Académique Documents
Professionnel Documents
Culture Documents
THESE
Pour obtenir le grade de
En Chimie
Spécialité : Dynamique moléculaire
par
Alexandre PERRET
le 11 Décembre 2014
Un très grand merci au département technique du GSMA pour les moments épiques
passés ensemble et pour m’avoir supporté le midi pendant les dernières semaines
de rédaction. Votre joie de vivre m’a fait le plus grand bien. Merci à vous Nico C.,
Nico D., Greg, Bruno, Fred et Hélène.
Je tiens également à remercier tous les footeux du jeudi soir. Grâce à eux, j’ai
pu oublier pendant quelques instants les durs aléas de la vie de doctorant. Merci
à vous Jordane, Youen, Matthieu, Lionel, Valentin, Gilberto, Florian, Samad, Ar-
mando et tous ceux que j’ai pu oublier.
J’aimerais à présent remercier du fond du coeur mes parents qui ont toujours cru
en moi et qui m’ont soutenu sans faillir à chaque étape de ma vie d’étudiant. Sans
eux, rien de tout ceci n’aurait été possible. Maman, Papa, je ne vous remercierai
jamais assez. Merci à ma soeur Charline ; je te souhaite tout le bonheur du monde.
Merci à toute ma famille.
Un grand merci également à Danièle et Dominique pour leurs encouragements et
l’immense plaisir qu’ils m’ont fait en assistant à ma soutenance.
Enfin, je vais remercier les deux personnes qui me sont le plus cher. Tout d’abord
un immense merci à mon ami Christophe "Cutoff" Narth. Chris, tu m’as donné
énormément sans jamais demandé en retour, tu m’as accompagné dans mes soi-
rées sans fin et mes nuits blanches, tu m’as continuellement encouragé et supporté.
Un merci encore plus grand à Fanny, ma douce et tendre. Tu as été mon phare pen-
dant 3 ans, ton soutien et ton amour sans faille m’ont permis de continuer envers
4
et contre tout. Tu n’as jamais cessé de croire en moi.
5
Etude des propriétés de transport du CO2 et de l’éthanol en solution hydroalcoolique par dynamique
moléculaire classique : application aux vins de Champagne
Résumé : Les travaux présentés dans ce manuscrit sont consacrés à l’étude de la diffusion du dioxyde de carbone dissous
et de l’éthanol dans une solution hydroalcoolique modèle représentant le champagne. La première partie de ce travail aborde
les différents formalismes de la diffusion moléculaire, ainsi que les méthodes théoriques et expérimentales utilisées pour rendre
compte de ce phénomène de transport. Une attention particulière est apportée à la dynamique moléculaire en champ de forces
classiques qui est utilisé dans ce travail avec le logiciel GROMACS. Cette méthode théorique procure un point de vue novateur
dans la recherche sur le champagne et plus particulièrement sur le rôle de chaque espèce majoritaire dans la diffusion du CO2 .
La spectroscopie RMN, ainsi qu’une méthode expérimentale basée sur l’étude du taux de grossissement des bulles, ont égale-
ment été utilisées. Dans la deuxième partie, les résultats théoriques et expérimentaux sont présentés et comparés entre eux afin
de valider le protocole des simulations de dynamique moléculaire. Les viscosités de la solution modèle et du champagne, ainsi
que les rayons hydrodynamiques du CO2 et de l’éthanol sont également étudiés. La dernière partie du manuscrit concerne le
partenariat avec l’entreprise Bull et l’étude des performances du logiciel GROMACS. L’expertise des équipes de Bull, ainsi que
les outils développés par l’entreprise, permettent d’étudier le passage à l’échelle (ou "scalabilité") et le comportement parallèle
de GROMACS pour la modélisation du champagne.
Mots-clés : Diffusion moléculaire, dynamique moléculaire classique, dioxyde de carbone, éthanol, modèles d’eau, RMN,
taux de grossissement des bulles, rayon hydrodynamique, performance de GROMACS.
Study of transport properties of CO2 and ethanol in a hydroalcoholic solution by classical molecular
dynamics : application to Champagne wines
Abstract : The work presented in this manuscript is devoted to the study of the diffusion of dissolved carbon dioxide and
ethanol in a hydroalcoholic solution model representing Champagne wines. The first part of this work deals with the different
formalisms of molecular diffusion, as well as theoretical and experimental methods used to account for this phenomenon of
transport. Particular attention is paid to the classical force field molecular dynamics that is used in this work with the GRO-
MACS software. This theoretical approach provides a new perspective in research on champagne and particularly on the role of
each of the main species in CO2 diffusion. NMR spectroscopy, and an experimental method based on the study of the bubbles
growth rate, were also used. In the second part, the theoretical and experimental results are presented and compared with each
other to validate the protocol of molecular dynamics simulations. The viscosities of the model solution and of the champagne,
as well as the hydrodynamic radii of CO2 and ethanol, are also investigated. The last part of the manuscript focuses on the part-
nership with the Bull company and the study of the GROMACS software performance. The expertise of and the tools developed
by the Bull company are used to study the scalability and the parallel behavior of GROMACS for modeling champagne.
Keywords : Molecular diffusion, classical molecular dynamics, carbon dioxide, ethanol, water models, NMR, growth rate
of bubbles, hydrodynamical radius, GROMACS performance.
Introduction 23
1 Introduction générale 23
2 Histoire de la diffusion 25
3 Le champagne 33
3.1 L’élaboration du champagne . . . . . . . . . . . . . . . . . . . . 33
3.2 La composition chimique du champagne . . . . . . . . . . . . . . 37
3.3 Formation et grossissement des bulles . . . . . . . . . . . . . . . 39
3.3.1 La nucléation . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.2 La diffusion . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 La diffusion moléculaire 45
4.1 Diffusion de Fick . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1.1 Flux et systèmes binaires . . . . . . . . . . . . . . . . . . 45
4.1.2 Systèmes ternaires . . . . . . . . . . . . . . . . . . . . . 47
4.1.3 Systèmes multicomposants . . . . . . . . . . . . . . . . . 47
4.2 Diffusion de Maxwell-Stefan . . . . . . . . . . . . . . . . . . . . 50
4.2.1 Systèmes binaires . . . . . . . . . . . . . . . . . . . . . . 50
4.2.2 Systèmes multicomposants . . . . . . . . . . . . . . . . . 51
TABLE DES MATIÈRES
Bibliographie 233
Annexes 247
8.1 Coefficients de diffusion de l’éthanol avec les deux modèles d’eau 164
8.2 Coefficients de diffusion de l’éthanol issues des pics RMN CH2
et CH3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
Les enfants, et parfois même certains adultes aiment s’amuser à faire des
bulles de savons les plus grandes possibles. Pour cela, nous soufflons de l’air de
nos poumons et plus précisément, nous expirons du dioxyde de carbone (CO2 )
marquant ainsi la dernière étape du cycle de la respiration. Ne dit-on pas que les
poumons de la Terre sont les océans ? Des algues marines microscopiques appe-
lées coccolithophoridés "respirent", ou plutôt absorbent le dioxyde de carbone dis-
sous dans les océans pour former un exosquelette de calcaire les recouvrant [1, 2].
La Nature est aussi parfois capricieuse. En effet, en 1986 le lac Nyos au Came-
roun a "expiré" ou plutôt libéré environ un kilomètre cube de CO2 , qui était sto-
cké dans les eaux profondes. Une "expiration" fatale à toute forme de vie dans un
rayon de 30 km [3, 4]. Afin de mieux comprendre et expliquer ces phénomènes,
il est nécessaire de s’intéresser au dénominateur commun : le CO2 . Cependant,
leur dimensionnalité reste un obstacle à leur investigation. Le CO2 , et plus par-
ticulièrement sa diffusion dans un liquide, peut tout de même être étudié à une
échelle plus raisonnable. Il s’avère que ce processus joue un rôle majeur dans une
célèbre boisson effervescente : le champagne. En effet, la diffusion du CO2 dis-
sous est le phénomène responsable de la formation et du grossissement des bulles.
Le groupe de spectrométrie moléculaire et atmosphérique (GSMA) à Reims, un
laboratoire de recherche interdisciplinaire qui combine des approches théoriques
et expérimentales en physique de l’atmosphère et en planétologie, contient en ses
murs l’équipe Effervescence, Champagne et Applications (ECA). Cette dernière
CHAPITRE 1. INTRODUCTION GÉNÉRALE
24
Chapitre 2
Histoire de la diffusion
Lorsque l’on fait tomber une goutte d’encre dans un verre d’eau, l’encre va
lentement se propager dans l’eau. Au début, on observe une tâche d’encre concen-
trée à un endroit précis dans le verre. Puis la concentration de la tâche va diminuer
en même temps que l’encre va se propager dans le liquide pour au final se mélan-
ger de façon homogène avec l’eau et donner une couleur uniforme au liquide.
Le processus responsable du mouvement de l’encre dans l’eau s’appelle la diffu-
sion. Ce phénomène est causé par un mouvement aléatoire des molécules qui va
mener à un mélange homogène. La diffusion est un processus lent. Dans les gaz,
le taux de propagation est d’environ 5 cm/min ; dans les liquides 0.05 cm/min et
dans les solides environ 10−5 cm/min [7].
Albert Einstein, Adolf Fick ou encore Robert Brown sont souvent les premiers
noms qui viennent à l’esprit lorsque l’on parle de diffusion. Il est vrai que c’est
Einstein qui, le premier, fait la passerelle entre le monde microscopique et le
monde macroscopique de la diffusion. Il exprime une quantité macroscopique,
le coefficient de diffusion, en termes de données microscopiques, les mouvements
aléatoires de particules. Ces mouvements aléatoires ont été observés pour la pre-
mière fois par Robert Brown en 1827. Au travers de son microscope, il nota que
des particules, trouvées dans des grains de pollen dans l’eau, bougeaient dans
l’eau mais il fut incapable de déterminer le mécanisme à l’origine de ce mouve-
ment [8] (cf figure 2.1). On parle aujourd’hui de mouvement brownien pour définir
CHAPITRE 2. HISTOIRE DE LA DIFFUSION
Ce phénomène de transport fut modélisé pour la première fois par Louis Bachelier,
un mathématicien, en 1900 dans sa thèse "La théorie de la spéculation", dans la-
quelle il présente son modèle de processus stochastique (maintenant appelé "mou-
vement brownien") qu’il utilise pour évaluer les stocks options dans le monde de
la finance un domaine bien éloigné du phénomène physique observé par Brown.
La première étude sur la diffusion fut menée par un chimiste écossais du nom de
Thomas Graham. Entre 1828 et 1833, il étudia la diffusion des gaz, et plus exac-
tement le taux d’échange de deux gaz en utilisant l’appareillage présenté figure
2.2 [9, 10]. Le tube est rempli d’hydrogène qui va diffuser à travers le bouchon et
en dehors du tube tandis que l’air diffuse à travers le bouchon et à l’intérieur du
tube. Graham observe alors un changement du niveau d’eau dans le tube puisque
la diffusion de l’hydrogène est plus rapide que la diffusion de l’air. Il formula
alors une loi (connue aujourd’hui sous le nom de loi de Graham) énonçant que la
vitesse à laquelle le gaz bouge est inversement proportionnelle à la racine carrée
26
CHAPITRE 2. HISTOIRE DE LA DIFFUSION
de sa masse molaire :
vA MB
r
= (2.1)
vB MA
où vA et vB sont les vitesses moyennes des atomes et MA et MB sont les masses
molaires des molécules A et B qui composent les gaz.
Graham montra que la diffusion dans les liquides est plusieurs ordres de gran-
deur plus faible que dans les gaz. Il est bon de signaler également que Thomas
Graham fut l’inventeur de la dialyse, une technique de purification par diffusion
à travers une membrane. Non seulement Graham mit en place la première expé-
rience quantitative sur la diffusion, mais il fut le premier à déterminer un coeffi-
cient de diffusion de manière fiable, même si la notion de coefficient de diffusion
n’était pas encore établie à cette époque [11].
L’avancée majeure suivante sur la théorie de la diffusion est venue d’un allemand,
Adolf Fick, bien que la majorité de ses travaux ne concernait pas la diffusion mais
la physiologie. En reprenant les travaux de Graham sur la diffusion de sel dans
l’eau [12], il développa un protocole mathématique pour le phénomène de diffu-
sion [13] en utilisant le même modèle mathématique que la loi de Fourier sur la
conduction de la chaleur ou la loi d’Ohm sur la conduction de l’électricité. Il pos-
tula que le flux de sel entre deux volumes infinitésimaux de l’espace remplis avec
27
CHAPITRE 2. HISTOIRE DE LA DIFFUSION
des solutions du même sel mais de concentrations différentes devait être inverse-
ment proportionnel à la distance entre les volumes. Fick utilisa le montage expé-
rimental de Graham pour étudier la diffusion du sel dans l’eau, ce qui impliquait
l’utilisation d’un cylindre vertical. Il définit alors un flux total unidimensionnel J
comme suit :
∂c
J = −k (2.2)
∂x
où J le flux de matière, c la concentration et x la distance entre les deux volumes.
Ceci est la première esquisse de ce qui sera connue comme la première loi de Fick
pour la diffusion. Le terme k est bien évidemment le coefficient de diffusion ou
ce que Fick appelle "une constante dépendant de la nature de la substance". La
loi fondamentale de la diffusion est donnée par l’équation différentielle suivante,
qu’il dériva d’après le développement mathématique de Fourier [14] :
2
∂c ∂ c 1 ∂A ∂c
=k + (2.3)
∂t ∂ x2 A ∂ x ∂ x
∂c ∂ 2c
=k 2 (2.4)
∂t ∂x
Des solutions mathématiques à cette équation ont commencé à émerger sous l’im-
pulsion de James Maxwell [15] et Josef Stefan [16] qui étudièrent en parallèle la
diffusion dans les gaz et les liquides, respectivement.
Dans la deuxième moitié du XIXème siècle, des études métallurgiques ont ou-
vert la voie à l’étude de la diffusion dans les solides. William Chandler Roberts-
Austen, un métallurgiste anglais qui fut assistant de Graham, s’intéressa à l’in-
terdiffusion entre deux corps, liquides ou solides. Il réalisa des expériences sur
la diffusion de métaux précieux (Au, Pt, Rh) dans le plomb liquide entre autres,
puis appliqua ses techniques à l’étude de la diffusion de l’or dans le plomb so-
lide [17]. Il est intéressant de noter que les coefficients de diffusion de l’or dans
le plomb déterminés par Roberts-Austen sont proches de ceux déterminés par des
28
CHAPITRE 2. HISTOIRE DE LA DIFFUSION
r f − ~r0 ||2 i
MSD = h||~ (2.5)
29
CHAPITRE 2. HISTOIRE DE LA DIFFUSION
t
~R = ∑ ~ri (2.7)
i=1
Les équations de Fick et Einstein ont ouvert la voie à de nouvelles études, de nou-
velles expériences, dans le but de déterminer des coefficients de diffusion dans des
fluides et des solides et d’identifier les mécanismes atomiques et moléculaires des
mouvements aléatoires dans le cadre de développements théoriques. De nombreux
30
CHAPITRE 2. HISTOIRE DE LA DIFFUSION
scientifiques, de Perrin à nos jours, se sont penchés sur la diffusion tels que Von
Hevesy qui utilisa des traceurs radioactifs de plomb pour étudier la diffusion dans
les sels, les liquides et le plomb solide [22], ou Kirkendall qui étudia la diffusion
dans le laiton et mis en évidence le mouvement de la couche limite entre le zinc et
le cuivre causé par une différence entre les taux de diffusion des deux métaux [23].
Le champagne est un vin renommé depuis des siècles, cependant cela ne fait
qu’une quinzaine d’années que la recherche s’attelle à décortiquer le phénomène
d’effervescence. Lorsque le champagne est versé dans un verre, le dioxyde de car-
bone et les composés organiques volatils s’échappent selon deux processus : sous
la forme de bulles et par diffusion à travers la surface libre du verre. C’est le phé-
nomène de diffusion à l’origine des ces deux processus qui nous intéresse et sur
lequel nous allons concentrer l’essentiel de notre travail. Il nous faut donc un peu
mieux connaître ce vin prestigieux.
31
Chapitre 3
Le champagne
VEtOH mEtOH
%v/v = × 100 = × 100
Vtotal ρEtOHVtotal
(3.2)
2msucres MEtOH 2 × 180 × 46
= × 100 = × 100 ≈ 11.7
Msucres ρEtOHVtotal 180 × 789 × 1
msucres 24
mCO2 = 2 × × MCO2 = 2 × × 44 ≈ 12 g (3.3)
Msucres 180
c = kH PCO2 (3.4)
ρEtOH 789
nEtOH (110 mL) = V= × 0.110 ≈ 1.887 mol (3.5)
MEtOH 46
Si l’on ajoute à cette valeur la quantité de matière d’éthanol produit par les
24 g de sucres (pour un litre de vin) qui est :
msucres 24
nEtOH = 2 × = 2× ≈ 0.267 mol (3.6)
Msucres 180
(CO2 )aq + H2 O −
−
)*
−− H2 CO3 (3.8)
+ −
H2 CO3 + H2 O −
−
)*
−− H3 O + HCO3 (3.9)
2−
HCO−
3 + H2 O )
−−
*
−
+
− H3 O + CO3 (3.10)
pH−−log[H3 O+ ] (3.11)
3.3.1 La nucléation
Pour créer des bulles, le dioxyde de carbone doit passer d’une forme en solu-
tion à un état gazeux. Ce passage d’une phase de la matière à une autre est appelée
nucléation. Deux types de nucléation existent : on parle de nucléation homogène
lorsque les bulles se forment au coeur du liquide (ce qui n’est pas le cas dans le
champagne) et de nucléation hétérogène lorsque les bulles ont besoin d’un site de
nucléation pour pouvoir se former [27].
Lorsque l’on regarde d’un peu plus près notre flûte remplie de champagne, on
distingue assez facilement que la plupart des bulles semblent naître sur les parois
du verre. Une des grandes idées perçues est que les bulles naîtraient dans les an-
fractuosités du verre. En réalité, les bulles ne se forment pas sur les défauts trop
rares du verre, mais sur des petites particules présentent à la surface du verre.
Ces particules sont appelées sites de nucléation. Ce sont, soit des cristaux de sels
tartriques (bitartrate de potassium ou calcium), soit des fibres de cellulose. Ces
fibres se présentent sous la forme de particules cylindriques, creuses, de tailles al-
lant de quelques dizaines à quelques centaines de micromètres avec une ouverture
de quelques micromètres. Ces fibres de cellulose proviennent de l’air ambiant ou
du torchon utilisé pour essuyer les verres [6, 41].
La cellulose est un composé végétal principalement présent dans le bois. Les mo-
lécules de cellulose sont des polysaccharides, c’est-à-dire des polymères de sucre.
Le monomère est le β -D-glucopyranose, version cyclisée de la molécule de glu-
cose (cf section 3.2). L’assemblage de ces monomères en chaînes linéaires forme
F IGURE 3.2 – Poche de gaz piégée à l’intérieur du lumen d’une fibre de cellulose
dans un verre de champagne. Image capturée à l’aide d’une caméra haute vitesse
à une fréquence de 1000 img/s.
3.3.2 La diffusion
Une fois la poche de gaz piégée dans le lumen, le dioxyde de carbone dissous
dans le champagne va progressivement venir charger cette poche de gaz. Cette
dernière va alors grossir jusqu’à atteindre une des deux extrémités de la fibre et
être libérée sous la forme d’une petite bulle. Au moment de cette libération, la
poche de gaz va se scinder en deux. Une partie va être relâchée sous forme de
bulle et la deuxième va rester dans le lumen, permettant ainsi au phénomène de
se perpétuer. La libération des bulles va alors se produire jusqu’à ce qu’il n’y ait
plus assez de dioxyde de carbone dissous pour charger la poche de gaz (lorsque
la concentration en CO2 dissous atteint environ 2.4 g/L). Une fois les bulles de
gaz relâchées, elles vont, sous l’effet de la poussée d’Archimède, remonter à la
surface tout en grossissant. En effet, le CO2 dissous, en plus de charger les poches
de gaz piégées, vient également charger les bulles de sorte qu’elles grossissent et
donc accélèrent tout au long de leur ascension (voir figure 3.3). Le mécanisme
responsable de ces deux processus est la diffusion moléculaire. Ce mécanisme est
également responsable de la désorption du dioxyde de carbone à travers la surface
libre du verre [27].
F IGURE 3.3 – Le CO2 dissous dans le champagne vient charger les poches de
gaz, ainsi que les bulles relâchées par diffusion. Aux extrémités, deux fibres de
cellulose et au centre, probablement un cristal de sel tartrique. Images capturées à
l’aide d’une caméra haute vitesse à une fréquence de 1000 img/s.
Méthodologie Théorique et
Expérimentale
Chapitre 4
La diffusion moléculaire
N
~ i = ci~ui (4.1)
avec
n
∑ ~Ji = ~0 (4.4)
i=1
En combinant les équations (4.1) et (4.3), on peut relier le flux molaire d’une
espèce à son flux diffusif molaire :
N
~ i = ~Ji + ci~u (4.5)
N
~ i = ~Ji + ci~u = ~Ji + xi N
~t (4.6)
Reprenons l’exemple de la goutte d’encre dans l’eau pour illustrer les propos pré-
cédents. Ce système encre/eau est un système binaire composé de deux espèces
1 (encre) et 2 (eau = solvant). Soit c1 et c2 les concentrations molaires des es-
pèces 1 et 2, et x1 et x2 les fractions molaires des espèces respectives, alors le flux
diffusif ~J1 est relié au gradient de la fraction molaire par la première loi de Fick
(schématisée par la figure 4.1) :
Le flux molaire diffusif ~J3 associé à l’espèce 3 est simplement défini d’après
l’équation (4.4) à partir des deux flux ~J1 et ~J2 :
Il faut faire cependant très attention quant à la signification des quatre coefficients
de diffusion présents dans l’équation (4.10). Ces coefficients (qui peuvent prendre
des valeurs négatives) n’ont pas la même signification que le coefficient de diffu-
sion d’un système binaire. Ils ne reflètent pas les interactions de l’espèce 1 avec
l’espèce 2. Ces coefficients de diffusion Di j sont des coefficients de diffusion mul-
ticomposants et Di j 6= D ji en général.
(4.10), le flux ~Jn s’exprimant toujours à l’aide des n − 1 autres flux. La loi de Fick
généralisée (pour n espèces) peut donc être écrite comme suit [43] :
n−1
~Ji = −ct ∑ Di j~∇x j (4.12)
j=1
avec
n−1
~Jn = − ∑ ~Ji (4.13)
i=1
où (J) et (∇x) sont des vecteurs colonnes représentant les flux molaires diffusifs
et les gradients de fractions molaires, respectivement. Dans ce cas, la matrice [D]
des coefficients de diffusion de Fick est une matrice carrée de dimension (n − 1) ×
(n − 1) :
D11 D12 D13 · · · D1,n−1
D21 D22 D23 · · · D2,n−1
[D] = . .. (4.15)
.
. .
Dn−1,1 Dn−1,2 Dn−1,3 · · · Dn−1,n−1
Dans notre étude, nous avons travaillé sur la diffusion du CO2 dans l’eau et dans
une solution hydroalcoolique composée d’éthanol et d’eau. Le système CO2 /eau
correspond à un système binaire et le coefficient de diffusion de Fick est bien ca-
ractéristique du phénomène de diffusion dans le système. Par contre le système
CO2 /éthanol/eau est un système ternaire, on ne pourra donc pas, a priori, caracté-
riser la diffusion d’une espèce dans le mélange par la loi de Fick applicable aux
systèmes binaires. La question se pose néanmoins quant à l’utilité de la méthode
de Fick généralisée pour le champagne, un mélange multicomposants essentielle-
ment composé d’eau. En particulier, peut-on utiliser l’approximation de dilution
infinie dans ce système ? [43] En d’autres termes, peut-on considérer en première
approximation que toutes les molécules du champagne sont "infiniment" diluées
dans l’eau ? Dans ces conditions, seuls les termes diagonaux de [D] seraient non
nuls car la contribution de gradients de concentrations de molécules présentes à
l’état de trace dans un mélange n’a aucun effet sur la diffusion des molécules
environnantes, et on obtiendrait :
Bien que dans notre modèle, l’eau représente environ 95 % de la quantité de ma-
tière et 90 % de la masse totale (cf section 5.3), on ne peut pas considérer le CO2
et l’éthanol comme étant infiniment dilués dans l’eau. En effet, dans l’approxi-
mation de dilution infinie, les flux des espèces i doivent seulement dépendre du
gradient de concentration de l’espèce i. Or, même si le CO2 est l’espèce la moins
présente dans le modèle, le flux de CO2 dépend des gradients de concentration du
CO2 et de l’éthanol. Dès lors, nous pouvons au mieux supposer que les flux de
CO2 et d’éthanol peuvent être représentés par la loi de Fick pour les systèmes bi-
naires avec un coefficient de diffusion effectif (6= Dii ) qui prend en compte l’effet
des autres molécules. L’équation (4.16) devient :
∂c ~ ~
+ ∇ · (Nt x) = ~∇ · (ct D~∇x) (4.18)
∂t
~∇x1 = − x1 x2 (~
u1 − u~2 )
Ð12
(4.20)
~∇x2 = − 1 2 u2 − u~1 )
x x (~
Ð21
Etant donné que ~∇x1 + ~∇x2 = ~0, les coefficients de diffusion de Maxwell-Stefan,
que l’on notera Ð par opposition à ceux de Fick notés D, pour un système binaire
sont symétriques par construction : Ð12 = Ð21 . De la même façon que pour la
diffusion de Fick dans un système binaire, seul un gradient de fraction molaire est
nécessaire pour définir la diffusion. Et en utilisant les équations N
~ i = ci~ui (4.1) et
N
~ i = ~Ji + ci~u (4.5) :
~∇x1 = − x1 x2 (~
u1 − u~2 ) x2 N
~ 1 − x1 N
~2 x2 ~J1 − x1 ~J2
=− =− (4.21)
Ð12 ct Ð12 ct Ð12
n xi~J j − x j~Ji
~di = ∑ (4.23)
j=1 ct Ði j
j6=i
n n−1
∑ ~Ji = 0 ⇒ ~Jn = − ∑ ~Ji (4.24)
i=0 i=1
on rappelle que nous n’avons besoin que de n − 1 termes pour décrire la diffusion
dans un système à n espèces. L’équation (4.23) devient alors :
n xi~J j − x j~Ji
ct ~di = ct
∑ ct Ði j
j=1
j6=i
xi ~ n−1 xi~J j n x~
j Ji
= Jn + ∑ −∑
Ðin j=1 Ði j j=1 Ði j
j6=i j6=i
n−1 n x~
1 1 ~ xi ~ j Ji
= −xi ∑ − Jj − Ji − ∑
j=1 Ðin Ði j Ðin j=1 Ði j
j6=i j6=i
xi n x n−1
1 1
j ~
= −
+∑ Ji − ∑ xi − ~J j
Ðin j=1 Ði j j=1 Ð in Ð ij
j6=i j6=i
(4.25)
n−1
ct ~di = −Bii~Ji − ∑ Bi j ~J j
j=1
j6=i
n x
xi j
Bii = +∑ (4.26a)
Ðin j=1 Ði j
j6=i
1 1
Bi j = −xi − (4.26b)
Ði j Ðin
L’équation (4.25) peut maintenant s’écrire sous la forme d’une matrice de dimen-
sion n − 1 :
ct (d) = −[B](J) (4.27)
Pour les systèmes non-idéaux (liquides, gaz denses), la force motrice est ex-
primée de la façon suivante (à température et pression constante) [43] :
~di = xi ~∇µi
RT
xi n−1 ∂ µi ~
= ∑ ∂ x j ∇x j
RT j=1
n−1
xi ∂ ln γi xi ~
=
RT ∑ RT ∂xj
∇x j
j=1
n−1
∂ ln xi ∂ ln γi ~
(4.29)
= xi ∑ + ∇x j
j=1 ∂xj ∂xj
n−1
∂ ln γi ~
= ∑ δi j + xi ∇x j
j=1 ∂xj
n−1
= ∑ Γi j~∇x j
j=1
∂ ln γi
Γi j = δi j + xi (4.30)
∂xj
D = B−1 Γ = ÐΓ (4.33)
D = B−1 = Ð (4.34)
En effet, dans le cas d’un mélange binaire, lorsque la fraction molaire d’un com-
posé approche l’unité, alors le facteur thermodynamique Γ tend vers 1. Par exten-
sion, les coefficients de Fick et de Maxwell-Stefan sont égaux dans des conditions
de dilution infinie et l’on nommera le coefficient de diffusion d’une espèce infini-
ment diluée dans une autre Ð˚.
Dans le cas de systèmes non-idéaux tels que des mélanges liquides, plusieurs mé-
thodes ont été proposées pour prédire Ð en utilisant les coefficients de diffusion
en dilution infinie. Voici pour exemple la méthode proposée par Vignes [44] qui
définit Ð de la façon suivante :
ainsi que celle proposée par Siddiqi et al [45], où la dilution infinie d’une espèce
(1) dans l’eau (2) est reliée à la viscosité de l’eau η2 , au volume molaire V1 de
l’espèce diffusant à son point d’ébullition et à la température T :
Dans le cas général, une étude approfondie des propriétés des coefficients de dif-
fusion multicomposants de Fick D et de Maxwell-Stefan Ð montrent que les dif-
férences entre eux sont les suivantes [43] :
avec
1 2
G(~r −~r0 ,t) = 3/2
e−(~r−~r0 ) /4Dt (4.38)
(4πDt)
où ~r est le vecteur position d’une particule dans un système à trois dimensions
et ~r0 est le vecteur position de la particule au temps t = 0. Nous pouvons alors
introduire le MSD h||~r − ~r0 ||2 i :
Z +∞
h||~r(t) − ~r0 ||2 i = G(~r −~r0 ,t)(~r − ~r0 )2 d 3 r (4.39)
−∞
Dès lors,
Z +∞ −|~r(t)−~r0 (t)|2 /4Dt
2 e
h||~r(t) − ~r0 (t)|| i = [~r(t) − ~r0 (t)]2 d 3 r (4.40)
−∞ (4πDt)3/2
1 +∞ 2 ~0 2 Z
2 ~r0 e−r /4Dt d 3 r
h||~r − ~r0 || i =
(4πDt)3/2 −∞
(4.41)
1
= I1
(4πDt)3/2
avec Z +∞
2 +y2 +z2 )/4Dt
I1 = (x2 + y2 + z2 )e−(x dxdydz
−∞
Z +∞ Z +∞
2 /4Dt 2 /4Dt 2 /4Dt
= e−y e−z dydz x2 e−x dx (4.42)
−∞ −∞
Z +∞ Z +∞
2 2 −y2 /4Dt −z2 /4Dt 2 /4Dt
+ (y + z )e e dydz e−x dx
−∞ −∞
Or, r
Z +∞
−ax2 π
e dx = (4.43)
−∞ a
et q
(n−1)!!
Z +∞
2n/2+1 an/2
π
a si n pair positif
n −ax2
x e dx = (4.44)
0
[ 21 (n−1)]!
si n impair positif
2a(n+1)/2
1
Ici a = 4Dt et n = 2 (pair), ce qui donne :
Z +∞
2 /4Dt √
e−x dx = 4πDt (4.45)
−∞
Z +∞ Z +∞
2 /4Dt 2 /4Dt
x2 e−x dx =2 x2 e−x dx
−∞
√
0 (4.46)
=2Dt 4πDt
et 2
Z +∞ Z +∞
−y2 /4Dt −z2 /4Dt −x2 /4Dt
e e dydz = e dx
−∞ −∞ (4.47)
=4πDt
On se retrouve avec une expression de I1 de la forme :
√ √ Z +∞
2 2
I1 = 4πDt(2Dt 4πDt) + 4πDt (y2 + z2 )e−y /4Dt e−z /4Dt dydz
√ √
−∞ (4.48)
= 4πDt(2Dt 4πDt) + ( 4πDt)I2
I1 = 6Dt(4πDt)3/2 (4.50)
1
hk~r(t) − ~r0 (t)k2 i = I(n)
(4πDt)n/2
1 h
n/2
i
(4.52)
= 2nDt(4πDt)
(4πDt)n/2
MSD =2nDt
1
Z(t) = h~v(t) ·~v(t0 )i (4.53)
3
2
* Z +
t
hk~r(t) −~r(0)k2 i = ~v(t 0 )dt 0
0
t t
Z Z
0 0 00 00
= ~v(t )dt ~v(t )dt
0 0 (4.55)
Z t Z t0
0 00 0 00
= 2 dt dt ~v(t ) ·~v(t )
0 0
Z t Z t0
=2 dt 0 dt 00 h~v(t 0 ) ·~v(t 00 )i
0 0
1
Z +∞
D= h~v(s) ·~v(0)i ds (4.60)
3 0
La figure 4.3 présente la forme typique d’une fonction d’autocorrélation des vi-
tesses en fonction du temps. Dans le cas de notre mélange hydroalcoolique, la
décorrélation intervient au bout d’une centaine de femtosecondes, ce qui nous
oblige à imprimer les coordonnées des vecteurs vitesse à une fréquence très éle-
vée. Il en résulte des fichiers de sortie extrêmement volumineux, ce qui empêche
toute accumulation de données pour avoir une statistique acceptable.
Bien que les champs de forces (ou fonctions d’énergie potentielle) soient ajus-
tés sur des calculs ab initio de structure électronique, la dynamique moléculaire
classique est une méthode qui ignore les mouvements électroniques et calcule
l’énergie d’un système comme une fonction des positions nucléaires seulement.
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
d 2~ri ~
m = Fi (5.1)
dt 2
Les champs de forces actuels offrent un bon compromis entre la précision et l’ef-
ficacité des calculs. Ils sont souvent calibrés pour reproduire des propriétés phy-
siques mesurables pour de petites molécules.
Des fonctions d’énergie potentielle complètes sont maintenant disponibles pour
des simulations macromoléculaires ; un exemple particulier est le champ de forces
tout atome de CHARMM (Chemistry at HARvard Macromolecular Mechanics) [52,
53], qui est utilisé dans ce travail avec le logiciel de simulation GROMACS [54]
(Groningen Machine for Chemical Simulations).
Liaisons
Eliaisons = ∑ Kl (l − l0 )2 (5.4)
liaisons
Les forces entre les atomes liés sont très fortes et une énergie considérable est
requise pour qu’une liaison dévie de façon significative de sa valeur à l’équilibre.
Angles
Le second terme de l’équation (5.3) (Eangles ) est associé à la valeur des angles
de liaisons θ par rapport à leur valeur de référence θ0 . Ce terme est également
décrit par un potentiel harmonique.
Eangles = ∑ Kθ (θ − θ0 )2 (5.5)
angles
Dièdres
Les termes "liaisons" et "angles" sont souvent vus comme des degrés de liberté
"durs", pour lesquels des quantités d’énergie substantielles sont requises pour cau-
ser des déformations à partir de leur valeur de référence. La plupart des variations
dans les structures et les énergies relatives sont dues à une interaction complexe
entre les contributions de torsion et les contributions non-liées. L’existence de bar-
rières à la rotation sur des liaisons chimiques est fondamentale dans la compré-
hension des propriétés structurelles des molécules et des analyses conformation-
nelles. De nombreux champs de forces sont utilisés pour modéliser des molécules
flexibles où les changements majeurs dans la conformation sont dûs aux rotations
sur les liaisons. Dans le but de simuler ces changements conformationnels, il est
essentiel que le champ de force représente correctement les profils énergétiques
de ces changements.
Le dernier terme de l’équation (5.3) (Edièdres ) décrit donc l’énergie associée aux
angles de torsion (ou dièdres) qui modélise la présence de barrières stériques entre
les atomes séparés par trois liaisons covalentes (paires-1,4). Le mouvement asso-
cié à ce terme est une rotation décrite par un angle dièdre, où n représente la
périodicité (n = 1, 2, 3), autour de la liaison du milieu. Ce potentiel est supposé
être périodique et est souvent exprimé comme une fonction cosinus.
où ω est la valeur du dièdre impropre lorsque les 4 atomes ne sont pas dans le
même plan (dans ce cas ω = 0) et Kω la constante de force associée au dièdre
impropre.
Le terme croisé est modélisé par une fonction harmonique de la distance entre les
atomes 1 et 3 :
EUB = ∑ KUB(r1,3 − r1,30 )2 (5.8)
Urey−Bradley
où r1,3 est la distance entre les atomes 1 et 3, r1,30 la distance entre les atomes 1 et
3 pour θ0 et KUB la constante de force associée.
Interactions électrostatiques
Plus les éléments sont électronégatifs, plus ils attirent les électrons, donnant
lieu à une distribution de charge inégale dans une molécule. Cette distribution de
charge peut être représentée par un ensemble de charges partielles. Ces charges
sont paramétrées pour reproduire les propriétés électrostatiques de la molécule.
L’interaction électrostatique entre deux molécules (ou entre différentes parties
d’une même molécule) est alors calculée comme une somme d’interactions entre
les paires de charges en utilisant la loi de Coulomb :
qi q j
ECoulomb = ∑ (5.9)
paires non liées 4πε0 ri j
où qi et q j sont les valeurs des charges partielles sur les atomes i et j, ε0 la per-
mittivité du vide et ri j la distance entre les atomes i et j.
Potentiel de Lennard-Jones
Les interactions électrostatiques ne sont pas les seules à entrer en compte dans
les interactions non-liées, il y a également les interactions de van der Waals. Ces
σ 12 σ 6
Evdw (r) = 4ε − (5.10)
r r
A C rm 12 r 6
m
Evdw (r) = 12 − 6 = ε −2 (5.11)
r r r r
où A est égal à εrm12 (ou 4εσ 12 ) et C est égal à 2εr 6 (ou 4εσ 6 ). Le potentiel est
m
−6
caractérisé par une partie attractive variant en r (interactions de van der Waals)
et une partie répulsive, représentant le principe d’exclusion de Pauli et la répulsion
entre atomes à courte distance, qui varie en r−12 .
Les paramètres ε, σ et rm sont illustrés sur la figure 5.3.
Dans nos études, les potentiels de Lennard-Jones sont paramétrés en suivant la loi
de Lorentz-Berthelot. Cette loi utilise une moyenne arithmétique pour le calcul de
σ et une moyenne géométrique pour le calcul de ε. En considérant deux atomes i
0 rm
r
!
-"
Pour éviter ces problèmes, les potentiels d’interactions non liées peuvent être mo-
difiés par une fonction dans le but de substituer les forces tronquées à ro f f par des
forces continues et ayant des dérivées continues au rayon de coupure.
La fonction switch multiplie le potentiel d’interaction par une fonction de telle
sorte que le potentiel ne soit pas modifié jusqu’à un premier rayon de coupure
appelée ron puis est "switché" à 0 entre ron et ro f f . Cette fonction est un cas parti-
culier de la fonction shift quand ron = 0.
En effet, la fonction shift permet de modifier la fonction force F(r) sur une plage
complète (de r = 0 à ro f f ) de telle sorte que le potentiel d’interaction soit égal à 0
en ro f f en additionnant une fonction à F(r). A noter que la fonction shift de GRO-
MACS est en réalité une fonction switch appliquée sur la force (contrairement à
la fonction switch appliquée sur le potentiel). De ce fait, il est nécessaire dans les
deux cas de donner un ron et ro f f . Les fonctions shift et switch sont expliquées en
détail dans le manuel de GROMACS [58].
Dans ce travail, une fonction shift a été utilisée pour le traitement des interactions
de van der Waals. Quant aux interactions électrostatiques, elles ont été traitées par
une fonction switch combinée à une méthode appelée Particle Mesh Ewald (ou
PME) [59, 60]. C’est une méthode de calcul de la sommation d’Ewald qui permet
d’évaluer les interactions électrostatiques longue distance de façon plus efficace.
La méthode calcule non seulement les interactions électrostatiques entre un atome
i et tous les autres atomes du système, mais aussi entre cet atome et toutes ses
images périodiques (voir section 5.5). Cela permet de diminuer le cut-off mais
requiert un coût de calcul plus important.
5.2 Principe
5.2 Principe 70
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
Newton et s’écrit :
2
~Fi = mi~ai = mi d ~ri (t) (5.13)
dt 2
où ~Fi est la force s’exerçant sur la particule i de masse mi et avec une accélération
~ai .
Connaissant la position de la particule ~ri (t) au temps t ainsi que la force ~Fi (t)
exercée sur cette particule, il est possible de déterminer la position et la force de
cette même particule au temps t + ∆t, respectivement~ri (t + ∆t) et ~Fi (t + ∆t). L’une
des méthodes les plus utilisées pour intégrer les équations de mouvement est celle
proposée par Verlet [61] en 1967 et qui consiste à utiliser le développement en
série de Taylor suivant :
De la même façon :
d 2~ri (t) 2
~ri (t + ∆t) +~ri (t − ∆t) = 2~ri (t) + ∆t + O(∆t 4 ) (5.16)
dt 2
soit
d 2~ri (t) 2
~ri (t + ∆t) ≈ 2~ri (t) −~ri (t − ∆t) + ∆t (5.17)
dt 2
On notera que les vitesses ne sont pas nécessaires pour calculer les trajectoires.
En revanche, elles sont utiles pour estimer l’énergie cinétique (et donc l’énergie
totale) du système étudié.
Les vitesses peuvent être obtenues en reprenant les équations (5.14) et (5.15) de
la façon suivante :
1 1 d 3~ri (t) 3
~ri (t + ∆t) =~ri (t) +~vi (t)∆t + ~ai (t)∆t 2 + ∆t + O(∆t 4 ) (5.18)
2 6 dt 3
5.2 Principe 71
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
et
1 2 1 d 3~ri (t) 3
~ri (t − ∆t) =~ri (t) −~vi (t)∆t + ~ai (t)∆t − 3
∆t + O(∆t 4 ) (5.19)
2 6 dt
L’algorithme Leap-Frog est une variante de l’algorithme précédent [62]. Cet al-
gorithme utilise les positions ~ri au temps t et les vitesses ~vi au temps t − 21 ∆t.
Il calcule les nouvelles positions et vitesses à partir des forces ~Fi (t) déterminées
par les positions au temps t. Commençons par définir les vitesses au demi-pas de
temps comme suit :
et
1 ~ri (t + ∆t) −~ri (t)
~vi t + ∆t = (5.22)
2 ∆t
On obtient à partir de ces deux équations une expression pour les positions à t + ∆t
d’après les positions au pas t et vitesses au pas t + ∆t2 :
1
~ri (t + ∆t) =~ri (t) + ∆t~vi t + ∆t (5.23)
2
En combinant les équations (5.22) et (5.21), on peut déterminer les vitesses au pas
t + 21 ∆t comme suit :
5.2 Principe 72
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
Or
2
~Fi = mi~ai = mi d ~ri
dt 2
!
d ~ri (t + ∆t2 ) −~ri (t − ∆t2 )
= mi (5.25)
dt ∆t
Les équations (5.23) et (5.26) nous donnent donc respectivement les positions à
t + ∆t et les vitesses à t + ∆t/2. La figure 5.4 illustre l’algorithme Leap-Frog et
montre d’où vient son nom, Leap-Frog (saut de grenouille).
5.2 Principe 73
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
1
~vi (∆t/2) =~vi (0) + ~ai (0)∆t (5.27)
2
Dès lors, nous pouvons appliquer les équations (5.23) et (5.26) de façon itérative
en déterminant les accélérations ~ai à partir de la fonction d’énergie potentielle V :
2
~Fi = −~∇V = mi~ai = mi d ~ri (5.28)
dt 2
2. calculer les vitesses à ∆t/2 à partir de ~vi (0) et de la fonction d’énergie po-
tentielle à~ri (0).
Nous avons utilisé, dans ce travail, l’algorithme Leap-Frog qui est l’algorithme
originel de GROMACS et celui qui supporte le plus de fonctionnalités (tous les
thermostats et barostats entre autres).
5.2 Principe 74
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
CO2
Atomes C O
M (g/mol) 12.011 15.999
q (e) 0.6512 -0.3256
ε (kJ/mol) 0.2427 0.6904
σ (nm) 0.2785 0.3015
Liaisons C−O
l0 (nm) 0.116
Kl (kJ/mol/nm2 ) 784884.928
Angle O−C−O
θ0 (˚) 180.0
Kθ (kJ/mol/rad2 ) 25104.0
En utilisant les outils editconf et genbox de GROMACS, avec lesquels nous spé-
cifions le nombre de molécules pour chaque espèce, ainsi que la densité souhaitée
(≈ 1 dans notre cas), nous allons créer notre système moléculaire.
L’eau, le dioxyde de carbone et l’éthanol étant les trois espèces majoritaires pré-
sentes dans le champagne (voir 3.2), il suffit, en première approximation de rajou-
ter des molécules d’éthanol au mélange CO2 /eau pour étudier la diffusion dans le
champagne. Comme il est nécessaire de conserver les proportions des différentes
espèces dans le champagne, on est amené à considérer un deuxième système mo-
dèle composé de 50 molécules de CO2 , 440 molécules d’éthanol et 104 molécules
d’eau.
En partant d’un système contenant 104 molécules d’eau et en considérant une
concentration en CO2 de 12 g/L (concentration maximale dans un champagne
brut, type de champagne le plus produit), le nombre de molécules de CO2 , NCO2
Nous nous référerons par la suite à ces deux systèmes sous les termes système
1 (CO2 + eau) et système 2 (CO2 + éthanol + eau). Concernant la paramétrisation
de l’éthanol, tous les paramètres ont été pris du champ de force CHARMM27.
Toutes les molécules de CO2 et d’éthanol ont été laissées totalement flexibles
durant la simulation, contrairement aux molécules d’eau dont on parlera dans la
section suivante. Les boîtes pour chaque système ont un volume d’environ 305
nm3 pour le système 1 et 349 nm3 pour le système 2.
L’image 5.5 est une représentation, avec le logiciel VMD [65], de la boîte de
simulation utilisée comme modèle pour étudier le champagne.
5.4 Solvatation
Une molécule voit ses propriétés physico-chimiques grandement modifiées en
présence d’un solvant. En effet, la solvatation va impacter directement les interac-
tions non liées. Le traitement du solvant est donc d’une grande importance pour
5.4 Solvatation 78
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
5.4 Solvatation 79
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
sant la charge sur l’atome d’oxygène est également disponible [71]. Les modèles
TIP3P et TIP4P ont été introduits en 1983, rapidement suivis par les modèles SPC
et SPC/E. Il faudra attendre l’an 2000 pour voir arriver un modèle à 5 sites, TIP5P,
dans lequel 2 atomes virtuels sont utilisés pour modéliser les deux doublets non
liants de l’oxygène [72]. Ce modèle présente des propriétés thermodynamiques de
l’eau entre -25 et 62.5˚C en meilleur accord avec les valeurs expérimentales que
les modèles précédents. En plus de voir les valeurs des charges partielles modi-
fiées, les modèles TIP3P, TIP4P et TIP5P présentent des valeurs de longueur de
liaison et d’angle différentes des modèles SPC et SPC/E.
F IGURE 5.6 – Trois types de modèles d’eau : à 3 sites, 4 sites (dont un virtuel)
et 5 sites (dont 2 virtuels). L’atome virtuel M du modèle TIP4P représente la
délocalisation de la charge de l’oxygène et les atomes virtuels L (pour "Lone
pairs" en anglais) représentent les 2 doublets non liants dans le modèle TIP5P.
5.4 Solvatation 80
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
TABLEAU 5.3 – Valeurs du coefficient de diffusion de l’eau dans l’eau pour diffé-
rents modèles d’eau. En jaune, les valeurs théoriques les plus proches de la valeur
expérimentale (en vert) [73].
5.4 Solvatation 81
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
Contrairement aux molécules de CO2 et d’éthanol, les molécules d’eau sont ri-
gides, ce qui signifie que les valeurs des longueurs de liaisons et des angles ne
varient pas par rapport à leur valeur à l’équilibre. L’eau comptant pour au moins
95% du nombre de molécules dans le système, cette approximation nous permet
de gagner en temps de calcul étant donné que le potentiel des interactions liées
sera nul dans le calcul de la fonction d’énergie potentielle et seul le potentiel des
interactions non liées sera pris en compte.
Dans une simulation, lorsqu’une molécule bouge dans la boîte d’origine, l’image
périodique de cette molécule dans chacune des boîtes voisines bouge de la même
façon. Ainsi, si une molécule sort de la boîte centrale, une de ces images entre
dans la boîte centrale par le côté opposé. Il n’y a pas de "murs" et donc les molé-
cules ne rebondissent pas. Le nombre de molécules dans chaque boîte est conservé
(et donc la densité) et il n’est pas utile de conserver les coordonnées de toutes les
images, seulement celles de la boîte centrale. Notre système a donc les caracté-
ristiques physiques de transport d’un système infini avec le temps de calcul d’un
système fini avec les dimensions de la boîte centrale de simulation.
5.6 Minimisation
Pour tous les systèmes, hormis les dimères, l’énergie potentielle est une fonc-
tion multi-dimensionnelle usuellement représentée par une surface d’énergie po-
tentielle. Pour un système à N atomes, l’énergie potentielle est une fonction de
3N coordonnées cartésiennes ou 3N − 6 (3N − 5 si linéaire) coordonnées internes
(le "6" représente la suppression des coordonnées de translation et de rotation
globale). Représenter la surface d’énergie potentielle est donc extrêmement fasti-
dieux, système à une ou deux coordonnées mis à part.
Les minima sur la surface d’énergie potentielle sont des points particulièrement
intéressants en modélisation moléculaire. En effet, ces points correspondent à des
configurations, c’est-à-dire à des arrangements spécifiques des atomes, qui tra-
duisent des états de basse énergie du système étudié. En partant de la configuration
d’un système à un minimum d’énergie, n’importe quel mouvement infinitésimal
d’atomes donnera une configuration de plus haute énergie.
Les surfaces d’énergie potentielle présentent souvent une multitude de minima
d’énergie, le minimum avec la plus basse énergie étant appelé minimum global.
Tous les autres minima d’énergie supérieure au minimum global sont appelés mi-
nima locaux. Minimiser un système de particules consiste à changer les coordon-
nées des atomes du système pour explorer la surface d’énergie potentielle et se
rapprocher le plus possible (voire atteindre) la configuration correspondant à un
minimum local, et si possible le minimum global (cf Figure 5.8).
5.6 Minimisation 84
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
Trouver la configuration de plus basse énergie peut être formulée de la façon sui-
vante : soit une fonction d’énergie potentielle f dépendant des coordonnées des
atomes~ri , il faut trouver les valeurs de~ri pour lesquelles f a une valeur minimale.
La dérivée première de f doit donc être nulle et sa dérivée seconde positive :
∂f ∂f ∂f ∂2 f ∂2 f ∂2 f
, , =0 , , >0 (5.31)
∂ xi ∂ yi ∂ zi ∂ xi2 ∂ y2i ∂ z2i
On remarque avec la Figure 5.8 qu’il est très difficile d’atteindre le minimum glo-
bal. En effet, il n’y a qu’un seul minimum global et plusieurs millions de minima
locaux. Partant d’une configuration donnée, les algorithmes de minimisation don-
neront la configuration correspondant au minimum local le plus proche.
Dans ce travail, nous avons eu recours à deux algorithmes de minimisation locale
qui sont les plus utilisés en dynamique moléculaire. Ce sont des algorithmes de
minimisation du premier ordre, c’est-à-dire qu’ils utilisent la dérivée première de
5.6 Minimisation 85
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
5.6 Minimisation 86
CHAPITRE 5. LA DYNAMIQUE MOLÉCULAIRE CLASSIQUE
température T .
d pξ
= (T − T0 ) (5.32)
dt
τT2 T0
Q= (5.34)
4π 2
Une première phase d’équilibration est effectuée à partir du minimum local dans
l’ensemble NV T avec le thermostat Nosé-Hoover. Le système est alors amené à
la température souhaitée. La Figure 5.9 montre l’évolution de la température et de
l’énergie totale au cours du temps lors d’une équilibration dans l’ensemble NV T à
Dans ce travail, le barostat Parrinello-Rahman [81] a été choisi car son fonctionne-
ment est similaire à celui du thermostat Nosé-Hoover et qu’il est, selon le manuel
de GROMACS, le barostat représentant le plus fidèlement l’ensemble NPT [58].
Avec ce barostat, les vecteurs de la boîte caractérisés par une matrice b ont leur
propre équation du mouvement :
d2b
= VW −1 b0−1 (P − P0 ) (5.35)
dt 2
310
Temperature
305
300
Temperature (K)
295
290
285
280
275
-3e+05
Energie totale
-3,2e+05
-3,4e+05
Energie (kJ/mol)
-3,6e+05
-3,8e+05
-4e+05
-4,2e+05
4π 2 β
W −1 = 2 (5.38)
3τP L
1. Minimisation.
– Une première minimisation avec la méthode Steepest Descent. Le cri-
tère de convergence est la force maximale qui doit être inférieure à 1000
kJ/mol/nm.
– Une deuxième minimisation avec la méthode du Gradient Conjugué. Pour
sont retournées tous les 1000 pas de temps (1000 configurations pour le
système 1, 2000 pour le système 2). L’énergie, la température et la pres-
sion sont vérifiées à la fin de chaque trajectoire. Ces dix trajectoires seront
traitées avec le logiciel VMD pour récupérer toutes les coordonnées des
molécules d’intérêt au cours du temps.
Les seules différences entre le système 1 et le système 2 sont la valeur du pas d’in-
tégration et la durée de l’équilibration NV T . Concernant la valeur du pas d’inté-
gration, la période d’oscillation de la liaison O−H est inférieure à 10 fs [82].
Pour une intégration de bonne précision en considérant les molécules et liaisons
flexibles, il est nécessaire d’effectuer entre 5 et 10 pas de temps par période d’os-
cillation harmonique [55]. De ce fait, il a été décidé de prendre comme valeur de
pas d’intégration 0.5 fs.
Concernant la durée de l’équilibration NV T , il apparaît que l’ajout de l’éthanol
au système a demandé un temps d’équilibration supplémentaire en NV T pour que
l’énergie soit conservée.
Les dix trajectoires comportent chacune 105 molécules de CO2 pour le système 2
(50 molécules par pas de temps, 2000 pas de temps) ce qui permettra d’améliorer
grandement la statistique et donc la précision des coefficients de diffusion qu’on
en déduira (cf section Détermination du coefficient de diffusion).
Les simulations ont été lancées sur deux calculateurs Bull, le supercalculateur
CLOVIS hébergé au centre de calcul ROMEO à Reims, ainsi que le supercalcu-
lateur CURIE hébergé au TGCC (Très Grand Centre de Calcul) et supervisé par
GENCI (Grand Equipement National de Calcul Intensif). La mise en place du
protocole et la majorité des tests ont été effectués sur CLOVIS. Les étapes d’équi-
libration et de production ont été effectuées sur CURIE. Ce calculateur est équipé
de lames bullx B510 contenant des processeurs Intel Xeon E5-2680 cadencés à
2.7 GHz. Pour l’étape de production, chaque trajectoire avec le modèle TIP5P a
été simulée sur 256 coeurs et a pris environ 2 mois de temps monoprocesseur (un
peu plus d’un mois avec SPC/E). Sur l’ensemble de la thèse, 1 300 000 heures
nous ont été allouées par GENCI. Il est important de préciser également que le
logiciel GROMACS a été utilisé dans sa version "double précision" (16 chiffres
significatifs au lieu de 7 pour la simple précision) pour garantir une plus grande
précision sur les résultats et avec l’option "-reprod" qui garantit une reproducti-
bilité du calcul. En effet, des simulations strictement identiques doivent fournir
à l’arrivée le même résultat pour pouvoir identifier clairement les éventuelles er-
reurs et les résoudre.
1 1
P(1 ↔ 2) = min 1, exp − (U1 −U2 ) (5.39)
kB T1 kB T2
nentielle est inférieure à 1, alors un algorithme de type Metropolis [85] est utilisé
pour décider si l’échange a lieu ou non. Une fois l’échange effectué, les vitesses
sont réajustées avec (T1 /T2 )±1/2 pour s’assurer de la conservation de l’énergie du
système au moment de l’échange de réplique. Si T2 > T1 (ou T1 > T2 ), alors le
terme kB1T1 − kB1T2 est positif (ou négatif) et la valeur de la probabilité dépen-
dra uniquement de l’énergie des deux répliques testées à travers le signe du terme
(U1 −U2 ).
Dans l’ensemble NPT , la densité du système à haute température va diminuer,
entraînant des énergies plus élevées. En 2001, Okabe [86] propose une nouvelle
définition de la probabilité d’échange dans un ensemble isotherme-isobare en pre-
nant en compte la variation de la densité. La nouvelle probabilité d’échange est de
la forme :
1 1 P1 P2
P(1 ↔ 2) = min 1, exp − (U1 −U2 ) + − (V1 −V2 )
kB T1 kB T2 kB T1 kB T2
(5.40)
où P1 et P2 sont les pressions de référence et V1 et V2 les volumes instantanés
des répliques 1 et 2, respectivement. Dans notre cas, P1 = P2 = 1 bar. Seules les
différences de volume auront donc une influence sur la probabilité d’échange,
différences qui sont inférieures à 1 % dans notre cas. Le second terme est donc
négligeable. Ce terme a vraiment un impact sur la probabilité d’échange lorsque
P1 et P2 sont très différents.
Cette méthode permet donc, pour des simulations à basse température, d’atteindre
des configurations de haute énergie, et vice-versa. Il en résulte un moyen robuste
d’échantillonner les configurations de faible et haute énergie.
Configuration de départ
construite avec GROMACS
Génération de structures
Minimisation
représentatives
PE 1
NVT REMD
NPT
PE 2 NPT NPT
E NPT NPT
P NPT NPT
Résultats
et l’eau salée où le CO2 a été considéré comme rigide, avec un moment quadru-
polaire, et plongé dans de l’eau modélisée avec le modèle SPC/E [63]. Wang et
al. ont entrepris l’étude de la diffusion de nombreux composés organiques et pro-
téiques dans des solutions aqueuses et non aqueuses [89]. Dix sept solvants ont
été étudiés, en particulier l’eau modélisée par un modèle TIP3P, et toutes les liai-
sons sont considérées rigides. Alors que les trois premières études présentées ont
montré un excellent accord avec les données expérimentales, certains coefficients
de diffusion provenant de l’étude de Wang restent très éloignés de leurs valeurs
expérimentales, un problème qu’ils auraient sans doute pu résoudre en choisissant
un modèle d’eau plus adapté.
De nombreuses tables et études expérimentales existent concernant le coefficient
de diffusion du CO2 dans l’eau. En 1956, Cullen et Davidson ont étudié le taux
d’absorption de dioxyde de carbone dans des jets liquides issus de longs tubes
droits [90]. En 1964, Himmelblau répertoria toutes les méthodes expérimentales
et les modèles théoriques pour étudier la diffusion de gaz dissous dans des li-
quides [91]. En 1994, Tamimi et al. ont développé un montage expérimental basé
sur l’absorption du CO2 en phase liquide par une sphère mouillée pour des tempé-
ratures comprises entre 293 K et 368 K [92]. Par la suite, Jones et al. étudièrent la
diffusion du dioxyde de carbone dissous dans les coeurs de bois vert par mesure
du taux de désorption du gaz [93]. Frank et al. utilisèrent la méthode de disper-
sion Taylor-Aris pour mesurer les coefficients de diffusion de plusieurs systèmes
binaires incluant le CO2 dans l’eau [94].
L’autodiffusion de l’éthanol, ainsi que sa diffusion dans l’eau ont également été
étudiées par des simulations de dynamique moléculaire, bien que les études soient
plus récentes. En 2002, Petravic et al. ont étudié l’influence de la température et
de la pression sur les liaisons hydrogène et la diffusion dans l’éthanol liquide.
Une molécule aprotique de même masse, moment d’inertie et dipôle que l’étha-
nol a été utilisée pour évaluer la contribution du réseau de liaisons hydrogène sur
l’autodiffusion de l’éthanol. Il a été mis en évidence, entre autres, que la stabilité
des liaisons hydrogène dépendait fortement de la température, ce qui a un impact
sur la diffusion de l’éthanol [95]. La même année, Wensink et al. ont étudié les
propriétés de transport de mélanges eau/alcool, dont le mélange eau/éthanol, en
100
CHAPITRE 6. DÉTERMINATION DU COEFFICIENT DE DIFFUSION
faisant varier le pourcentage massique des alcools de 0 à 100 % [96]. L’eau a été
modélisée par un modèle TIP4P et les valeurs du coefficient de diffusion de l’étha-
nol et de la viscosité déterminées par dynamique moléculaire étaient surestimées
par rapport aux valeurs expérimentales. A mon sens, le modèle d’eau choisi est
peut être à mettre en cause.
La littérature fait également état de travaux expérimentaux sur l’autodiffusion de
l’éthanol ou sa diffusion dans l’eau. Easteal et Woolf ont utilisé des traceurs iso-
topiques pour étudier la dépendance en température et en pression de la diffusion
l’éthanol dans l’eau et ont mis en évidence que la dépendance en pression était
similaire à température constante entre l’eau et l’éthanol, bien que l’effet de la
pression soit beaucoup plus prononcé dans le cas de l’éthanol [97]. Une étude si-
milaire a été menée par Harris et al. dans laquelle la diffusion de l’éthanol dans
l’eau a été comparée à celle d’un halogénoéthanol dans l’eau. Des expériences de
spectroscopie RMN et infrarouge ont été menées pour étudier le comportement
du groupement hydroxyle dans les deux espèces [98]. Les résultats de cette étude
ont été comparés avec ceux d’un travail précédent mené par Harris également et
utilisant la technique de dispersion Taylor-Aris pour étudier la diffusion de l’étha-
nol dans l’eau [99].
-17
2.0×10
<MSD> atomes
<MSD> COM
-17
1.5×10
<MSD>N (m )
2
traj
-17
1.0×10
-18
5.0×10
0.0
0 2×10
5
4×10
5
6×10
5
8×10
5
1×10
6
Temps (fs)
-9
5×10
<D> atomes
<D> COM
-9
4×10
<D>N (m /s)
2
-9
traj
3×10
-9
2×10
-9
1×10 0 5 5 5 5 6
2×10 4×10 6×10 8×10 1×10
Temps (fs)
-17
2.0×10
Ntraj=10 Nmol=1
Ntraj=10 Nmol=10
-17
1.5×10
(m )
2
,Nmol
-17
traj
1.0×10
<MSD>N
-18
5.0×10
0.0
0 2×10
5
4×10
5
6×10
5
8×10
5
1×10
6
Temps (fs)
-9
5×10
Ntraj=10 Nmol=1
Ntraj=10 Nmol=10
-9
4×10
(m /s)
2
traj mol
-9
3×10
,N
<D>N
-9
2×10
-9
1×10 0 5 5 5 5 6
2×10 4×10 6×10 8×10 1×10
Temps (fs)
F IGURE 6.2 – MSD et D moyens du CO2 en fonction du temps dans 105 molécules
d’eau. Les MSD et D sont moyennés sur 10 trajectoires (courbe noire) et sur 10
trajectoires et 10 molécules par trajectoire (courbe rouge).
-17
2.0×10
Ntraj=10 Nmol=10 Nt =1
0
0
,Nmol,Nt
-17
1.0×10
traj
<MSD>N
-18
5.0×10
0.0
0 0,2 0,4 0,6 0,8 1
∆t (ns)
-9
5,0×10
-9
4,5×10 Ntraj=10 Nmol=10 Nt =1
0
0
2
0
,Ntraj,Nt
-9
3,5×10
mol
<D>N
-9
3,0×10
-9
2,5×10
-9
2,0×10
0 0,2 0,4 0,6 0,8 1
∆t (ns)
F IGURE 6.3 – MSD et D moyens, en fonction de ∆t, du CO2 dans 105 molécules
d’eau. Les MSD et D sont moyennés sur 10 trajectoires et 10 molécules ainsi
que sur un nombre variable d’origines Nt0 , où Nt0 = 1 (courbe noire), 10 (courbe
rouge), 100 (courbe verte) et 1000 (courbe bleue)
6.2.1 Principe
Sous l’influence d’un champ magnétique externe homogène ~B0 colinéaire à ~I, le
moment magnétique interagit avec le champ ("effet Zeeman") et l’énergie d’inter-
action entre un noyau et le champ magnétique est alors de la forme suivante :
∆E = Eβ − Eα
1 1
= γ h̄B0 − − γ h̄B0 (6.3)
2 2
= γ h̄B0
F IGURE 6.4 – Niveaux d’énergie des états de spin avec un rapport gyromagnétique
positif (1 H ou 13 C) sous l’effet d’un champ magnétique (effet Zeeman).
Nβ −∆E
= e kB T (6.5)
Nα
6.2.3 Diffusion
Les coefficients de diffusion des spins nucléaires ont été mesurés avec un
spectromètre Bruker Avance III (où B0 = 14.1 T) équipé d’une bobine de gra-
dient de champ et en utilisant la séquence d’impulsions BPP-LED (bipolar pulse-
longitudinal eddy currents delay) développée par Wu, Chen et Johnson [106].
Cette séquence est une amélioration de la séquence originale développée par St-
jeskal et Tanner en 1965 pour mesurer la diffusion des spins [107]. Je ne discuterai
pas le détail de la séquence d’impulsions employée, toutes les informations à son
sujet étant disponibles aux deux références précédentes.
Les expériences de RMN 13 C ont été menées aux 5 températures utilisées dans
les simulations de dynamique moléculaire. Pour chaque température, une série de
32 valeurs d’intensité de gradient de champ statique avec des valeurs de gradient
G allant de 2.0 à 90.0 % de la valeur maximale que la bobine sait produire (de
1.159 à 52.16 G/cm) est utilisée. Pour chaque valeur de gradient, 16 acquisitions
du signal sont effectuées et co-additionnées pour obtenir un rapport signal/bruit
acceptable (figure 6.6). Le signal est traité par transformée de Fourier pour don-
ner un spectre en domaine de fréquence contenant 2 pics pour l’éthanol (un pour
chaque déplacement chimique du 13 C) et un singulet pour le CO2 (figure 6.6).
On peut dès lors étudier l’évolution de l’intensité du pic de résonance du CO2 (ou
des pics de l’éthanol) en fonction de l’intensité du gradient de champ. La figure
6.7 correspond à la superposition de 32 spectres résultant de 32 valeurs d’intensité
de gradient.
L’intensité théorique d’un signal spectral est décrite par la relation de Stejskal-
Tanner, qui relie l’atténuation du signal due à la perte de cohérence causée par la
diffusion en fonction de paramètres expérimentaux :
2 2 2 δ
I(G) = I(0) exp −γ G δ D(∆ − ) (6.6)
3
où I(G) est l’intensité du pic de résonance, I(0) l’intensité du signal pour un gra-
dient nul, γ le rapport gyromagnétique de 13C, δ la durée de l’impulsion de gra-
dient (5 ms dans notre cas), D le coefficient de diffusion de l’espèce moléculaire
d’intérêt (CO2 et éthanol dans ce travail) et ∆ le délai entre les impulsions de
gradient de champ (100 ms ici). C’est pendant ce délai que l’on va laisser l’ai-
mantation évoluer sous l’effet du phénomène de diffusion. En effet, le processus
de diffusion va faire passer l’aimantation d’un état inhomogène à un état homo-
gène. Le temps d’acquisition total pour les 5 températures sur un échantillon est
d’environ 3 jours.
Les coefficients de diffusion sont déterminés à partir des séries d’intensités des
signaux pour chaque valeur de G. D étant la seule inconnue dans l’équation de
Stejskal-Tanner, le signal I(G) est ajusté pour une température et cela nous donne
une courbe avec un comportement gaussien que l’on peut voir figure 6.8.
On obtient une courbe pour chaque pic de résonance à chaque température. De
plus, les expériences RMN ont été doublées pour chaque échantillon et tempéra-
ture dans le cas de la diffusion du CO2 pour s’assurer de la bonne répétabilité des
résultats. Concernant l’éthanol, c’est après avoir effectué la première manipulation
sur la solution hydroalcoolique qu’il a été décidé d’étudier également la diffusion
de l’éthanol par RMN. De ce fait, il y a deux jeux de données pour l’éthanol dans
le champagne, mais un seul pour l’éthanol dans la solution hydroalcoolique.
Il est également important de noter qu’aucune bulle de CO2 (qui pourrait biaiser
l’expérience) n’a été observée dans les tubes RMN. En effet, une grande quantité
de CO2 dissous est perdue par dégazage lors du remplissage des tubes avec du
champagne, de telle sorte que la concentration en CO2 dissous chute probable-
ment sous le seuil de concentration critique permettant la nucléation hétérogène
de bulles. Cette perte est en partie compensée par l’ajout d’hydrogénocarbonate
de sodium.
F IGURE 6.8 – Ajustement des points issus des expériences de RMN 13 C pour
l’espèce CO2 dans l’échantillon contenant la solution hydroalcoolique à 277 K.
dn
= KA∆c (6.7)
dt
En partant de l’hypothèse que le CO2 sous forme gazeuse dans la bulle obéit à
la loi des gaz parfaits (PBV = nℜT ), on peut relier la quantité de matière de CO2
dissous transférée vers la bulle à la variation du rayon de cette bulle R comme
suit :
dn PB dV PB dR
= = A (6.8)
dt ℜT dt ℜT dt
avec V le volume de la bulle (en m3 ), ℜ la constante des gaz parfaits (J.K−1 .mol−1 ),
T la température (en K) et PB la pression (en Pa) dans la bulle ascendante suppo-
sée égale à la pression atmosphérique Patm .
En combinant les équations 6.7 et 6.8, la variation du rayon de la bulle ascendante
avec le temps (taux de grossissement) est définie comme suit :
dR ℜT
= K∆c (6.9)
dt Patm
F IGURE 6.11 – Suivi d’une bulle et mesures de son diamètre d à différents mo-
ments de son ascension. Le graphe présente l’évolution du diamètre de la bulle
représentée en fonction du temps d’ascension (le diamètre est en réalité mesuré
toutes les 30 ms). La droite rouge est la régression linéaire des points expérimen-
taux. On note que le diamètre de la bulle augmente de façon constante au cours
du temps. La pente de cette régression linéaire est le taux de grossissement de la
bulle.
Le transfert de masse est, en général, caractérisé par deux nombres sans di-
mension : le nombre de Sherwood (Sh) et le nombre de Péclet (Pe). Ces deux
nombres sont définis de la façon suivante [27] :
2KR
Sh = (6.12)
D
et
2RU
Pe = (6.13)
D
où U est la vitesse d’ascension de la bulle (en m/s) et D le coefficient de diffusion
du CO2 dissous dans le champagne (en m2 /s).
Différentes relations entre les deux nombres existent selon la valeur des nombres
de Péclet et de Reynolds [112]. Le nombre de Reynolds, Re, est un nombre sans di-
mension défini comme le rapport entre les forces d’inertie et les forces visqueuses
et sert à caractériser un écoulement. Il est défini de la façon suivante :
2ρRU
Re = (6.14)
η
10000
Reynolds
Péclet
1000
100
10
0.1
50 60 70 80 90 100 110 120 130 140 150
Rayon (µm)
F IGURE 6.12 – Evolution des nombres de Reynolds (cercles noirs) et Péclet (car-
rés rouges) en fonction du rayon de la bulle pour trois trains de bulles sélectionnés
à 20˚C.
F IGURE 6.13 – Deux bulles s’apparentant à des sphères rigides. La bulle de gauche
est saturée en molécules tensioactives mais n’est pas une bulle de champagne. La
bulle droite, une bulle de champagne, est faiblement contaminée en tensioactifs.
De plus, il a également été montré que les bulles grossissent plus vite qu’elles ne se
font coloniser par les molécules tensioactives pour des petits nombres de Reynolds
(< 1), ce qui est le cas ici [114]. Nous allons utiliser les deux modèles de sphère
pour déterminer le coefficient de diffusion à partir du taux de grossissement des
bulles.
– Dans le cas d’une sphère rigide, pour des très grands nombres de Péclet, le
nombre de Sherwood est défini comme suit :
Sh = Pe1/3 (6.15)
Cette équation a été obtenue par Levich en 1962 [115]. En 1964, Lochiel et
Calderbank ont dérivé la même expression pour Pe > 102 [116]. En utilisant
les équations 6.12 et 6.13, la relation précédente devient :
1/3
2KR 2RU
=
D D
1/3 1/3
KR 2 RU (6.16)
=
D 2 D
U 1/3
K ≈ 0.63D2/3
R2/3
dR ℜT 2/3 U 1/3
k= ≈ 0.63 D ∆c (6.17)
dt Patm R2/3
Sh = 0.651Pe1/2 (6.19)
ℜT 1/2 U 1/2
k ≈ 0.46 D ∆c
Patm R
(6.20)
2
kPatm R
D≈
0.46ℜT ∆c U
2. Dès que le train de bulles est enregistré avec la caméra, 4.3 mL de soude à
32 % sont introduits dans la flûte puis homogénéisés. L’ajout d’une solution
de soude concentrée rend le mélange basique (pH > 10). Le dioxyde de
carbone est alors sous la forme CO2− −
3 et il y a présence d’ions OH . L’ajout
de la solution d’hydroxyde de sodium permet de piéger le CO2 dissous.
CO2 + H2 O −
−
)*
−− H2 CO3 (6.21)
2 H+ + CO2−
3 −−→ H2 CO3 −−→ CO2 + H2 O (6.22)
et
H+ + HCO− −→ H2 CO3 −−→ CO2 + H2 O
3 − (6.23)
Cela signifie que du CO2 va se former alors que le pH n’a pas encore atteint
+ −
CO2 + H2 O )
−−
*
−− H2 CO3 )
−−
*
−− H + HCO3 (6.24)
Alors que la deuxième étape est instantanée, la première est très lente. Si
la première étape n’est pas catalysée, une perte de CO2 est encourue, il est
donc primordial de catalyser la réaction.
OH− H+ H+
CO2 + H2 O −−−−−→ CO2− −
3 −−−→ HCO3 −−−→ H2 CO3 −
−→ CO2 + H2 O
pH 10-11 pH 8.6 pH 4.0
(6.25)
L’étape de titrage se situe entre les pH 8.6 et 4.0. La quantité de matière de CO2
formé est égale à la quantité de matière de HCO–3 consommé.
L’équation chimique du dosage est la suivante :
2−
H2 SO4 + 2 HCO− −−
3 )
*
−− 2 H2 CO3 + SO4 (6.26)
nH2 SO4 1
=
nHCO− 2 (6.27)
3
Connaissant la concentration d’acide sulfurique [H2 SO4 ] ainsi que le volume uti-
lisé pour passer d’un pH 8.6 à un pH de 4.0, on peut en déduire la masse de CO2
formé dans les 10 mL d’échantillon :
V
0 00
mCO2 = 2[H2 SO4 ](V −V )MCO2 × 102
V − 4.3
(6.29)
0 V
00
= 440(V −V )
V − 4.3
Dès lors, on peut, en alliant titrage du CO2 et étude du taux grossissement des
bulles, déterminer le coefficient de diffusion du CO2 dissous dans le champagne.
Pour avoir plus de valeurs et ainsi améliorer la statistique de nos résultats, nous
ne considérerons pas un seul taux de grossissement pour une bulle ascendante (et
donc un seul coefficient de diffusion associé) mais plusieurs taux de grossissement
instantanés tout au long de l’ascension. Un coefficient de diffusion est déterminé
pour chaque taux de grossissement et la moyenne de ces coefficients définit donc
kB T
D= (6.30)
6πηR
Dans cette première partie, j’ai présenté le principe de la diffusion, ainsi que les
différentes façons de définir cette propriété de transport. Les différentes méthodes
théoriques et expérimentales utilisées pour déterminer le coefficient de diffusion
du dioxyde de carbone et de l’éthanol dans le champagne à différentes tempéra-
tures ont également été décrites. La partie suivante contient les résultats théoriques
et expérimentaux issus de ces méthodes. Je présente tout d’abord les résultats
théoriques sur la diffusion du CO2 aussi bien dans l’eau (système 1) que dans le
mélange hydroalcoolique (système 2), ainsi que la diffusion de l’éthanol dans ce
même mélange. Dans un second temps, je présente les résultats expérimentaux
issus de la RMN et de la méthode de suivi vidéo du grossissement des bulles. Une
étude expérimentale de la viscosité du champagne et d’une solution hydroalcoo-
lique est également abordée. Je termine cette partie par une comparaison entre les
résultats théoriques et expérimentaux.
Résultats et Discussions
Chapitre 7
Diffusion du dioxyde de carbone
Tous les résultats théoriques présentés sont moyennés sur le nombre de trajec-
toires (10 dans cette étude), le nombre de molécules de CO2 (10 molécules dans le
système 1 et 50 dans le système 2) et sur le nombre d’origines (jusqu’à 1000 dans
le système 1 et 2000 dans le système 2). Les coefficients de diffusion sont déter-
minés en utilisant les coordonnées du centre de masse des molécules qui diffusent
(cf section 6.1). Dans cette partie, on notera :
– hMSD(∆t)i et hD(∆t)i, le MSD et le coefficient de diffusion moyennés
sur le nombre de molécules, de trajectoires et d’origines, respectivement.
hD(∆t)i est déterminé par le calcul direct de hMSD(∆t)i/6t à tout temps t.
– hDi le coefficient de diffusion hD(∆t)i moyenné sur le temps.
– D la pente de la régression linéaire de hMSD(∆t)i.
2.6
<D> TIP5P
D TIP5P
<D> SPC/E
2.5 D SPC/E
<D> et D (10 m /s)
2
-9
2.4
2.3
2.2
2.1
0 1 2 3
log10(Nt )
0
La figure 7.1 montre l’évolution des coefficients de diffusion du CO2 dans l’eau
(modèles TIP5P et SPC/E) à 293 K et 1 bar avec les deux méthodes pour déter-
miner le coefficient de diffusion en fonction du nombre d’origines. La première
observation que l’on peut faire est que la valeur du coefficient de diffusion ne
varie plus à partir de 100 origines différentes quel que soit le modèle d’eau uti-
lisé et la méthode de détermination employée (moyenne sur le temps de hD(∆t)i
ou régression linéaire de hMSD(∆t)i. En effet, si l’on considère la configuration
initiale (t = 0) comme seule origine, l’erreur sur la valeur de hDi est d’environ
5%, bien que hDi soit une moyenne sur 10 trajectoires et 10 molécules de CO2
par trajectoire. En revanche, lorsque l’algorithme multi-origines est appliqué, la
valeur de hDi présente une erreur inférieure à 1% pour 100 origines de temps.
L’algorithme multi-origines améliore sensiblement la précision des résultats. On
observe également que la détermination du coefficient de diffusion par la régres-
sion linéaire de hMSD(∆t)i conduit à des valeurs plus basses que celles issues de
hDi, et ce quel que soit le modèle d’eau. Enfin, il est clairement mis en évidence
que le modèle SPC/E présente des valeurs du coefficient de diffusion plus faibles
que le modèle TIP5P. Cette observation est cohérente avec les valeurs du coeffi-
cient d’autodiffusion de l’eau présentées dans la section 5.4 (cf tableau 5.3), qui
montre que le modèle TIP5P surestime l’autodiffusion de l’eau d’environ 12 %.
Par la suite, on considérera un nombre maximal de molécules, de trajectoires et
d’origines de temps, à savoir 1000 pour le système 1 et 2000 pour le système 2
pour la détermination du coefficient de diffusion.
a 5e-09
TIP5P, T=293K
SPC/E, T=293K
TIP5P, T=300K
<D(∆t)> (m /s)
4e-09
2
3e-09
2e-09
0 0.2 0.4 0.6 0.8 1
∆t (ns)
b 20
15
<MSD(∆t)> (nm )
2
10
0
0 0.2 0.4 0.6 0.8 1
∆t (ns)
F IGURE 7.2 – Coefficients de diffusion D(∆t), (a) et MSD(∆t), (b), en fonction
de ∆t pour le système 1 à 293 K et 300 K. Les courbes noires correspondent au
modèle TIP5P et la courbe rouge au modèle SPC/E. Les pointillés correspondent
à la température de 300 K.
D’une part, il apparaît en observant le tableau 7.1 que les valeurs théoriques du
coefficient de diffusion du CO2 dans l’eau sont majoritairement supérieures aux
valeurs expérimentales. D’autre part, les valeurs de D obtenues avec le modèle
SPC/E sont en très bon accord avec les données théoriques de la littérature, ce qui
confirme que notre protocole semble fonctionner. Le modèle TIP5P, lui, semble
surestimer le coefficient de diffusion. Cet écart entre la valeur théorique avec un
modèle TIP5P et les données expérimentales a déjà été observé avec l’autodiffu-
sion de l’eau et peut donc être imputé, pour partie, au modèle d’eau lui-même. Par
ailleurs, la différence n’est sans doute pas due à des problèmes de convergence
compte tenu du fait que D semble converger. De ce fait, un changement significa-
tif des résultats en augmentant le nombre de trajectoires n’est pas attendu.
Les viscosités calculées avec la formule de Stokes-Einstein à partir de DCO2 et
du rayon hydrodynamique RRMS CO2 issus des simulations sont également présentées
dans le tableau 7.1. La viscosité est de 0.96 × 10−3 et 1.07 × 10−3 Pa.s pour les
modèles TIP5P et SPC/E, respectivement. Ces valeurs sont en très bon accord
avec la valeur expérimentale de 10−3 Pa.s quand les incertitudes statistiques sont
prises en compte [94].
20
CO2@H2O TIP5P
CO2@H2O SPC/E
15 CO2@EtOH/H2O TIP5P
<MSD(∆t)> (nm )
2
CO2@EtOH/H2O SPC/E
10
0
0 0.2 0.4 0.6 0.8 1
∆t (ns)
F IGURE 7.3 – hMSD(∆t)i du CO2 dans le système 1 et dans le système 2 en
fonction du temps de simulation. Les traits pleins et pointillés correspondent au
système 1 et 2 respectivement. Les courbes rouges et noires correspondent au
modèle TIP5P et SPC/E respectivement.
D (×10−9 m2 /s)
CO2 @ H2 O CO2 @ EtOH/H2 O Champagne (RMN)
TIP5P 2.36 ± 0.09 1.61 ± 0.12 1.41 [100]
SPC/E 2.11 ± 0.14 1.02 ± 0.11 1.5 ± 0.2 (à 295 K) [36]
η (×10−3 Pa.s)
CO2 @ H2 O CO2 @ EtOH/H2 O Champagne (RMN)
TIP5P 0.96 ± 0.04 1.40 ± 0.11 1.48 ± 0.02 [100]
SPC/E 1.07 ± 0.07 2.20 ± 0.25
Lorsque l’éthanol est ajouté, le coefficient de diffusion du CO2 chute de façon si-
gnificative à une valeur de 1.61 ± 0.12 × 10−9 m2 /s quand le modèle d’eau TIP5P
est utilisé. Ce résultat est très proche des données expérimentales obtenues pour
le champagne, 1.41 × 10−9 m2 /s et 1.5 ± 0.2 × 10−9 m2 /s, bien que la dernière va-
leur provienne d’une expérience à 295 K. L’apparente fiabilité du modèle TIP5P
mise à part, il convient de signaler que les simulations de dynamique moléculaire
effectuées avec le modèle SPC/E ne semblent pas en accord avec les données ex-
périmentales. Il est très surprenant de constater l’échec du modèle SPC/E étant
donné qu’il donne de bons résultats dans le cas de la diffusion du CO2 dans l’eau,
comme en atteste la littérature [63, 87], et comme le confirme ce travail.
On note également que les coefficients de diffusion du CO2 dans le mélange hy-
droalcoolique sont plus bas que ceux du CO2 dans l’eau pétillante (cf tableau 7.1).
Cette tendance confirme que la présence de l’éthanol a pour conséquence une aug-
mentation de la viscosité du milieu. La viscosité dans le système 2 avec le modèle
TIP5P est de 1.40 × 10−3 Pa.s, ce qui est en très bon accord avec les expériences
réalisées sur le champagne [100].
Les vins de Champagne sont composés de bien plus que seulement du CO2 , de
l’éthanol et de l’eau (sucres, glycérol, peptides ...). De ce fait, on peut s’attendre
CO2@H2O CO2@(H2O+ETH)
30
SPC/E TIP5P
2
Nombre de liaisons H
25
SPC/E TIP5P
20 1 4 12 6
1 4 4 1
4
15
5 5
10
2 2
5 6
3 56 3 56 3 3
0 3 2
1 : Total liaisons H (/10 ) 3 : EtOH-CO2 5 : H2O-EtOH (/10 )
3
2 : H2O-CO2 4 : H2O-H2O (/10 ) 6 : EtOH-EtOH
où l’on passe de 2.36 × 10−9 à 1.61 × 10−9 m2 /s. Cette forte diminution dans les
simulations SPC/E peut être en partie expliquée par une plus faible perte de liai-
sons H entre les molécules d’eau qu’avec TIP5P, quand l’éthanol est inclus dans
la simulation. De la même façon, un plus grand nombre de liaisons H est formé
entre l’eau et l’éthanol avec le modèle SPC/E (barres labellisées "5").
7.3.1 Simulations
La diffusion étant responsable de la formation et du grossissement des bulles,
il est important d’acquérir des informations sur la dépendance en température de
ce processus physique. Les résultats précédents sont essentiellement issus de si-
mulations à 293 K, c’est-à-dire à température ambiante. On se propose donc déter-
miner les valeurs du coefficient de diffusion du CO2 dans le mélange hydroalcoo-
lique à plusieurs températures d’intérêt, avec les modèles d’eau SPC/E (3 sites) et
TIP5P (5 sites). Ces températures sont 277 K (température du réfrigérateur), 281
K et 285 K (températures de cave et de dégustation), 289 K et 293 K (température
Les figures 7.5 et 7.6 montrent, à différentes températures, les hMSD(∆t)i avec
SPC/E et TIP5P et les coefficients de diffusion D issus des régressions linéaires
de ces hMSD(∆t)i, respectivement. Les valeurs numériques des coefficients de
diffusion du CO2 sont reportées dans le tableau 7.3.
a 8
CO2 - SPC/E
6 T = 277 K
<MSD(∆t)> (nm )
2
T = 281 K
T = 285 K
T = 289 K
4 T = 293 K
0
0 0.2 0.4 0.6 0.8 1
∆t (ns)
b 10
CO2 - TIP5P
8
T = 277 K
<MSD(∆t)> (nm )
2
T = 281 K
6 T = 285 K
T = 289 K
T = 293 K
4
0
0 0.2 0.4 0.6 0.8 1
∆t (ns)
F IGURE 7.5 – hMSD(∆t)i du dioxyde de carbone issus de simulations avec replica
exchange avec le modèle (a) SPC/E et (b) TIP5P aux 5 températures d’intérêt pour
les applications sur le champagne.
1,8
1,4
D (10 m /s)
2
1,0
-9
7.3.2 MD vs REMD
L’ amélioration de la valeur du coefficient de diffusion par l’application de
REMD n’est pas observée avec le modèle TIP5P. Pour essayer de comprendre
l’impact d’une étape de REMD sur le système avec le modèle SPC/E, nous avons,
en premier lieu, comparé les distributions radiales éthanol/éthanol et éthanol/eau
issues de la configuration finale d’équilibration NV T avec celles de la configura-
tion finale de l’étape REMD. Les distributions radiales se superposant, on ne peut
rien en conclure de probant. La même comparaison a été entreprise mais cette fois
entre les distributions radiales moyennées sur les dix trajectoires de production,
sans plus de succès.
Par la suite, nous avons regardé l’enthalpie moyenne des différents systèmes et
remarqué alors une différence entre SPC/E sans REMD (enthalpie de −4.14 ±
0.2 × 105 kJ/mol) et SPC/E avec REMD (enthalpie de −4.09 ± 0.2 × 105 kJ/mol).
La cohésion globale du système devient donc plus faible, ce qui peut entraîner une
augmentation du coefficient de diffusion du CO2 (cette remarque vaut également
pour l’éthanol). Cette différence d’enthalpie d’environ 1 % dans le modèle SPC/E
n’est pas observée dans le modèle TIP5P qui comporte une enthalpie d’environ
−3.51 × 105 kJ/mol dans un cas comme dans l’autre (différence < 0.05 %).
En analysant les différentes contributions énergétiques, nous avons noté que la
différence entre les résultats SPC/E (REMD et NVT) est reliée aux interactions
courte distance Lennard-Jones LJSR et Coulomb CSR (< 10 Å) : ∆VLJSR ≈ −2642 kJ/mol
et ∆VCSR ≈ +9102 kJ/mol. Pour TIP5P, la différence est nettement moins pronon-
cée : ∆VLJSR ≈ +76 kJ/mol et ∆VCSR ≈ −262 kJ/mol. De plus, on a relevé une
différence d’environ 14 % sur la valeur d’énergie électrostatique VCSR entre TIP5P
REMD (−498 196.2 kJ/mol) et SPC/E REMD (−568 143.6 kJ/mol). On peut
supposer que cette différence d’énergie contribue à expliquer les différences de
formation de liaisons H entre SPC/E et TIP5P. En effet, d’après l’IUPAC, les
liaisons H sont considérées comme des interactions électrostatiques [124]. Plus
l’oxygène de l’eau est électronégatif et plus l’interaction sera forte. Dans le mo-
dèle SPC/E, l’oxygène a une charge partielle de −0.8476 e, alors que les sites
virtuels de TIP5P ont chacun une charge partielle de −0.241 e (cf section 5.4).
Le modèle TIP5P présente effectivement plus de sites d’interaction mais l’éner-
gie électrostatique qui en découle est plus faible, ce qui peut entraîner une stabilité
moindre des liaisons H au cours du temps par rapport au modèle SPC/E présentant
un atome d’oxygène beaucoup plus électronégatif. Cette instabilité des liaisons H
pourrait expliquer en partie le nombre moyen de liaisons H par pas de temps plus
faible pour TIP5P et donc la cohésion plus faible.
L’absence de changement notable dans les énergies intermoléculaires lors de l’uti-
lisation d’une étape de REMD avec TIP5P tend à nous faire penser que la dif-
férence entre les coefficients de diffusion pourrait être en partie reliée aux in-
teractions intermoléculaires à courte distance. Les écarts ∆VCSR et ∆VLJSR entre
SPC/E NV T et SPC/E REMD sembleraient donc être responsables de l’amélio-
ration de la valeur du coefficient de diffusion du CO2 . L’avantage principal du
Avant de présenter les résultats, une question se pose quant à la quantité de CO2
dans le tube RMN. Une perte de CO2 se produit lors du versement dans le tube.
Cela ne devrait pas altérer la mesure étant donné que les molécules de CO2 sont
en relativement faible quantité par rapport aux autres espèces dans le champagne
(bien que le liquide soit sursaturé en CO2 ) et n’interagissent pas significativement
entre elles (vérifié lors de l’étude de la diffusion du CO2 dans l’eau). Il est éga-
lement important de signaler qu’aucune bulle de CO2 pouvant altérer les mesures
expérimentales ne peut se former dans les tubes RMN. En effet, la grande quantité
Sur la figure 7.7, les coefficients de diffusion sont déterminés par régression non
linéaire de séries de 32 intensités du pic du CO2 à chaque température d’intérêt
dans un échantillon contenant la solution hydroalcoolique. Les régressions non
linéaires correspondant au second échantillon de solution hydroalcoolique et aux
deux échantillons de champagne sont disponibles en annexe B.
1
T = 277 K
T = 281 K
Intensité normalisée
0.8 T = 285 K
T = 289 K
T = 293 K
0.6
0.4
0.2
0
0 10 20 30 40 50
G (G/cm)
F IGURE 7.7 – Régressions non linéaires des données RMN pour la molécule de
CO2 dans un échantillon contenant le mélange eau/éthanol dans la gamme de
température 277-293 K.
1.4
Solution hydroalcoolique
Champagne
1.2
D (10 m /s)
2
-9
0.8
La méthode a été utilisée sur des bouteilles de champagne à 20˚C, puis à 12˚C.
Trois trains de bulles sont étudiés à 20˚C et cinq à 12 ˚C. La bulle choisie étant
suivie au cours de son ascension, son taux de grossissement est déterminé à plu-
sieurs instants. On se retrouve avec environ une vingtaine et une trentaine de taux
de grossissement, respectivement à 20˚C et 12˚C. Les coefficients de diffusion as-
sociés à chaque taux de grossissement sont déterminés en utilisant les modèles
de sphère rigide et de sphère fluide (présentés sous-section 6.3.1) puis moyennés
entre eux pour obtenir un coefficient de diffusion moyen pour chaque modèle de
sphère.
TABLEAU 7.5 – Valeurs des taux de grossissement de bulles ainsi que leurs co-
efficients de diffusion associés au cours de leur ascension. La concentration cL
(déterminée par dosage chimique) de CO2 présent dans la flûte au moment de
l’enregistrement du train de bulles est également indiquée.
T = 20˚C
k (×10−4 m/s) Drigide (×10−9 m2 /s) Dfluide (×10−9 m2 /s)
3.64 5.06 3.30
3.13 3.87 1.98
Dosage 1 3.13 3.76 1.67
cL = 6.54 g/L 2.86 3.27 1.25
2.61 2.76 0.91
2.61 2.70 0.81
2.60 2.60 0.70
3.52 4.35 2.31
3.12 3.65 1.70
3.12 3.60 1.54
Dosage 2 2.74 2.91 1.07
cL = 6.54 g/L 2.74 2.89 1.01
2.74 2.85 0.92
2.34 2.18 0.61
2.74 2.71 0.77
2.35 2.14 0.53
2.09 2.51 1.18
2.34 3.04 1.40
Dosage 3 1.82 2.02 0.73
cL = 5.97 g/L 1.82 1.96 0.66
2.61 2.35 0.78
2.61 1.90 0.55
2.60 1.84 0.49
Moyenne 2.91±0.81 1.17±0.66
rigide mais la vitesse est fonction de R1/2 (R2 dans notre cas) et le nombre de Sher-
wood est exprimé en fonction des nombres de Péclet et de Reynolds [126].
Les résultats théoriques de la diffusion du CO2 dans un mélange hydroalcoolique
issus des simulations de dynamique moléculaire (MD) vont maintenant être com-
parés aux résultats expérimentaux (RMN et méthode indirecte).
a 1.8
D (10 m /s)
1.2
2
-9
0.6
Sol. hydroalcoolique
275 280 285 290 295
T (K)
b 1.8
D (10 m /s)
1.2
2
-9
0.6
Champagne
275 280 285 290 295
T (K)
F IGURE 7.9 – (a) Coefficients de diffusion théoriques du CO2 dans la solution
hydroalcoolique issus des simulations avec TIP5P (carrés noirs) et SPC/E (cercles
noirs), et issus des mesures RMN (triangles noirs). Ces données sont également
tracées en pointillés dans (b). Les symboles bleus représentent les résultats avec
TIP5P et SPC/E sans REMD [127]. (b) Coefficients de diffusion du CO2 dans
un champagne brut issus des mesures RMN (triangles rouges vers le bas), de la
loi de Stokes-Einstein (croix rouges) et de la littérature (triangles rouges vers le
haut) [36,100]. Les diamants rouges représentent les valeurs issues de l’expérience
de détermination indirecte (à 285 K et 293 K).
7.3 Dépendance en température 160
CHAPITRE 7. DIFFUSION DU DIOXYDE DE CARBONE
de k à 285 K contre une vingtaine à 293 K). A noter que les très grandes barres
d’erreur sur les valeurs de D obtenus par suivi vidéo du grossissement des bulles
ne sont pas représentées sur le graphe pour éviter de le surcharger mais sont indi-
quées dans le tableau 7.6. L’amplitude de ces barres d’erreur n’est pas surprenante
compte tenu du caractère expérimental de l’étude.
La spectroscopie RMN met en évidence une différence entre la solution hydroal-
coolique et un champagne brut (comportant ≈10 g/L de sucres). Cependant, les
valeurs théoriques se situent entre les courbes correspondant à ces deux liquides.
On peut donc en conclure que notre modèle moléculaire est suffisant pour capturer
l’essentiel des effets physiques permettant de retrouver les valeurs du coefficient
de diffusion du CO2 dissous dans le champagne. Une étude est en cours pour dé-
terminer si la diffusion dépend significativement de la teneur en sucres dans le
champagne, notamment dans les champagnes doux.
Sur la figure 7.10 sont présentées les valeurs de TIP5P divisées par un facteur
empirique de 1.4 (en pointillés) dans le but de compenser les coefficients de diffu-
sion excessifs. En effet, bien que les coefficients de diffusion du CO2 avec TIP5P
surestiment les valeurs expérimentales de 30 à 40 %, ils sont parfaitement paral-
lèles à la courbe expérimentale même à basse température. La courbe "déplacée"
présente un excellent accord avec les valeurs issues de la RMN entre 277 K et
289 K. Cette surestimation peut être en partie reliée aux résultats obtenus par
les coefficients d’autodiffusion de l’eau à 293 K [73], où le coefficient de dif-
fusion de TIP5P (D= 2.62 ± 0.04 × 10−9 m2 /s) surestimait légèrement la valeur
expérimentale (D= 2.3 × 10−9 m2 /s) et la valeur prédite par le modèle SPC/E
(D= 2.49 ± 0.05 × 10−9 m2 /s). Cependant, nous ne pouvons pas exclure le fait
que le modèle utilisé pour la molécule d’éthanol, basé sur le champ de forces
CHARMM27, puisse être en partie responsable de cette surestimation. Il serait
intéressant de tester un autre champ de forces pour l’éthanol avec TIP5P et SPC/E
pour voir si on retrouve cette surestimation.
1.2
2
-9
0.6
où η2 est la viscosité de l’eau pure (en mPa.s) [128], V1 est le volume molaire
de l’éthanol à son point d’ébullition (en cm3 /mol) [129] et T la température (en
CHAPITRE 8. DIFFUSION DE L’ÉTHANOL
K). La valeur de V1 a été évaluée à 75˚C étant donné que la densité de l’éthanol à
son point d’ébullition, 78.4˚C, était indisponible. Néanmoins, le volume molaire
ne diffère pas de plus d’un pourcent, ce qui n’a pas d’impact sur la validité de
l’approximation. Les différentes valeurs de DEtOH sont présentées dans le tableau
8.1.
a 5
EtOH - SPC/E
4
T = 277 K
<MSD(∆t)> (nm )
2
T = 281 K
3 T = 285 K
T = 289 K
T = 293 K
2
0
0 0.2 0.4 0.6 0.8 1
∆t (ns)
b 5
EtOH - TIP5P
4
T = 277 K
<MSD(∆t)> (nm )
2
T = 281 K
3 T = 285 K
T = 289 K
T = 293 K
2
0
0 0.2 0.4 0.6 0.8 1
∆t (ns)
F IGURE 8.1 – hMSD(∆t)i de l’éthanol issus d’un protocole de simulations avec
une étape de replica exchange et le modèle (a) SPC/E et (b) TIP5P aux 5 tempé-
ratures d’intérêt.
0.8
D (10 m /s)
2
0.6
-9
0.2
275 280 285 290 295
T (K)
F IGURE 8.2 – Coefficients de diffusion de l’éthanol dans le mélange hydroalcoo-
lique avec les modèles SPC/E (cercles rouges) et TIP5P (carrés noires) en fonction
de la température. La droite en pointillés représente la diffusion de l’éthanol infi-
niment dilué dans l’eau pure déterminée par la formule empirique de Siddiqi. Les
triangles verts représentent la valeur du coefficient de diffusion de l’éthanol dans
le champagne issue des expériences RMN menées en 2005 [36].
sont, à peu près, deux fois moins élevés que les coefficients de diffusion du CO2 .
Ce comportement peut en partie s’expliquer en terme de nombre moyen de liai-
sons H par molécule, qui atteint difficilement 0.3-0.5 pour le CO2 mais augmente
à 2.5-2.7 pour l’éthanol, sur la plage de température étudiée donc contrairement
aux molécules apolaires de CO2 , l’éthanol établit un réseau de liaisons hydrogène
avec l’eau, et ce aussi bien avec TIP5P qu’avec SPC/E (cf figure 7.4). Sa mobilité
s’en trouve donc affectée.
0.8
Solution hydroalcoolique
Champagne
0.7
D (10 m /s)
2
-9
0.6
0.5
0.4
275 280 285 290 295
T (K)
F IGURE 8.3 – Coefficients de diffusion de l’éthanol dans le champagne (courbes
rouges) avec la moyenne associée (courbe en pointillés) et dans la solution hydro-
alcoolique (courbe noire).
Si l’on regarde maintenant la figure 8.4b, on note un très petit "shift", de l’ordre
de 0.1 − 0.5 × 10−10 m2 /s entre les valeurs RMN de la solution hydroalcoolique
et du champagne. Cette information révèle que la diffusion de l’éthanol n’est pas
non plus influencée de façon significative par des molécules autres que l’eau et le
CO2 .
Les coefficients de diffusion issus de simulations de dynamique moléculaire se
situent entre la courbe de Stokes-Einstein (croix rouges) et les mesures de RMN
pour le champagne. La loi de Stokes-Einstein a été utilisée avec la viscosité déter-
minée par la loi type Arrhénius (à partir d’un champagne brut de la coopérative de
Nogent l’Abbesse, Marne) et le rayon hydrodynamique RRMS EtOH déterminé par les
simulations de dynamique moléculaire (≈ 1.6 Å).
Cette courbe peut être affinée en utilisant un rayon hydrodynamique différent dé-
terminé à partir des rapports des coefficients de diffusion issus de la RMN et du
rayon hydrodynamique RRMS CO2 issu des simulations MD (≈ 0.95 Å), et ce pour
chaque température :
DCO2 kB T 6πηRRMS
EtOH RRMS
EtOH
= × = (8.2)
DEtOH 6πηRRMS
CO2
kB T RRMS
CO2
a
0.8
D (10 m /s)
2
0.6
-9
0.4
Sol. hydroalcoolique
0.2
275 280 285 290 295
T (K)
b
0.8
D (10 m /s)
2
0.6
-9
0.4
Champagne
0.2
275 280 285 290 295
T (K)
F IGURE 8.4 – (a) Coefficients de diffusion de l’éthanol dans la solution hydro-
alcoolique issus des simulations de dynamique moléculaire avec TIP5P (carrés
noirs), SPC/E (cercles noirs) et issus des mesures RMN (triangles noirs). (b) Co-
efficients de diffusion de l’éthanol dans un champagne brut issus de la RMN (tri-
angles rouges vers le bas), de la loi de Stokes-Einstein (croix rouges) (cf section
6.4) et de la littérature (triangles rouges vers le haut) [36].
0.8
D (10 m /s)
2
0.6
-9
0.4
Champagne
0.2
275 280 285 290 295
T (K)
F IGURE 8.5 – Coefficients de diffusion calculés à partir de Stokes-Einstein avec
un rayon hydrodynamique de l’éthanol issu des simulations (croix rouges) et avec
un rayon hydrodynamique déterminé par le rapport des coefficients de diffusion
RMN et du rayon du CO2 (croix vertes).
Dans ce chapitre, plusieurs méthodes sont utilisées pour déterminer les visco-
sités de la solution hydroalcoolique et du champagne, ainsi que les rayons hydro-
dynamiques du CO2 et de l’éthanol.
6
a CO2 - SPC/E
5 CO2 - TIP5P
EtOH - SPC/E
EtOH - TIP5P
4
η (x10 Pa.s)
-3
0
275 280 285 290 295
T (K)
6
b GROMACS - SPC/E
GROMACS - TIP5P
5
4
η (x10 Pa.s)
-3
0
275 280 285 290 295
T (K)
F IGURE 9.1 – (a) Viscosités théoriques obtenues par la relation de Stokes-Einstein
en utilisant les coefficients de diffusion théoriques du CO2 (symboles vides) et de
l’éthanol (symboles pleins). Les cercles correspondent au modèle SPC/E et les
carrés à TIP5P. (b) Les viscosités théoriques de (a) sont reportées en pointillés et
comparées aux valeurs de viscosité déterminées par l’outil g_tcaf de GROMACS
(cercles verts pour SPC/E et carrés verts pour TIP5P).
5 CO2 - SPC/E
CO2 - TIP5P
EtOH - SPC/E
R (Å)
4 EtOH - TIP5P
1
275 280 285 290 295
T (K)
F IGURE 9.2 – Rayons hydrodynamiques théoriques du CO2 (symboles vides) et
de l’éthanol (symboles pleins) en fonction de la température avec les modèles
d’eau SPC/E (ronds) et TIP5P (carrés).
3 Littérature
-3
1
275 280 285 290 295
T (K)
F IGURE 9.3 – Viscosité de la solution hydroalcoolique (courbes noires) et du
champagne (courbes rouges) déterminées à partir de la loi Stokes-Einstein en uti-
lisant les rayons hydrodynamiques du CO2 (cercles vides) et de l’éthanol (carrés
pleins). La courbe verte est la viscosité du champagne déterminée par une loi type
Arrhénius (cf équation (6.32)). Le triangle bleu représente la viscosité du cham-
pagne mesurée par un viscosimètre dans la littérature [100].
4
a Solution hydroalcoolique
Champagne
Loi type Arrhénius
3
η (x10 Pa.s)
-3
1
275 280 285 290 295
T (K)
3
-3
1
275 280 285 290 295
T (K)
F IGURE 9.4 – (a) Viscosités de la solution hydroalcoolique (croix noires) et du
champagne (croix rouges) déterminées à partir d’un viscosimètre (reportées en
pointillés dans la figure (b)). La courbe verte est la viscosité du champagne dé-
terminée par la loi type Arrhénius. (b) Viscosités de la solution hydroalcoolique
(courbes noires) et du champagne (courbes rouges) calculées avec la loi de Stokes-
Einstein avec les coefficients de diffusion du CO2 (cercles) et de l’éthanol (carrés)
provenant de la RMN et les rayons hydrodynamiques RRMS RMS
CO2 et REtOH .
9.3.1 Viscosité
La figure 9.5a compare les valeurs de viscosité expérimentales (mesures de
viscosimétrie) de la solution hydroalcoolique et du champagne aux valeurs théo-
riques issues de l’utilisation de l’outil g_tcaf de GROMACS sur nos trajectoires
de dynamique moléculaire. Malgré d’importantes barres d’erreur, le modèle SPC/E
présente des valeurs plus élevées et plus proche de l’expérience que le modèle
TIP5P. Dans l’ensemble, toutes les valeurs théoriques sont cependant plus faibles
que les valeurs expérimentales. L’utilisation de l’outil g_tcaf nécessite une im-
pression fréquente des coordonnées et des vitesses [58]. Dans notre cas, les co-
ordonnées et les vitesses sont imprimées tout les 1000 pas, ce qui est peut être
insuffisant. La figure 9.5b compare les mêmes valeurs expérimentales aux vis-
cosités calculées à partir des coefficients de diffusion théoriques du CO2 et de
l’éthanol et des rayons hydrodynamiques RRMS RMS
CO2 et REtOH . On note un bon accord
entre les valeurs expérimentales et théoriques excepté à 277 K et pour les coeffi-
cients de diffusion du CO2 dans un modèle TIP5P (carrés vides).
Le tableau 9.3 reporte les valeurs de viscosité issues de l’utilisation de l’outil
g_tcaf (ηSPC/E et ηTIP5P ), les valeurs mesurées avec un viscosimètre pour la solu-
tion hydroalcoolique (ηHS ) et le champagne (ηCS ), ainsi que les valeurs issues de
la littérature avec la loi d’Arrhénius (ηCL ).
4
a g_tcaf - SPC/E
g_tcaf - TIP5P
Sol. hydroalcoolique
3 Champagne
η (x10 Pa.s)
-3
0
275 280 285 290 295
T (K)
6
b CO2 - SPC/E
CO2 - TIP5P
5 EtOH - SPC/E
EtOH - TIP5P
η (x10 Pa.s)
4
-3
1
275 280 285 290 295
T (K)
F IGURE 9.5 – (a) Viscosités de la solution hydroalcoolique théoriques issues de
GROMACS (ronds et carrés noirs) et expérimentales (croix noires) et viscosi-
tés expérimentales du champagne (croix rouges). (b) Les valeurs expérimentales
de la figure (a) sont reportées en pointillés et comparées aux valeurs théoriques
calculées à partir des coefficients de diffusion du CO2 et de l’éthanol issus des si-
mulations de dynamique moléculaire en appliquant la relation de Stokes-Einsein.
Les viscosités du modèle SPC/E sont en bon accord avec les mesures expéri-
mentales sur la solution hydroalcoolique, malgré les grandes barres d’erreur. Les
viscosités avec le modèle TIP5P sont sous-estimées comme attendu avec la sures-
timation du coefficient de diffusion du CO2 et de l’éthanol.
a CO2 - SPC/E
3 CO2 - TIP5P
CO2 - Sol. hydroalcoolique
CO2 - Champagne
2
R (Å)
0
275 280 285 290 295
T (K)
6
b EtOH - SPC/E
EtOH - TIP5P
5 EtOH - Sol. hydroalcoolique
EtOH - Champagne
4
R (Å)
1
275 280 285 290 295
T (K)
F IGURE 9.6 – (a) Rayons hydrodynamiques du CO2 expérimentaux (triangles
vides) et théoriques (cercles et carrés vides). (b) Rayons hydrodynamiques de
l’éthanol expérimentaux (triangles pleins) et théoriques (cercles et carrés pleins)
dans la solution hydroalcoolique (symboles noirs) et dans le champagne (sym-
boles rouges). Les pointillés verts représentent la valeur des rayons RRMS
CO2 (pour la
figure a) et RRMS
EtOH (pour la figure b).
Dans cette deuxième partie, j’ai présenté les résultats expérimentaux et théo-
riques issus des différentes méthodes employées et je les ai comparés. Il en ressort
que le modèle moléculaire utilisé est suffisant pour trouver les valeurs des coef-
ficients de diffusion du CO2 et de l’éthanol dans le champagne. Le protocole de
simulation mis en place pour déterminer ces coefficients de diffusion et la vis-
cosité du mélange semble robuste au regard du bon accord avec des mesures de
spectroscopie RMN 13 C et de viscosimétrie. L’éthanol semble donc être l’espèce
majoritairement responsable (avec l’eau) de la valeur du coefficient de diffusion
du CO2 dans le champagne, les nombreuses autres espèces chimiques composant
le champagne n’influant pas significativement la valeur de ce coefficient de diffu-
sion, bien qu’elles puissent avoir une grande importance pour l’étude de certaines
sensations en situation de dégustation. La diffusion de l’éthanol dépend essentiel-
lement des interactions avec les molécules d’eau et d’éthanol. De ce fait, utiliser
l’un ou l’autre des modèles d’eau semble avoir peu d’importance pour modéliser
sa diffusion. Le CO2 , quant à lui, semble jouer un rôle de spectateur au regard du
faible nombre de liaisons hydrogène avec son environnement. En effet, le CO2 ne
semble pas participer à la cohésion du réseau moléculaire et ses interactions avec
les autres espèces du système sont minimes.
A propos des deux modèles utilisés, il apparaît que le modèle SPC/E est plus
adapté pour étudier les propriétés de transport du CO2 dans un système composé
majoritairement d’eau à des températures au-delà de 285 K que le modèle TIP5P,
qui surestime systématiquement les valeurs du coefficient de diffusion du CO2 .
En revanche, TIP5P reproduit mieux les propriétés de l’eau à basses températures
et notamment à 277 K où l’eau présente un pic de densité [72], pourvu qu’on ap-
plique un "shift".
Le protocole de simulation utilisé, lorsque l’éthanol est ajouté, suggère qu’une
équilibration plus longue du modèle SPC/E est nécessaire. Dès lors, l’étape de
REMD permet d’équilibrer le système à différentes températures simultanément
et probablement de façon aussi efficace qu’une plus longue équilibration en NPT.
tures Bull et avec des outils Bull. Pour ce faire, une étude de performance a été
menée, ainsi qu’une étude du comportement des différentes fonctions intervenant
dans la parallélisation du logiciel.
Dans l’étude présente, nous nous sommes concentrés sur le programme GRO-
MACS avec lequel nous avons simulé la dynamique de molécules de CO2 dans
un mélange hydroalcoolique représentant le champagne. Cette partie de la thèse
s’est déroulée à Echirolles (38) au département R&D de Bull, un des leaders sur
le marché du calcul haute performance. L’étude s’est faite conjointement entre les
équipes MPI et Application & Performance et toutes les simulations ont été lan-
cées sur des supercalculateurs conçus par Bull.
191
à partir de documents et d’expériences, sans connaissance a priori des détails al-
gorithmiques d’implentation, afin d’identifier et sortir des règles de paramétrage
et de prévoir son comportement sur d’autres modèles moléculaires ou d’autres
technologies [54, 58, 132].
192
Chapitre 10
Scalabilité de GROMACS
NPT que celui utilisé lors de l’étape de production et avec le modèle d’eau TIP5P.
Un nombre aléatoire identique est utilisé pour la génération des vitesses. L’op-
tion "-reprod" utilisée tout au long de l’étude sera également utilisée dans cette
partie. Cette option permet une reproductibilité des simulations mais la contre-
partie est qu’elle abaisse les performances du code (certaines optimisations des
performances sont alors désactivées). Le but est donc d’étudier les performances
du logiciel en utilisant notre système moléculaire champagne (à savoir 50 CO2 ,
440 éthanol et 104 eau).
GROMACS est un code parallèle distribué qui utilise des librairies MPI (Message
Passing Interface) permettant la communication entre processus. De plus, nous
lançons systématiquement un processus MPI par coeur. C’est pourquoi dans la
suite nous ferons l’amalgame entre ces deux notions.
figure 10.1 présente les différentes étapes (y compris les communications entre les
"PME nodes" et les "Real Space nodes") d’une simulation standard de dynamique
moléculaire [54]. Nous identifions clairement deux niveaux de parallélisme, un
premier sur des groupes de "Real Space nodes" voisins et un second au niveau des
"PME nodes". Nous nous attendons à ce que pour les communications entre un
ensemble de "Real Spaces nodes" voisins et le "PME node" associé GROMACS
fassent appel à des opérations collectives MPI de type Bcast ou Reduce et que
pour celles entre "Real Space nodes" ou entre "PME nodes", GROMACS privi-
légie des communications Point to Point. Dans le chapitre 11, nous étudierons
l’impact de ces PME nodes sur les performances du code GROMACS.
a
1024
scalabilité réelle
scalabilité parfaite
(nxTn)/Tp
512
256
128
64
16
16 64 128 256 512 1024
Nombre de coeurs
b
1,0
0,8
0,7
0,6
0,5
16 64 128 256 512 1024
Nombre de coeurs
F IGURE 10.2 – (a) Scalabilité de GROMACS sur le modèle champagne (courbe
noire) et scalabilité parfaite (droite rouge). (b) Efficacité de GROMACS sur le
modèle champagne (courbe noire) et efficacité parfaite (droite rouge).
du fait que la boîte de simulation est trop petite pour que le parallélisme soit
suffisant à nombre de coeurs élevé. En effet, une étude effectuée par l’équipe
Benchmark de Bull avec un système dix fois plus gros (en terme de nombres
d’atomes) montre une meilleure scalabilité (au moins jusqu’à 1000 coeurs). Pour
mieux appréhender ce problème de scalabilité, deux étapes sont envisagées. La
première est de faire des calculs sur des systèmes plus gros (105 molécules d’eau,
environ 500 000 atomes, noté 500k). On suspecte que la limite de scalabilité vient
du fait que la granularité des taches de calcul indépendantes devient trop petite
devant l’overhead (surcoût) dû à la parallélisation. Pour le mettre en évidence,
on tourne sur des systèmes plus gros. La seconde est d’étudier la structure MPI
de GROMACS, à savoir la façon dont le code communique avec l’ensemble de
l’architecture.
les temps d’exécution, on considère que le fait de passer sur CURIE n’affecte pas
l’étude de scalabilité. Les figures 10.3a et 10.3b présentent la scalabilité et l’effi-
cacité de GROMACS sur le système à 500k atomes.
La scalabilité de GROMACS semble décrocher à 256 coeurs. L’efficacité indique
une perte d’environ 12 % à 128 coeurs. Par la suite, l’efficacité diminue moins que
pour le système à environ 50k atomes (en fait 104 molécules TIP5P plus le CO2
et l’éthanol). En effet, dans le cas du système précédent, l’efficacité était de 0.58
pour 1024 coeurs. Dans le cas présent, elle est de 0.67 pour le même nombre de
coeurs et 0.53 pour 2048 coeurs (0.37 à 4096 coeurs).
4096
scalabilité 500K atomes
scalabilité parfaite
(nxTn)/Tp
2048
1024
512
256
16
16 256 512 1024 2048 4096
Nombre de coeurs
0,9
efficacité 500K atomes
efficacité parfaite
0,8
(nxTn)/(pxTp)
0,7
0,6
0,5
0,4
0,3
16 256 512 1024 2048 4096
Nombre de coeurs
F IGURE 10.3 – (a) Scalabilité de GROMACS sur le système à 500k atomes
(courbe noire) et scalabilité parfaite (droite rouge). (b) Efficacité de GROMACS
sur le système à 500k atomes (courbe noire) et efficacité parfaite (droite rouge).
10.4 Comparaison
Les figures 10.4a et 10.4b comparent les scalabilités et efficacités de GRO-
MACS en fonction du nombre d’atomes dans le système moléculaire (5×103 (5k),
5 × 104 (50k), 5 × 105 (500k)). Les simulations ne vont pas plus loin que 1024
coeurs car au delà le système à 5000 atomes est trop petit pour être parallélisé et
GROMACS rend la main à l’utilisateur sans effectuer le calcul.
On remarque tout d’abord que, pour le plus petit système (courbe noire), l’accélé-
ration est nulle à partir de 512 coeurs, il n’y a plus aucun gain de performance entre
512 et 1024 coeurs. De plus, la scalabilité décroche vers 64 coeurs et GROMACS
perd environ 30 % d’efficacité à 128 coeurs. Ensuite, on remarque que le système
à 50k atomes présente une meilleure efficacité que le système à 500k atomes jus-
qu’à environ 160 coeurs (croisement des courbes rouges et vertes). Ce point sera
discuter plus en détail dans la section 11.2.2. Au delà, GROMACS présente une
meilleure efficacité sur le système à 500k atomes. La scalabilité décroche vers 128
coeurs pour les deux systèmes bien qu’elle reste satisfaisante à 256 coeurs. Pour
résumer, nous voyons que la scalabilité de GROMACS est meilleure sur les gros
modèles et au vu de ces résultats nous ne recommandons pas d’exécution au delà
de 512 coeurs pour les modèles avec moins de 50k atomes. En revanche, pour des
modèles de plusieurs centaines de milliers d’atomes l’utilisateur peut avoir intérêt
à tourner sur des milliers de coeurs pour obtenir un résultat de simulation plus
rapidement.
1024
5 000 atomes
50 000 atomes
500 000 atomes
scalabilité parfaite
(nxTn)/Tp
512
256
128
64
16
16 64 128 256 512 1024
Nombre de coeurs
1,0
0,9
0,8
0,7
(nxTn)/(pxTp)
0,6
0,5
0,4
0,3
5 000 atomes
0,2 50 000 atomes
500 000 atomes
efficacité parfaite
0,1
0
16 64 128 256 512 1024
Nombre de coeurs
F IGURE 10.4 – (a) Scalabilité de GROMACS sur des systèmes à 5 × 103 atomes
(cercles noirs), 5 × 104 atomes (carrés rouges) et 5 × 105 atomes (triangles verts)
par rapport à la scalabilité idéale (pointillés bleus). (b) Efficacité de GROMACS
sur les mêmes systèmes comparée à l’efficacité idéale (en pointillés bleus).
11.1 Communications
En réalisant l’étude de scalabilité sur le système champagne à 50k atomes
(architecture 1 + BullxMPI 1.2.4.1) avec des simulations de 100 picosecondes,
l’outil "bullxprof 1.0" a été utilisé pour étudier le profil MPI de GROMACS pour
chaque simulation jusqu’à 512 coeurs. Cette outil de la bullx super computer suite
permet de fournir des informations à l’utilisateur à propos de la communication
intra- et inter-noeuds dans son application. L’idée est donc d’analyser l’impact des
communications sur la scalabilité et ainsi de comprendre les causes de perte d’effi-
cacité du code. Les communications "Point to Point" (PtP) sont des échanges entre
deux processus MPI. Les communications "Collective" (Coll) sont des échanges
d’informations entre un ensemble de processus d’un même communicateur via
des appels à des opérations collectives du standard MPI. La figure 11.1 montre
l’évolution du nombre total de messages envoyés (a), ainsi que le type de com-
munications (b) en fonction du nombre de coeurs (seules les données jusqu’à 256
coeurs sont prises en compte étant donné que le nombre total de messages dans
bullxprof 1.0 est limité à 2 × 109 . La figure 11.2 indique le volume moyen par
processus des appels MPI en fonction du nombre de coeurs.
CHAPITRE 11. PROFILING MPI
a
12
Appels MPI
Nombre total d’appels MPI (x10 )
10
8
0,0
16 64 128 192 256
Nombre de coeurs utilisés
b
10
Point to Point
Collective
8
Nombre total d’appels (x10 )
8
0.0
16 64 128 192 256
Nombre de coeurs utilisés
F IGURE 11.1 – Nombre total d’appels MPI (a) décomposés selon le type de com-
munication (b) en fonction du nombre de coeurs utilisés.
16 Volume moyen
Volume moyen (x10 Mb)
4
12
D’après la figure 11.1, on remarque que le nombre total d’appels MPI n’augmente
pas linéairement. Cette tendance est retrouvée lorsque l’on décompose le nombre
d’appels selon le type de communications. Le nombre d’appels pour les "Collec-
tive" augmente de façon linéaire avec le nombre de coeurs, alors que ce n’est pas le
cas pour les appels "Point to Point". La première information que l’on peut ressor-
tir est que la partie communication du programme (MPI) explique la perte d’effi-
cacité puisque le nombre d’appels PtP n’augmente pas de façon linéaire. La perte
d’efficacité semble être corrélée au volume d’informations communiquées dans
les appels PtP. En effet, la figure 11.2 montre que le volume moyen des appels par
processus diminue de façon non-linéaire. De plus, d’après la figure 11.3, le temps
moyen par coeur passé dans les communications MPI diminue avec le nombre de
coeurs (jusqu’à 512 coeurs), ce qui est logique compte tenu du fait que plus le
nombre de coeurs utilisés est grand, plus le nombre d’interactions est important
mais qu’il y a moins d’informations à transmettre par message. En revanche, une
limite est observée à partir de 512 coeurs puisque le temps moyen augmente à
2700
2100
1800
Temps (s)
1500
1200
900
600
300
0
16 64 128 256 512 1024
Nombre de coeurs
F IGURE 11.3 – Temps moyen par coeur à passer à communiquer en fonction du
nombre de coeurs.
partir de ce nombre de coeurs. On peut en déduire que les messages à envoyer de-
viennent trop petits et que l’on devient limité par le temps intrinsèque nécessaire
que met l’information à naviguer entre deux processus. Cela explique en partie la
perte d’efficacité. En revanche, si on revient à notre problème de scalabilité entre
64 et 128 coeurs, le nombre d’appels MPI ne nous donne aucune information,
de même que le temps moyen passé à communiquer en fonction du nombre de
coeurs. La figure 11.4 montre le temps de communication inverse (1/tcomm ) en
fonction du nombre de coeurs. Dans le cas d’une scalabilité parfaite des commu-
nications, on obtiendrait une droite. Or, on remarque une différence de pente dès
32 coeurs. Pour une analyse plus en profondeur, il faut alors s’intéresser de plus
près à la région MPI et plus particulièrement aux différentes communications et
fonctions MPI.
4
Temps MPI moyen inverse
3
1/tcomm (x10 s )
-3 -1
a
60
Pourcentage de la région MPI
50 Sendrecv
Recv
Waitall
40 Bcast
30
20
10
0
16 64 128 256 512
Nombre de coeurs utilisés
b
1600
1400 Sendrecv
Recv
Waitall
1200 Bcast
Temps moyen (s)
1000
800
600
400
200
0
16 64 128 256 512
Nombre de coeurs utilisés
F IGURE 11.5 – Pourcentage des fonctions majoritaires dans la région MPI (a) et
temps moyen passé dans lesdites fonctions (b) en fonction du nombre de coeurs
utilisés.
a
18
16 Sendrecv (PtP)
14
Nombre d’appels (x10 )
8
12
10
0
16 64 128 256 512
Nombre de coeurs
b
12
Recv (PtP)
10 Wait
Bcast (Coll)
Nombre d’appels (x10 )
Reduce (Coll)
7
8 Alltoall (Coll)
0.0
16 64 128 256 512
Nombre de coeurs
F IGURE 11.6 – Nombre total d’appels des fonctions MPI majoritaires.
TABLEAU 11.1 – Temps d’exécution et temps moyen (en s) passé dans les 5 fonc-
tions majoritaires en fonction du nombre de coeurs. (texec : temps moyen de simu-
lation).
Fonctions MPI Nombre de coeurs
16 32 64 128 256 512
texec (s) 28104.5 14261.2 7372.1 3841.3 2006.7 1092.8
Waitall 1499.6 742.0 384.1 194.5 98.3
Sendrecv 934.9 662.0 511.6 326.4 227.7 173.2
Bcast 45.0 45.0 81.6 66.7 73.0
Recv 32.3 12.0 7.7 8.3 5.6 52.5
Reduce 8.6 6.7
Allreduce 41.9 4.2
Alltoall 4.9 6.2
Isend 1.6
Init 9.1
Le tableau 11.1 montre que les seules fois où est présent la fonction Alltoall (parmi
les 5 fonctions majoritaires) correspondent au nombre de coeurs où la scalabilité
de GROMACS décroche. La prudence est cependant de rigueur puisque la fonc-
tion Alltoall se classe en 6ème position dans tous les autres cas excepté celui à 16
coeurs, où elle n’est pas présente (une fonction présente dans le top 5 à n coeurs
et absente du top 5 à p coeurs ne veut pas dire qu’elle n’est plus utilisée). De
plus, elle a une influence mineure compte tenu des temps d’exécution. La fonc-
tion Bcast, quant à elle, double presque le temps passé à communiquer entre 64
(≈ 45 s) et 128 coeurs (≈ 82 s), alors que toutes les autres fonctions diminue ou
reste à peu près stable. La limitation de scalabilité peut donc provenir de cette
fonction qui ne "scale" pas par nature. De plus, le nombre de messages SendRecv
augmente et la taille des messages devient trop petite, ce qui est également une li-
mitation. D’après le tableau 11.1, la limitation de scalabilité est probablement due
aussi à l’utilisation de la fonction SendRecv faite par GROMACS qui ne "scale"
pas. Il serait intéressant cependant de faire un profiling sur un système plus gros
pour voir si la fonction SendRecv décroche plus tard et si le Bcast a un comporte-
ment similaire.
Je rappelle que jusqu’à présent l’étude a été mené avec la librairie BullxMPI
1.2.4.1 et l’outil bullxprof 1.0. Le même type d’étude a été refaite avec la librairie
BullxMPI 1.2.7.2 et bullxprof 2.0 sur les systèmes 50k et 500k avec des simula-
tions de 1 ps en utilisant jusqu’à 256 coeurs.
Le tableau 11.2 est similaire à celui ci-dessus (tableau 11.1) . On note que la fonc-
tion Alltoall n’est plus présente mais qu’il y a, à la place, une fonction Scatterv.
La fonction Scatterv est également une fonction de communication collective qui
répand des parties d’un tableau sur tous les processus d’un même communicateur.
La fonction Init fait son apparition dans le top 5 seulement à cause du faible temps
de simulation demandé (1 ps). En effet, cette fonction sert à initialiser l’exécution
de l’environnement MPI. On note pour le système à 50k atomes un comportement
identique au précédent, à savoir que le temps dans les communications collec-
tives augmentent en même temps que le nombre de coeurs (Bcast, Scatterv). En
revanche, pour le système à 500k atomes, le temps passé dans la fonction Bcast
diminue de 32 à 64 coeurs, puis augmente à 128 et diminue encore à 256. On ne
retrouve donc pas le même comportement que pour le système à 50k atomes. On
remarque également le grand temps passé dans la fonction Waitall, qui doit pro-
venir de l’attente des PME nodes.
La scalabilité de l’application sur les systèmes à 50k et 500k atomes ne présentent
pas de différence notable avec celle étudiée dans la section 10.2, ce qui conforte
nos analyses. Dans cette section, on avait noté une efficacité meilleure pour le
système à 50k jusqu’à environ 192 coeurs. La figure 11.7 présente la scalabilité
de GROMACS sur les systèmes 50k et 500k et on remarque que le système 50k
présente une meilleure scalabilité jusqu’à environ 160 coeurs, puis l’application
devient plus scalable sur le système à 500k.
En regardant les différences dans les fonctions MPI entre 128 et 256 coeurs, on
remarque que seule la fonction Bcast a un comportement différent entre les deux
systèmes. Elle augmente dans le système à 50k atomes et compte pour environ
20 % du temps d’exécution à 256 coeurs. Dans le système à 500k atomes la
fonction Bcast ne compte que pour 8 % sur 256 coeurs. On peut donc penser
légitimement que la fonction Bcast semble avoir un impact sur la scalabilité de
l’application avec le système 50k. Dans les deux systèmes, l’algorithme parallèle
qui se base sur les communications PtP (SendRecv) ne passe pas à l’échelle.
192
50 000 atomes
500 000 atomes
160 scalabilité idéale
128
(nxTn)/Tp
96
64
32
16
16 32 64 96 128 160 192
Nombre de coeurs
F IGURE 11.7 – Scalabilité de GROMACS sur le système à 50k (courbe rouge) et
500k atomes (courbe verte). La scalabilité idéale est représenté par les pointillés
bleus.
maine spatial est assigné à chaque processus (coeur) qui va intégrer les équations
du mouvement pour les particules qui résident dans son domaine local. GRO-
MACS définit par défaut une décomposition de domaines (DD) et un nombre de
PME nodes en fonction du nombre de coeurs que l’on utilise. Dans cette section,
seul le modèle à 500k atomes a été utilisé avec des simulations de 1 ps. Les si-
mulations ont été lancées sur l’architecture 2 en utilisant de 20 à 1280 coeurs (de
1 à 64 noeuds). On compare les temps d’exécution entre des simulation avec les
PME par défaut et des simulations en forçant GROMACS à ne pas utiliser de PME
node. Les résultats sont présentés dans le tableau 11.3.
Nbre noeuds Nbre coeurs texec (s) ress. supp. (%) texec gagné (%)
PME défaut 0 PME
1 20 1961.3 (2) 1820.4 10 7.2
2 40 1036.0 (4) 984.5 10 5
4 80 509.6 (5) 500.4 6.3 1.8
8 160 263.5 (8) 258.8 5 1.8
16 320 139.6 (20) 140.3 6.7 -0.5
32 640 75.4 (40) 80.0 6.3 -5.8
64 1280 47.7 (80) 53.4 6.3 -10.7
Il est clairement observable que la simulation sans PME est plus rapide jusqu’à
320 coeurs (8 noeuds). Preuve en est que l’on peut "optimiser" sa simulation en
jouant sur le nombre de PME nodes et sur la décomposition de domaines [136].
D’ailleurs, en utilisant des IVB (2x12 coeurs), j’ai lancé plusieurs simulations
avec le système à 500k atomes sur un même nombre de coeurs pour essayer de
trouver l’alliance PME nodes/décomposition de domaines la plus efficace. Le ta-
bleau ci-dessous (table 11.4) rapporte la configuration par défaut et la configura-
tion la plus optimale que j’ai pu trouvé, ainsi que les temps d’exécution respectifs.
On verra que dans certains cas, la configuration proposée est la meilleure. L’ar-
Le tableau nous indique que pour notre système (500k atomes) , au delà de 8
noeuds (192 coeurs), il est préférable d’avoir des processus dont les tâches sont
de communiquer les informations aux autres processus, qui eux calculent tout le
temps. Bien évidemment, d’autres tests pourront être faits par la suite pour affiner
les configurations à un nombre de noeuds élevé. A noter également, que sur 768
coeurs, le DD 12x10x6 donne pratiquement le même temps (à la dixième de se-
conde près). Est-ce que maintenant une règle peut être tirée de la table pour avoir
une règle générale sur la DD et le nombre de PME ? La seule observation que l’on
peut faire, pour l’instant, est que la composante sur l’axe des z est toujours la plus
petite des 3. A partir de 2 noeuds, le gain de temps n’est plus que d’environ 4 %.
Par défaut lorsque notre simulation est lancée sur 1 noeud de calcul (24 coeurs),
GROMACS assigne 4 coeurs qui vont essentiellement communiquer et peu calcu-
ler. Cela fait donc presque 1/6ème de ressources qui ne sont pas utilisées à calculer.
Cela est vérifié lorsque l’on regarde les fichiers de sortie de GROMACS. Dans le
cas par défaut, 77.7 % du temps total est passé à calculer les forces (20 coeurs),
1.7 % à calculer dans l’espace réciproque (travail des PME nodes) et 15 % à at-
tendre et à communiquer forces et coordonnées (fait par les PME nodes). Dans
le cas de notre simulation optimisée, on a 91.4 % du temps total passé à calculer,
En comparant les simulations sur 3 noeuds SNB et 2 noeuds IVB avec la librai-
rie Intel, il apparaît que les performances sont meilleures sur Sandy Bridge (gain
d’environ 3.4 %). Cette donnée est plutôt étrange étant donné qu’il y a moins de
noeuds IVB et donc moins de communications inter-noeuds. Le meilleur compor-
tement sur SNB semble lier à un accès mémoire plus performant étant donné qu’il
y a moins de coeurs par noeud.
Si l’on compare les processeurs SNB et IVB avec la même librairie MPI (tableau
11.6), on constate que dans tous les cas les 8 noeuds IVB propose une performance
30 % meilleure que sur 8 noeuds SNB, ce qui est logique étant donné qu’il y a
environ 30 % de coeurs en plus dans un noeud IVB (192 coeurs) par rapport à un
noeud SNB (128 coeurs). La performance crête de la configuration IVB est 50 %
meilleure que celle de la configuration SNB.
Entre deux simulations avec SNB, l’une avec la librairie Bull et l’autre avec la
librairie Intel, les performances sont quasi identiques (différence < 0.3 %). En
revanche, il apparaît que la librairie Intel est plus performante que la librairie Bull
(gain d’environ 3 %) lorsque l’on utilise des IVB. La reproductibilité de cette
différence de performance a été vérifiée.
Le même type de comparaison a été réalisée sur le système 500k en n’utilisant
que des IVB (8 noeuds) et en prenant cette fois la librairie BullxMPI 1.2.7.2 tout
en gardant la même librairie IntelMPI 4.1.0. (voir tableau 11.8).
Il a été mis en évidence, dans cette étude, que le protocole de simulation incluant
une étape de dynamique moléculaire replica exchange était robuste et permet-
tait un meilleur échantillonnage des simulations et donc une meilleure équilibra-
tion nécessaire dans le cas de SPC/E. D’ailleurs, le modèle SPC/E semble le plus
adapté pour étudié la diffusion du CO2 au-delà de 281 K. Cependant, si on divise
les valeurs obtenues avec TIP5P par un facteur de 1.4, on se retrouve avec des va-
leurs du coefficient de diffusion du CO2 en très bon agrément avec l’expérience.
Nous avons montré que les coefficients de diffusion théoriques et expérimentaux
présentent un très bon accord et que le modèle de solution hydroalcoolique peut-
être considéré comme adapté pour étudier la diffusion du CO2 et de l’éthanol dans
le champagne. Il a également été montré que la diffusion du CO2 et de l’étha-
nol dans un système ternaire pouvait être étudié en utilisant des coefficients de
diffusion effectifs et se ramener à un formalisme de Fick pour les systèmes bi-
227
CONCLUSIONS ET PERSPECTIVES
Ce travail a également fait l’objet d’une collaboration avec l’entreprise Bull auprès
de laquelle nous avons pu étudier en profondeur les performances et les modes de
communication de GROMACS. Il en est ressorti, dans notre cas, un ensemble de
règles d’utilisation du code relatives au nombre de coeurs à utiliser en fonction
de la taille du système modélisé et du paramétrage des algorithmes parallèles de
GROMACS. Nous avons aussi identifié les limites à la scalabilité de GROMACS
que l’on a observé jusqu’à 2048 coeurs. Ces limites sont les communications en
Point to Point sur des messages trop petits, ainsi que les limitations de scalabilité
des collectives MPI.
Fort de ces premiers éléments, il serait intéressant de modéliser théoriquement le
comportement de GROMACS et de pouvoir extrapoler à des échelles supérieures
et sur des technologies processeurs futures.
228
CONCLUSIONS ET PERSPECTIVES
229
Bibliographie
Bibliographie
234
BIBLIOGRAPHIE
235
BIBLIOGRAPHIE
236
BIBLIOGRAPHIE
237
BIBLIOGRAPHIE
238
BIBLIOGRAPHIE
239
BIBLIOGRAPHIE
240
BIBLIOGRAPHIE
241
BIBLIOGRAPHIE
242
BIBLIOGRAPHIE
243
BIBLIOGRAPHIE
[133] ARK | intel R xeon R processor e5-2680 (20m cache, 2.70 GHz, 8.00 GT/s
intel R QPI).
http://ark.intel.com/products/64583.
[134] ARK | intel R xeon R processor e5-2680 v2 (25m cache, 2.80 GHz).
http://ark.intel.com/products/75277.
[135] ARK | intel R xeon R processor e5-2697 v2 (30m cache, 2.70 GHz).
http://ark.intel.com/products/75283.
244
Annexes
ANNEXES
Annexe A
Développement de l’intégration par parties mentionnée section 4.4.
et 0
d t dG(t 0 ) dG(0)
Z
f (s)ds = − = f (t 0 )
dt 0 0 dt 0 dt 0
Dès lors, l’équation (A.1) devient :
Z t Z t
0 dF 0
0 0
2 dt F(t ) = 2 tF(t) − t 0 dt
0 0 dt
Zt Z t
0 0 0
= 2 t h~v(s) ·~v(0)ids − t h~v(t ) ·~v(0)idt
0 0
0
où t → s (variable muette)
t
Z
=2 (t − s)h~v(s) ·~v(0)i
0
Z t
s
= 2t 1− h~v(s) ·~v(0)i
0 t
qui est l’équation (4.58)
247
ANNEXES
Annexe B
1 13
RMN C (CO2,HS2)
Intensité normalisée
0.8 T = 277 K
T = 281 K
T = 285 K
0.6 T = 289 K
T = 293 K
0.4
0.2
0
0 10 20 30 40 50
G (G/cm)
F IGURE B.1 – Régressions non linéaires des données RMN pour la molécule de
CO2 dans le 2ème échantillon contenant le mélange eau/éthanol (HS2) dans la
gamme de température 277-293 K.
248
ANNEXES
1 13
Intensité normalisée RMN C (CO2,CS1)
0.8 T = 277 K
T = 281 K
T = 285 K
0.6 T = 289 K
T = 293 K
0.4
0.2
0
0 10 20 30 40 50
G (G/cm)
1 13
RMN C (CO2,CS2)
Intensité normalisée
0.8 T = 277 K
T = 281 K
T = 285 K
0.6 T = 289 K
T = 293 K
0.4
0.2
0
0 10 20 30 40 50
G (G/cm)
F IGURE B.2 – Régressions non linéaires des données RMN pour la molécule de
CO2 dans les deux échantillons de champagne (CS1 et CS2) dans la gamme de
température 277-293 K.
249
ANNEXES
Annexe C
1 13
Intensité normalisée RMN C (CH2, HS)
0.8
0.6
T = 277 K
0.4 T = 281 K
T = 285 K
T = 289 K
0.2 T = 293 K
0
0 10 20 30 40 50
G (G/cm)
1 13
RMN C (CH3, HS)
Intensité normalisée
0.8
0.6
T = 277 K
0.4 T = 281 K
T = 285 K
T = 289 K
0.2 T = 293 K
0
0 10 20 30 40 50
G (G/cm)
F IGURE C.1 – Régressions non linéaires des données RMN pour les groupements
CH2 et CH3 de la molécule d’éthanol dans un échantillon contenant le mélange
eau/éthanol (HS2) dans la gamme de température 277-293 K.
250
ANNEXES
1 13
Intensité normalisée RMN C (CH2, CS1)
0.8
0.6
T = 281 K
0.4 T = 285 K
T = 289 K
0.2 T = 293 K
0
0 10 20 30 40 50
G (G/cm)
1 13
RMN C (CH3, CS1)
Intensité normalisée
0.8
0.6
T = 281 K
0.4 T = 285 K
T = 289 K
0.2 T = 293 K
0
0 10 20 30 40 50
G (G/cm)
F IGURE C.2 – Régressions non linéaires des données RMN pour les groupements
CH2 et CH3 de la molécule d’éthanol dans le premier échantillon de champagne
(CS1) dans la gamme de température 281-293 K.
251
ANNEXES
1 13
RMN C (CH2, CS2)
Intensité normalisée
0.8
0.6
T = 277 K
0.4 T = 281 K
T = 285 K
T = 289 K
0.2 T = 293 K
0
0 10 20 30 40 50
G (G/cm)
1 13
RMN C (CH3, CS2)
Intensité normalisée
0.8
0.6
T = 277 K
0.4 T = 281 K
T = 285 K
T = 289 K
0.2 T = 293 K
0
0 10 20 30 40 50
G (G/cm)
F IGURE C.3 – Régressions non linéaires des données RMN pour les groupements
CH2 et CH3 de la molécule d’éthanol dans le deuxième échantillon de champagne
(CS2) dans la gamme de température 277-293 K.
252
ANNEXES
Annexe D
TABLEAU D.1 – Valeurs des taux de grossissement de bulles ainsi que leurs co-
efficients de diffusion associés au cours de leur ascension. La concentration cL
(déterminée par dosage chimique) de CO2 présent dans la flûte au moment de
l’enregistrement du train de bulles est également indiquée.
T = 12˚C
k (×10−4 m/s) Drigide (×10−9 m2 /s) Dfluide (×10−9 m2 /s)
1.37 3.03 1.67
1.17 2.33 1.10
Dosage 1 1.37 2.82 1.32
cL = 4.70 g/L 1.37 2.73 1.16
0.98 1.57 0.51
1.17 1.92 0.63
0.74 1.73 0.96
0.73 1.61 0.80
0.88 2.05 1.02
Dosage 2 0.88 2.13 1.05
cL = 4.22 g/L 0.88 2.07 0.94
0.74 1.50 0.57
0.73 1.48 0.54
1.76 3.02 1.47
1.76 2.92 1.26
Dosage 3 1.76 2.90 1.15
cL = 5.75 g/L 1.56 2.42 0.84
1.56 2.29 0.72
1.56 2.26 0.65
253
ANNEXES
254
Etude des propriétés de transport du CO2 et de l’éthanol en solution hydroalcoolique par dynamique
moléculaire classique : application aux vins de Champagne
Résumé : Les travaux présentés dans ce manuscrit sont consacrés à l’étude de la diffusion du dioxyde de carbone dissous
et de l’éthanol dans une solution hydroalcoolique modèle représentant le champagne. La première partie de ce travail aborde
les différents formalismes de la diffusion moléculaire, ainsi que les méthodes théoriques et expérimentales utilisées pour rendre
compte de ce phénomène de transport. Une attention particulière est apportée à la dynamique moléculaire en champ de forces
classiques qui est utilisé dans ce travail avec le logiciel GROMACS. Cette méthode théorique procure un point de vue novateur
dans la recherche sur le champagne et plus particulièrement sur le rôle de chaque espèce majoritaire dans la diffusion du CO2 .
La spectroscopie RMN, ainsi qu’une méthode expérimentale basée sur l’étude du taux de grossissement des bulles, ont égale-
ment été utilisées. Dans la deuxième partie, les résultats théoriques et expérimentaux sont présentés et comparés entre eux afin
de valider le protocole des simulations de dynamique moléculaire. Les viscosités de la solution modèle et du champagne, ainsi
que les rayons hydrodynamiques du CO2 et de l’éthanol sont également étudiés. La dernière partie du manuscrit concerne le
partenariat avec l’entreprise Bull et l’étude des performances du logiciel GROMACS. L’expertise des équipes de Bull, ainsi que
les outils développés par l’entreprise, permettent d’étudier le passage à l’échelle (ou "scalabilité") et le comportement parallèle
de GROMACS pour la modélisation du champagne.
Mots-clés : Diffusion moléculaire, dynamique moléculaire classique, dioxyde de carbone, éthanol, modèles d’eau, RMN,
taux de grossissement des bulles, rayon hydrodynamique, performance de GROMACS.
Study of transport properties of CO2 and ethanol in a hydroalcoholic solution by classical molecular
dynamics : application to Champagne wines
Abstract : The work presented in this manuscript is devoted to the study of the diffusion of dissolved carbon dioxide and
ethanol in a hydroalcoholic solution model representing Champagne wines. The first part of this work deals with the different
formalisms of molecular diffusion, as well as theoretical and experimental methods used to account for this phenomenon of
transport. Particular attention is paid to the classical force field molecular dynamics that is used in this work with the GRO-
MACS software. This theoretical approach provides a new perspective in research on champagne and particularly on the role of
each of the main species in CO2 diffusion. NMR spectroscopy, and an experimental method based on the study of the bubbles
growth rate, were also used. In the second part, the theoretical and experimental results are presented and compared with each
other to validate the protocol of molecular dynamics simulations. The viscosities of the model solution and of the champagne,
as well as the hydrodynamic radii of CO2 and ethanol, are also investigated. The last part of the manuscript focuses on the part-
nership with the Bull company and the study of the GROMACS software performance. The expertise of and the tools developed
by the Bull company are used to study the scalability and the parallel behavior of GROMACS for modeling champagne.
Keywords : Molecular diffusion, classical molecular dynamics, carbon dioxide, ethanol, water models, NMR, growth rate
of bubbles, hydrodynamical radius, GROMACS performance.