粒子运动模拟方法、装置、设备、存储介质和程序产品与流程

1.本公开涉及计算机技术领域，具体涉及深度学习技术领域，尤其涉及一种粒子运动模拟方法、装置、设备、存储介质和程序产品。


背景技术：

2.分子动力学是一种计算机模拟方法，用于分析原子和分子的物理运动。允许原子和分子在固定的时间段内相互作用，从而了解空间内原子和分子之间的动态“演化”。原子和分子的轨迹是通过数值求解相互作用粒子系统的牛顿运动方程来确定的，其中粒子之间的力及其势能通常使用原子间势计算或分子力学力场计算。
3.目前的分子动力学模拟方法，占用大量的计算资源，数据处理效率较低。


技术实现要素：

4.本公开提供了一种粒子运动模拟方法、装置、设备、存储介质和程序产品。
5.本公开的一方面，提供了一种粒子运动模拟方法，包括：
6.获取指定空间中所包含粒子的当前运动信息；
7.将所述粒子的所述当前运动信息输入粒子信息获取模型中，得到所述粒子的能量和受力；
8.根据所述粒子的所述能量、所述受力和所述当前运动信息，确定所述粒子在下一时刻的目标运动信息。
9.本公开的另一方面，提供了一种粒子运动模拟装置，包括：
10.信息获取模块，用于获取指定空间中所包含粒子的当前运动信息；
11.模型处理模块，用于将所述粒子的所述当前运动信息输入粒子信息获取模型中，得到所述粒子的能量和受力；
12.信息确定模块，用于根据所述粒子的所述能量、所述受力和所述当前运动信息，确定所述粒子在下一时刻的目标运动信息。
13.本公开的另一方面，提供了一种电子设备，包括：
14.至少一个处理器；以及
15.与所述至少一个处理器通信连接的存储器；其中，
16.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
17.本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述的方法。
18.本公开的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令在被处理器执行时实现根上述的方法中的步骤。
19.在本公开的一些实施例中，获取指定空间中所包含粒子的当前运动信息，将粒子的当前运动信息输入至粒子信息获取模型中，自动得到粒子的能量和受力；进而根据粒子
的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息；基于信息获取模型的模拟方法，保证粒子运动模拟的准确性，提高数据处理效率。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1为本公开实施例一提供的一种粒子运动模拟方法的流程示意图；
23.图2为本公开实施例二提供的另一种粒子运动模拟方法的流程示意图；
24.图3为本公开实施例三提供的另一种粒子运动模拟方法的流程示意图；
25.图4a为本公开示例性实施例提供的一种粒子运动模拟装置的结构示意图；
26.图4b为本公开示例性实施例提供的另一种粒子运动模拟装置40的结构示意图；
27.图4c为本公开示例性实施例提供的一种信息确定模块的结构示意图；
28.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
具体实施方式
29.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
30.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
31.在本公开的技术方案中，深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，广泛应用于语音和图像识别领域。
32.分子动力学是一种计算机模拟方法，用于分析原子和分子的物理运动。允许原子和分子在固定的时间段内相互作用，从而了解空间内原子和分子之间的动态“演化”。原子和分子的轨迹是通过数值求解相互作用粒子系统的牛顿运动方程来确定的，其中粒子之间的力及其势能通常使用原子间势计算或分子力学力场计算。
33.对于像单个细胞这样小的系统和像气体云一样大而复杂的系统，使用分子动力学模拟来了解这些分子化合物随着时间推移如何表现。目前，使用从头算的分子动力学模拟方法，虽然在模拟中实现了高精度，但该模拟方法需要大量的计算资源，其应用被限制在最多包含数千个原子的较小系统中。
34.针对上述存在的技术问题，在本公开的一些实施例中，获取指定空间中所包含粒子的当前运动信息，将粒子的当前运动信息输入至粒子信息获取模型中，自动得到粒子的能量和受力；进而根据粒子的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息；基于信息获取模型的模拟方法，保证粒子运动模拟的准确性，提高数据处理效率。
35.以下结合附图，详细说明本公开各实施例提供的技术方案。
36.图1为本公开实施例一提供的一种粒子运动模拟方法的流程示意图。如图1所示，该方法包括：
37.s101：获取指定空间中所包含粒子的当前运动信息；
38.s102：将粒子的当前运动信息输入粒子信息获取模型中，得到粒子的能量和受力；
39.s103：根据粒子的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息。
40.在本实施例中，并不限定上述执行主体的具体实现形式，上述执行主体包括但不限于以下任意一种：
41.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。个人计算机，平板电脑、智能手机、智能电视、智能音响、智能穿戴设备和服务器。
42.当上述执行主体为服务器时，并不限定服务器的实现形态。例如，服务器可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。
43.在本实施例中，获取指定空间中所包含粒子的当前运动信息，将粒子的当前运动信息输入至粒子信息获取模型中，自动得到粒子的能量和受力；进而根据粒子的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息；基于信息获取模型的模拟方法，保证粒子运动模拟的准确性，提高数据处理效率。
44.需要说明的是，指定空间可以为真实空间，也可以为虚拟空间。
45.在一种实施例中，指定空间为真实空间中以第一选定原子为中心，第一设定半径范围内的空间区域。需要说明的是，本公开实施例对第一设定半径范围不作限定，可以根据实际情况作出调整。
46.在另一种实施例中，指定空间为虚拟空间中以第二选定原子为中心，第二设定半径范围内的空间区域。需要说明的是，本公开实施例对第二设定半径范围不作限定，可以根据实际情况作出调整。
47.需要说明的是，本公开实施例中的粒子可以为原子或者分子。
48.粒子的能量，为粒子的势能，粒子的能量包括原子能或者分子能。
49.在本实施例中，粒子的运动信息包括位置、速度、粒子能量和粒子总势能。相应地，当前运动信息包括当前位置、当前速度和粒子能量和粒子总势能；相应地，目标运动信息包括目标位置、目标速度和粒子总势能。
50.在上述实施例中，获取指定空间中所包含粒子的当前运动信息。一种可实现的方式为，人为预先设置虚拟空间，并在虚拟空间中添加粒子的当前位置、当前速度和粒子能量。
51.在上述实施例中，将粒子的当前运动信息输入粒子信息获取模型中，得到粒子的能量和受力。一种可实现的方式为，将粒子的当前位置和当前速度输入粒子信息获取模型中，得到粒子的能量和受力。
52.在使用粒子信息获取模型之前，首先需要对粒子信息获取模型进行训练，以下对粒子信息获取模型的训练过程作出说明。
53.首先，收集多个真实空间内的粒子，尽可能地覆盖多种类型的空间，以提升样本覆
盖率。接着，对多个真实空间内的粒子分别进行标注，得到粒子的运动信息样本、能量样本和受力样本，以形成训练样本集。
54.接着，可将标注好的训练样本集输入一初始深度学习模型中。在初始深度学习模型内部，可根据模型参数对训练样本集进行特征提取以及计算等操作，并由初始深度学习模型的输出层输出能量结果和受力结果。接着，初始深度学习模型的损失函数层，可根据输出层输出的能量结果和受力结果和训练样本集上的真实能量样本和受力样本的差别，计算损失函数。若损失函数不满足设定的要求，则可调整模型参数，继续迭代训练。当初始深度学习模型的损失函数满足设定的要求时，可得到训练完成的粒子信息获取模型。
55.在上述实施例中，在得到粒子的能量和受力后，根据粒子的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息。其中，目标运动信息包括目标位置、目标速度、粒子总势能和维力。因此，确定粒子在下一时刻的目标运动信息，包括但不限于以下几种信息确定方式：
56.信息确定方式一：根据每个粒子的受力、当前位置和当前速度，计算每个粒子在下一时刻的目标位置和目标速度。
57.信息确定方式二：根据每个粒子的能量，计算粒子在下一时刻的粒子总势能。
58.信息确定方式三：根据每个粒子的受力、当前位置和目标位置，计算粒子在下一时刻的维力。
59.在上述信息确定方式一中，根据每个粒子的受力、当前位置和当前速度，计算每个粒子在下一时刻的目标位置和目标速度。一种可实现的方式为，根据每个粒子的受力、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置和候选速度；判断当前迭代轮次是否大于预设迭代次数；在当前迭代轮次大于预设迭代次数的情况下，则将候选位置和候选速度，作为目标位置和目标速度。需要说明的是，本技术对预设迭代次数不作限定，预设迭代次数可以根据实际情况作出调整。预设迭代次数可以为1000次、10000次等。
60.其中，根据每个粒子的受力、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置和候选速度；判断当前迭代轮次是否大于预设迭代次数；在当前迭代轮次大于预设迭代次数的情况下，则将候选位置和候选速度，作为目标位置和目标速度；在当前迭代轮次小于等于预设迭代次数的情况下，则循环执行步骤s101、步骤s102，直至当前迭代轮次大于预设迭代次数。
61.例如，针对第999轮次，根据每个粒子的受力、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置和候选速度；999轮次小于1000次迭代次数，则继续循环执行步骤s101、步骤s102，直至第1001轮次，将1001轮次的每个粒子的候选位置和候选速度，作为目标位置和目标速度。
62.在一种可选实施例中，根据每个粒子的受力、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置和候选速度。一种可实现的方式为，根据每个粒子的受力和每个粒子的质量，计算每个粒子的加速度；根据加速度、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置；以及根据加速度和当前速度，计算当前迭代轮次的每个粒子的候选速度。
63.需要说明的是，根据每个粒子的受力和每个粒子的质量，计算。计算公式如下：
64.65.其中，f为每个粒子的受力，m为每个粒子的质量，为每个粒子的加速度。
66.其中，根据加速度和当前速度，计算当前迭代轮次的每个粒子的候选速度，计算公式如下：
[0067][0068]
其中，v为每个粒子的候选速度，v0为每个粒子的当前速度，为每个粒子的加速度，δt为从当前时刻到下一时刻的时间段。
[0069]
根据加速度、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置。计算公式如下：
[0070]
x＝x0+δx；
[0071][0072]
其中，x为每个粒子的候选位置，x0为每个粒子的当前位置，δx为每个粒子从当前时刻到下一时刻的位移，o(δt)为无穷小量，v0为每个粒子的当前速度，为每个粒子的加速度，δt为从当前时刻到下一时刻的时间段。
[0073]
在上述信息确定方式二中，根据每个粒子的能量，计算粒子在下一时刻的粒子总势能。一种可实现的方式为，将每个例子的能量相加，得到粒子在下一时刻的粒子总势能，以供后续用于指定空间的数据分析。
[0074]
在上述信息确定方式三中，根据每个粒子的受力、当前位置和目标位置，计算粒子在下一时刻的维力。一种可实现的方式为，根据当前位置和目标位置，计算每个粒子的位移；根据每个粒子的位移和每个粒子的受力，计算粒子在下一时刻的维力。例如，将每个粒子的位移和每个粒子的受力相乘，得到粒子在下一时刻的维力。本公开计算粒子在下一时刻的维力，以供后续用于指定空间的数据分析。
[0075]
本公开采用深度学习技术，能够对指定空间内的粒子进行模拟，实现通用、准确、计算高效和可扩展的原子间势能模型。关通过为每个粒子分配局部参考系和局部环境来尊重势能模型的广泛和对称不变的属性。指定空间包含有限数量的粒子，其局部坐标以保持对称的方式排列。然后通过深度学习模型将这些局部坐标转换为每个粒子的能量。将所有粒子的能量相加得出系统的总粒子势能，以供后续对指定空间内的相关数据进行分析。
[0076]
本公开实施例，在第一阶段，收集多个真实空间内的粒子的当前运动信息样本、能量样本和受力样本；根据多个真实空间内的粒子的当前运动信息样本、能量样本和受力样本，对初始深度学习模型进行训练，以得到粒子信息获取模型。在第二阶段，将粒子的当前运动信息输入粒子信息获取模型中，得到粒子的能量和受力。
[0077]
图2为本公开实施例二提供的另一种粒子运动模拟方法的流程示意图。如图2所示，该方法包括：
[0078]
s201：获取指定空间中所包含粒子的当前位置和当前速度；
[0079]
s202：将粒子的当前位置和当前速度输入粒子信息获取模型中，得到粒子的能量和受力；
[0080]
s203：根据每个粒子的受力、当前位置和当前速度，计算每个粒子在下一时刻的目标位置和目标速度；
[0081]
s204：根据每个粒子的能量，计算粒子在下一时刻的粒子总势能。
[0082]
在本实施例中，并不限定上述执行主体的具体实现形式，上述执行主体包括但不限于以下任意一种：
[0083]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。个人计算机，平板电脑、智能手机、智能电视、智能音响、智能穿戴设备和服务器。
[0084]
当上述执行主体为服务器时，并不限定服务器的实现形态。例如，服务器可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。
[0085]
在本实施例中，关于本公开实施例中的各步骤的实现方式可参见前述各实施例的描述，在此不再赘述。
[0086]
图3为本公开实施例三提供的另一种粒子运动模拟方法的流程示意图。如图3所示，该方法包括：
[0087]
s301：获取指定空间中所包含粒子的当前位置和当前速度；
[0088]
s302：将粒子的当前位置和当前速度输入粒子信息获取模型中，得到粒子的能量和受力；
[0089]
s303：根据每个粒子的受力、当前位置和当前速度，计算每个粒子在下一时刻的目标位置和目标速度；
[0090]
s304：根据每个粒子的能量，计算粒子在下一时刻的粒子总势能；
[0091]
s305：根据每个粒子的受力、当前位置和标位置，计算粒子在下一时刻的维力。
[0092]
在本实施例中，并不限定上述执行主体的具体实现形式，上述执行主体包括但不限于以下任意一种：
[0093]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。个人计算机，平板电脑、智能手机、智能电视、智能音响、智能穿戴设备和服务器。
[0094]
当上述执行主体为服务器时，并不限定服务器的实现形态。例如，服务器可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。
[0095]
在本实施例中，关于本公开实施例中的各步骤的实现方式可参见前述各实施例的描述，在此不再赘述。
[0096]
在本公开的上述方法实施例中，获取指定空间中所包含粒子的当前运动信息，将粒子的当前运动信息输入至粒子信息获取模型中，自动得到粒子的能量和受力；进而根据粒子的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息；基于信息获取模型的模拟方法，保证粒子运动模拟的准确性，提高数据处理效率。
[0097]
图4a为本公开示例性实施例提供的一种粒子运动模拟装置40的结构示意图。如图4a所示，该粒子运动模拟装置40包括信息获取模块41、模型处理模块42和信息确定模块43。
[0098]
其中，信息获取模块41，用于获取指定空间中所包含粒子的当前运动信息；
[0099]
模型处理模块42，用于将粒子的当前运动信息输入粒子信息获取模型中，得到粒子的能量和受力；
[0100]
信息确定模块43，用于根据粒子的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息。
[0101]
可选地，图4b为本公开示例性实施例提供的另一种粒子运动模拟装置40的结构示意图。如图4b所示，该粒子运动模拟装置40还包括模型训练模块44；
[0102]
模型训练模块44，用于收集多个真实空间内的粒子的当前运动信息样本、能量样本和受力样本；根据多个真实空间内的粒子的当前运动信息样本、能量样本和受力样本，对初始深度学习模型进行训练，以得到粒子信息获取模型。
[0103]
可选地，当前运动信息包括当前位置和当前速度，目标运动信息包括目标位置、目标速度和粒子总势能，图4c为本公开示例性实施例提供的一种信息确定模块43的结构示意图。如图4c所示，信息确定模块43包括：第一计算子模块431和第二计算子模块432；
[0104]
第一计算子模块431，用于根据每个粒子的受力、当前位置和当前速度，计算每个粒子在下一时刻的目标位置和目标速度；
[0105]
第二计算子模块432，用于根据每个粒子的能量，计算粒子在下一时刻的粒子总势能。
[0106]
可选地，目标运动信息还包括维力；第二计算子模块432，还可用于根据每个粒子的受力、当前位置和标位置，计算粒子在下一时刻的维力。
[0107]
可选地，第一计算子模块431在根据每个粒子的受力、当前位置和当前速度，计算每个粒子在下一时刻的目标位置和目标速度时，用于：
[0108]
根据每个粒子的受力、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置和候选速度；
[0109]
判断当前迭代轮次是否大于预设迭代次数；
[0110]
在当前迭代轮次大于预设迭代次数的情况下，则将候选位置和候选速度，作为目标位置和目标速度。
[0111]
可选地，第一计算子模块431在根据每个粒子的受力、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置和候选速度时，用于：
[0112]
根据每个粒子的受力和每个粒子的质量，计算每个粒子的加速度；
[0113]
根据加速度、当前位置和当前速度，计算当前迭代轮次的每个粒子的候选位置；以及
[0114]
根据加速度和当前速度，计算当前迭代轮次的每个粒子的候选速度。
[0115]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。同时，本公开文本处理装置也能取的与上述文本处理方法相应的有益效果。
[0116]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0117]
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限
制本文中描述的和/或者要求的本公开的实现。
[0118]
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0119]
设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0120]
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如上述粒子运动模拟方法。例如，在一些实施例中，粒子运动模拟方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行上文描述的粒子运动模拟方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行粒子运动模拟方法。
[0121]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0122]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0123]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom
或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0124]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0125]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。
[0126]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0127]
在本公开的上述装置、设备、存储介质和计算机程序产品实施例中，获取指定空间中所包含粒子的当前运动信息，将粒子的当前运动信息输入至粒子信息获取模型中，自动得到粒子的能量和受力；进而根据粒子的能量、受力和当前运动信息，确定粒子在下一时刻的目标运动信息；基于信息获取模型的模拟方法，保证粒子运动模拟的准确性，提高数据处理效率。
[0128]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。
[0129]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。