在 OVITO 中，可以使用 **Python 脚本接口** 计算多个帧的 **径向分布函数（RDF）** 并绘制 **配位数随距离变化的曲线（Coordination Number vs. r）**。这有助于分析原子间局部结构的统计信息。 --- ### ✅ 示例代码：计算 RDF 并生成配位数曲线（Coordination Number vs. r） ```python from ovito.io import import_file from ovito.modifiers import RDFModifier import matplotlib.pyplot as plt import numpy as np # 加载轨迹文件（例如 LAMMPS dump 文件） pipeline = import_file("trajectory.dump") # 添加 RDF 修改器 rdf_modifier = RDFModifier( bin_count=100, cutoff=5.0, center_particle_types=[1], # 中心原子类型（如金属离子） neighbor_particle_types=[2] # 配位原子类型（如配体或氧原子） ) pipeline.modifiers.append(rdf_modifier) # 执行计算 data = pipeline.compute() # 提取 RDF 数据 r = data.tables['rdf'].xy()[:, 0] # 距离 r g_r = data.tables['rdf'].xy()[:, 1] # RDF 值 g(r) # 计算粒子数密度 rho（单位：原子数 / 体积） rho = len(data.particles) / data.cell.volume # 计算配位数随 r 变化的曲线（积分到每个 r 值） coordination_numbers = [] for i in range(1, len(r)): integral = np.trapz(g_r[:i] * r[:i]**2, r[:i]) cn = 4 * np.pi * rho * integral coordination_numbers.append(cn) # 绘制配位数曲线 plt.plot(r[1:], coordination_numbers, label='Coordination Number') plt.xlabel('r (Å)') plt.ylabel('Coordination Number') plt.title('Coordination Number vs. r') plt.grid(True) plt.legend() plt.show() ``` --- ### ✅ 输出说明 - `r`：距离 bin（Å） - `g_r`：RDF 值 - `coordination_numbers`：从 0 到当前 r 的累计配位数 - 绘图显示了配位数随距离变化的趋势，可用于确定最佳配位半径（如第一个平台值） --- ### ✅ 注意事项 - 确保 OVITO 的 Python 环境已正确配置（建议使用 `ovito` 自带的 Python 环境）。 - `RDFModifier` 是第三方插件，需安装 `ovito-3rdparty-plugins`。 - 原子类型（`particle_types`）应根据你的系统设置调整。 - 可以对多个帧进行循环计算以获得更精确的平均曲线。 --- ### ✅ 应用场景 - 分析溶液中离子的溶剂化壳层结构 - 判断第一配位层的截止距离 - 研究液态或非晶态材料中的原子间配位关系 ---