的、相分离的行为，从而将基因组与细胞的大尺度结构联系起来。
现在让我们离开地球，前往巨行星。在木星上层云顶，温度为寒冷的 K，压力为 bar，那里的氨是什么样的？我们不容易取到样本。但我们可以在计算机里建造一个“虚拟木星”。使用从头算分子动力学（AIMD），其中力是根据量子力学定律（特别是密度泛函理论）即时计算的，我们可以在这些精确条件下模拟一箱氨分子。我们必须小心选择正确的协议：一个代表体相流体的周期性盒子，用 NPT 系综来施加正确的温度和压力，以及一个包含微妙但至关重要的范德华力的理论水平。结果是一个计算实验，让我们能够探测在一个完全陌生的环境中物质的结构和动力学。
最后，让我们考虑可以想象的最极端环境：中子星的核心。这些城市大小的天体包含着被压缩到远超原子核密度的物质。当两颗这样的恒星碰撞时，它们会释放出大量的引力波。这个引力波信号的精确“啁啾”声对于恒星在合并前相互引力作用下的变形方式极为敏感。这种“可挤压性”，或称潮汐形变能力，是由超致密核物质的状态方程（EoS）——其压力和能量密度之间的关系，——决定的。
我们究竟如何确定这个 EoS？我们使用相同的概念工具！核理论家基于相对论量子场论（如相对论平均场模型）或非相对论能量泛函（如 Skyrme 模型）来建立相互作用的质子和中子的模型。这些模型的参数是根据地球上的核物理实验数据校准的。然后，经过验证的模型被用来计算中子星疯狂密度下的 EoS。这个 EoS 随后作为输入传递给巨大的数值相对论模拟，这些模拟求解爱因斯坦方程以描述合并的时空。预测的引力波形随后可以与 LIGO 和 Virgo 等天文台探测到的信号进行比较。在理论与观测的惊人交汇中，来自 GW170817 合并事件的信号已经被用来排除某些核物质模型，从而对处于存在边缘的物质属性施加了严格的约束。
从液体的局部结构，到蛋白质的折叠，再到两颗死亡恒星的最后旋入——从某种意义上说，这都是凝聚态物理学的问题。粒子根据力运动的简单思想，当与统计力学和量子力学定律相结合时，为描述物质提供了一种通用的语言。计算机模拟盒是我们探索这个宇宙的门户，是一个其力量仅受限于我们对自然法则的理解和我们运用它们的独创性的工具。