src/gromacs/mdlib/expanded.c

   1 /* -*- mode: c; tab-width: 4; indent-tabs-mode: nil; c-basic-offset: 4; c-file-style: "stroustrup"; -*-
   2  *
   3  *
   4  *                This source code is part of
   5  *
   6  *                 G   R   O   M   A   C   S
   7  *
   8  *          GROningen MAchine for Chemical Simulations
   9  *
  10  * Written by David van der Spoel, Erik Lindahl, Berk Hess, and others.
  11  * Copyright (c) 1991-2000, University of Groningen, The Netherlands.
  12  * Copyright (c) 2001-2012, The GROMACS development team,
  13  * check out http://www.gromacs.org for more information.
  14  *
  15  * This program is free software; you can redistribute it and/or
  16  * modify it under the terms of the GNU General Public License
  17  * as published by the Free Software Foundation; either version 2
  18  * of the License, or (at your option) any later version.
  19  *
  20  * If you want to redistribute modifications, please consider that
  21  * scientific software is very special. Version control is crucial -
  22  * bugs must be traceable. We will be happy to consider code for
  23  * inclusion in the official distribution, but derived work must not
  24  * be called official GROMACS. Details are found in the README & COPYING
  25  * files - if they are missing, get the official version at www.gromacs.org.
  26  *
  27  * To help us fund GROMACS development, we humbly ask that you cite
  28  * the papers on the package - you can find them in the top README file.
  29  *
  30  * For more info, check our website at http://www.gromacs.org
  31  *
  32  * And Hey:
  33  * GROwing Monsters And Cloning Shrimps
  34  */
  35 #ifdef HAVE_CONFIG_H
  36 #include <config.h>
  37 #endif
  38
  39 #ifdef GMX_CRAY_XT3
  40 #include <catamount/dclock.h>
  41 #endif
  42
  43
  44 #include <stdio.h>
  45 #include <time.h>
  46 #ifdef HAVE_SYS_TIME_H
  47 #include <sys/time.h>
  48 #endif
  49 #include <math.h>
  50 #include "typedefs.h"
  51 #include "string2.h"
  52 #include "gmxfio.h"
  53 #include "smalloc.h"
  54 #include "names.h"
  55 #include "confio.h"
  56 #include "mvdata.h"
  57 #include "txtdump.h"
  58 #include "pbc.h"
  59 #include "chargegroup.h"
  60 #include "vec.h"
  61 #include "nrnb.h"
  62 #include "mshift.h"
  63 #include "mdrun.h"
  64 #include "update.h"
  65 #include "physics.h"
  66 #include "main.h"
  67 #include "mdatoms.h"
  68 #include "force.h"
  69 #include "bondf.h"
  70 #include "pme.h"
  71 #include "disre.h"
  72 #include "orires.h"
  73 #include "network.h"
  74 #include "calcmu.h"
  75 #include "constr.h"
  76 #include "xvgr.h"
  77 #include "trnio.h"
  78 #include "xtcio.h"
  79 #include "gmx_random.h"
  80 #include "domdec.h"
  81 #include "partdec.h"
  82 #include "gmx_wallcycle.h"
  83 #include "macros.h"
  84
  85 #include "gromacs/utility/gmxmpi.h"
  86
  87 void GenerateGibbsProbabilities(real *ene, real *p_k, real *pks, int minfep, int maxfep)
  88 {
  89
  90     int  i;
  91     real maxene;
  92
  93     *pks   = 0.0;
  94     maxene = ene[minfep];
  95     /* find the maximum value */
  96     for (i = minfep; i <= maxfep; i++)
  97     {
  98         if (ene[i] > maxene)
  99         {
 100             maxene = ene[i];
 101         }
 102     }
 103     /* find the denominator */
 104     for (i = minfep; i <= maxfep; i++)
 105     {
 106         *pks += exp(ene[i]-maxene);
 107     }
 108     /*numerators*/
 109     for (i = minfep; i <= maxfep; i++)
 110     {
 111         p_k[i] = exp(ene[i]-maxene) / *pks;
 112     }
 113 }
 114
 115 void GenerateWeightedGibbsProbabilities(real *ene, real *p_k, real *pks, int nlim, real *nvals, real delta)
 116 {
 117
 118     int   i;
 119     real  maxene;
 120     real *nene;
 121     *pks = 0.0;
 122
 123     snew(nene, nlim);
 124     for (i = 0; i < nlim; i++)
 125     {
 126         if (nvals[i] == 0)
 127         {
 128             /* add the delta, since we need to make sure it's greater than zero, and
 129                we need a non-arbitrary number? */
 130             nene[i] = ene[i] + log(nvals[i]+delta);
 131         }
 132         else
 133         {
 134             nene[i] = ene[i] + log(nvals[i]);
 135         }
 136     }
 137
 138     /* find the maximum value */
 139     maxene = nene[0];
 140     for (i = 0; i < nlim; i++)
 141     {
 142         if (nene[i] > maxene)
 143         {
 144             maxene = nene[i];
 145         }
 146     }
 147
 148     /* subtract off the maximum, avoiding overflow */
 149     for (i = 0; i < nlim; i++)
 150     {
 151         nene[i] -= maxene;
 152     }
 153
 154     /* find the denominator */
 155     for (i = 0; i < nlim; i++)
 156     {
 157         *pks += exp(nene[i]);
 158     }
 159
 160     /*numerators*/
 161     for (i = 0; i < nlim; i++)
 162     {
 163         p_k[i] = exp(nene[i]) / *pks;
 164     }
 165     sfree(nene);
 166 }
 167
 168 real do_logsum(int N, real *a_n)
 169 {
 170
 171     /*     RETURN VALUE */
 172     /* log(\sum_{i=0}^(N-1) exp[a_n]) */
 173     real maxarg;
 174     real sum;
 175     int  i;
 176     real logsum;
 177     /*     compute maximum argument to exp(.) */
 178
 179     maxarg = a_n[0];
 180     for (i = 1; i < N; i++)
 181     {
 182         maxarg = max(maxarg, a_n[i]);
 183     }
 184
 185     /* compute sum of exp(a_n - maxarg) */
 186     sum = 0.0;
 187     for (i = 0; i < N; i++)
 188     {
 189         sum = sum + exp(a_n[i] - maxarg);
 190     }
 191
 192     /*     compute log sum */
 193     logsum = log(sum) + maxarg;
 194     return logsum;
 195 }
 196
 197 int FindMinimum(real *min_metric, int N)
 198 {
 199
 200     real min_val;
 201     int  min_nval, nval;
 202
 203     min_nval = 0;
 204     min_val  = min_metric[0];
 205
 206     for (nval = 0; nval < N; nval++)
 207     {
 208         if (min_metric[nval] < min_val)
 209         {
 210             min_val  = min_metric[nval];
 211             min_nval = nval;
 212         }
 213     }
 214     return min_nval;
 215 }
 216
 217 static gmx_bool CheckHistogramRatios(int nhisto, real *histo, real ratio)
 218 {
 219
 220     int      i;
 221     real     nmean;
 222     gmx_bool bIfFlat;
 223
 224     nmean = 0;
 225     for (i = 0; i < nhisto; i++)
 226     {
 227         nmean += histo[i];
 228     }
 229
 230     if (nmean == 0)
 231     {
 232         /* no samples! is bad!*/
 233         bIfFlat = FALSE;
 234         return bIfFlat;
 235     }
 236     nmean /= (real)nhisto;
 237
 238     bIfFlat = TRUE;
 239     for (i = 0; i < nhisto; i++)
 240     {
 241         /* make sure that all points are in the ratio < x <  1/ratio range  */
 242         if (!((histo[i]/nmean < 1.0/ratio) && (histo[i]/nmean > ratio)))
 243         {
 244             bIfFlat = FALSE;
 245             break;
 246         }
 247     }
 248     return bIfFlat;
 249 }
 250
 251 static gmx_bool CheckIfDoneEquilibrating(int nlim, t_expanded *expand, df_history_t *dfhist, gmx_large_int_t step)
 252 {
 253
 254     int      i, totalsamples;
 255     gmx_bool bDoneEquilibrating = TRUE;
 256     gmx_bool bIfFlat;
 257
 258     /* assume we have equilibrated the weights, then check to see if any of the conditions are not met */
 259
 260     /* calculate the total number of samples */
 261     switch (expand->elmceq)
 262     {
 263         case elmceqNO:
 264             /* We have not equilibrated, and won't, ever. */
 265             return FALSE;
 266         case elmceqYES:
 267             /* we have equilibrated -- we're done */
 268             return TRUE;
 269         case elmceqSTEPS:
 270             /* first, check if we are equilibrating by steps, if we're still under */
 271             if (step < expand->equil_steps)
 272             {
 273                 bDoneEquilibrating = FALSE;
 274             }
 275             break;
 276         case elmceqSAMPLES:
 277             totalsamples = 0;
 278             for (i = 0; i < nlim; i++)
 279             {
 280                 totalsamples += dfhist->n_at_lam[i];
 281             }
 282             if (totalsamples < expand->equil_samples)
 283             {
 284                 bDoneEquilibrating = FALSE;
 285             }
 286             break;
 287         case elmceqNUMATLAM:
 288             for (i = 0; i < nlim; i++)
 289             {
 290                 if (dfhist->n_at_lam[i] < expand->equil_n_at_lam) /* we are still doing the initial sweep, so we're definitely not
 291                                                                      done equilibrating*/
 292                 {
 293                     bDoneEquilibrating  = FALSE;
 294                     break;
 295                 }
 296             }
 297             break;
 298         case elmceqWLDELTA:
 299             if (EWL(expand->elamstats)) /* This check is in readir as well, but
 300                                            just to be sure */
 301             {
 302                 if (dfhist->wl_delta > expand->equil_wl_delta)
 303                 {
 304                     bDoneEquilibrating = FALSE;
 305                 }
 306             }
 307             break;
 308         case elmceqRATIO:
 309             /* we can use the flatness as a judge of good weights, as long as
 310                we're not doing minvar, or Wang-Landau.
 311                But turn off for now until we figure out exactly how we do this.
 312              */
 313
 314             if (!(EWL(expand->elamstats) || expand->elamstats == elamstatsMINVAR))
 315             {
 316                 /* we want to use flatness -avoiding- the forced-through samples.  Plus, we need to convert to
 317                    floats for this histogram function. */
 318
 319                 real *modhisto;
 320                 snew(modhisto, nlim);
 321                 for (i = 0; i < nlim; i++)
 322                 {
 323                     modhisto[i] = 1.0*(dfhist->n_at_lam[i]-expand->lmc_forced_nstart);
 324                 }
 325                 bIfFlat = CheckHistogramRatios(nlim, modhisto, expand->equil_ratio);
 326                 sfree(modhisto);
 327                 if (!bIfFlat)
 328                 {
 329                     bDoneEquilibrating = FALSE;
 330                 }
 331             }
 332         default:
 333             bDoneEquilibrating = TRUE;
 334     }
 335     /* one last case to go though, if we are doing slow growth to get initial values, we haven't finished equilibrating */
 336
 337     if (expand->lmc_forced_nstart > 0)
 338     {
 339         for (i = 0; i < nlim; i++)
 340         {
 341             if (dfhist->n_at_lam[i] < expand->lmc_forced_nstart) /* we are still doing the initial sweep, so we're definitely not
 342                                                                     done equilibrating*/
 343             {
 344                 bDoneEquilibrating = FALSE;
 345                 break;
 346             }
 347         }
 348     }
 349     return bDoneEquilibrating;
 350 }
 351
 352 static gmx_bool UpdateWeights(int nlim, t_expanded *expand, df_history_t *dfhist,
 353                               int fep_state, real *scaled_lamee, real *weighted_lamee, gmx_large_int_t step)
 354 {
 355     real     maxdiff = 0.000000001;
 356     gmx_bool bSufficientSamples;
 357     int      i, k, n, nz, indexi, indexk, min_n, max_n, nlam, totali;
 358     int      n0, np1, nm1, nval, min_nvalm, min_nvalp, maxc;
 359     real     omega_m1_0, omega_p1_m1, omega_m1_p1, omega_p1_0, clam_osum;
 360     real     de, de_function, dr, denom, maxdr, pks = 0;
 361     real     min_val, cnval, zero_sum_weights;
 362     real    *omegam_array, *weightsm_array, *omegap_array, *weightsp_array, *varm_array, *varp_array, *dwp_array, *dwm_array;
 363     real     clam_varm, clam_varp, clam_weightsm, clam_weightsp, clam_minvar;
 364     real    *lam_weights, *lam_minvar_corr, *lam_variance, *lam_dg, *p_k;
 365     real    *numweighted_lamee, *logfrac;
 366     int     *nonzero;
 367     real     chi_m1_0, chi_p1_0, chi_m2_0, chi_p2_0, chi_p1_m1, chi_p2_m1, chi_m1_p1, chi_m2_p1;
 368
 369     /* if we have equilibrated the weights, exit now */
 370     if (dfhist->bEquil)
 371     {
 372         return FALSE;
 373     }
 374
 375     if (CheckIfDoneEquilibrating(nlim, expand, dfhist, step))
 376     {
 377         dfhist->bEquil = TRUE;
 378         /* zero out the visited states so we know how many equilibrated states we have
 379            from here on out.*/
 380         for (i = 0; i < nlim; i++)
 381         {
 382             dfhist->n_at_lam[i] = 0;
 383         }
 384         return TRUE;
 385     }
 386
 387     /* If we reached this far, we have not equilibrated yet, keep on
 388        going resetting the weights */
 389
 390     if (EWL(expand->elamstats))
 391     {
 392         if (expand->elamstats == elamstatsWL)  /* Standard Wang-Landau */
 393         {
 394             dfhist->sum_weights[fep_state] -= dfhist->wl_delta;
 395             dfhist->wl_histo[fep_state]    += 1.0;
 396         }
 397         else if (expand->elamstats == elamstatsWWL) /* Weighted Wang-Landau */
 398         {
 399             snew(p_k, nlim);
 400
 401             /* first increment count */
 402             GenerateGibbsProbabilities(weighted_lamee, p_k, &pks, 0, nlim-1);
 403             for (i = 0; i < nlim; i++)
 404             {
 405                 dfhist->wl_histo[i] += p_k[i];
 406             }
 407
 408             /* then increment weights (uses count) */
 409             pks = 0.0;
 410             GenerateWeightedGibbsProbabilities(weighted_lamee, p_k, &pks, nlim, dfhist->wl_histo, dfhist->wl_delta);
 411
 412             for (i = 0; i < nlim; i++)
 413             {
 414                 dfhist->sum_weights[i] -= dfhist->wl_delta*p_k[i];
 415             }
 416             /* Alternate definition, using logarithms. Shouldn't make very much difference! */
 417             /*
 418                real di;
 419                for (i=0;i<nlim;i++)
 420                {
 421                 di = 1+dfhist->wl_delta*p_k[i];
 422                 dfhist->sum_weights[i] -= log(di);
 423                }
 424              */
 425             sfree(p_k);
 426         }
 427
 428         zero_sum_weights =  dfhist->sum_weights[0];
 429         for (i = 0; i < nlim; i++)
 430         {
 431             dfhist->sum_weights[i] -= zero_sum_weights;
 432         }
 433     }
 434
 435     if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMETROPOLIS || expand->elamstats == elamstatsMINVAR)
 436     {
 437
 438         de_function = 0;  /* to get rid of warnings, but this value will not be used because of the logic */
 439         maxc        = 2*expand->c_range+1;
 440
 441         snew(lam_dg, nlim);
 442         snew(lam_variance, nlim);
 443
 444         snew(omegap_array, maxc);
 445         snew(weightsp_array, maxc);
 446         snew(varp_array, maxc);
 447         snew(dwp_array, maxc);
 448
 449         snew(omegam_array, maxc);
 450         snew(weightsm_array, maxc);
 451         snew(varm_array, maxc);
 452         snew(dwm_array, maxc);
 453
 454         /* unpack the current lambdas -- we will only update 2 of these */
 455
 456         for (i = 0; i < nlim-1; i++)
 457         {   /* only through the second to last */
 458             lam_dg[i]       = dfhist->sum_dg[i+1] - dfhist->sum_dg[i];
 459             lam_variance[i] = pow(dfhist->sum_variance[i+1], 2) - pow(dfhist->sum_variance[i], 2);
 460         }
 461
 462         /* accumulate running averages */
 463         for (nval = 0; nval < maxc; nval++)
 464         {
 465             /* constants for later use */
 466             cnval = (real)(nval-expand->c_range);
 467             /* actually, should be able to rewrite it w/o exponential, for better numerical stability */
 468             if (fep_state > 0)
 469             {
 470                 de = exp(cnval - (scaled_lamee[fep_state]-scaled_lamee[fep_state-1]));
 471                 if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMINVAR)
 472                 {
 473                     de_function = 1.0/(1.0+de);
 474                 }
 475                 else if (expand->elamstats == elamstatsMETROPOLIS)
 476                 {
 477                     if (de < 1.0)
 478                     {
 479                         de_function = 1.0;
 480                     }
 481                     else
 482                     {
 483                         de_function = 1.0/de;
 484                     }
 485                 }
 486                 dfhist->accum_m[fep_state][nval]  += de_function;
 487                 dfhist->accum_m2[fep_state][nval] += de_function*de_function;
 488             }
 489
 490             if (fep_state < nlim-1)
 491             {
 492                 de = exp(-cnval + (scaled_lamee[fep_state+1]-scaled_lamee[fep_state]));
 493                 if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMINVAR)
 494                 {
 495                     de_function = 1.0/(1.0+de);
 496                 }
 497                 else if (expand->elamstats == elamstatsMETROPOLIS)
 498                 {
 499                     if (de < 1.0)
 500                     {
 501                         de_function = 1.0;
 502                     }
 503                     else
 504                     {
 505                         de_function = 1.0/de;
 506                     }
 507                 }
 508                 dfhist->accum_p[fep_state][nval]  += de_function;
 509                 dfhist->accum_p2[fep_state][nval] += de_function*de_function;
 510             }
 511
 512             /* Metropolis transition and Barker transition (unoptimized Bennett) acceptance weight determination */
 513
 514             n0  = dfhist->n_at_lam[fep_state];
 515             if (fep_state > 0)
 516             {
 517                 nm1 = dfhist->n_at_lam[fep_state-1];
 518             }
 519             else
 520             {
 521                 nm1 = 0;
 522             }
 523             if (fep_state < nlim-1)
 524             {
 525                 np1 = dfhist->n_at_lam[fep_state+1];
 526             }
 527             else
 528             {
 529                 np1 = 0;
 530             }
 531
 532             /* logic SHOULD keep these all set correctly whatever the logic, but apparently it can't figure it out. */
 533             chi_m1_0 = chi_p1_0 = chi_m2_0 = chi_p2_0 = chi_p1_m1 = chi_p2_m1 = chi_m1_p1 = chi_m2_p1 = 0;
 534
 535             if (n0 > 0)
 536             {
 537                 chi_m1_0 = dfhist->accum_m[fep_state][nval]/n0;
 538                 chi_p1_0 = dfhist->accum_p[fep_state][nval]/n0;
 539                 chi_m2_0 = dfhist->accum_m2[fep_state][nval]/n0;
 540                 chi_p2_0 = dfhist->accum_p2[fep_state][nval]/n0;
 541             }
 542
 543             if ((fep_state > 0 ) && (nm1 > 0))
 544             {
 545                 chi_p1_m1 = dfhist->accum_p[fep_state-1][nval]/nm1;
 546                 chi_p2_m1 = dfhist->accum_p2[fep_state-1][nval]/nm1;
 547             }
 548
 549             if ((fep_state < nlim-1) && (np1 > 0))
 550             {
 551                 chi_m1_p1 = dfhist->accum_m[fep_state+1][nval]/np1;
 552                 chi_m2_p1 = dfhist->accum_m2[fep_state+1][nval]/np1;
 553             }
 554
 555             omega_m1_0    = 0;
 556             omega_p1_0    = 0;
 557             clam_weightsm = 0;
 558             clam_weightsp = 0;
 559             clam_varm     = 0;
 560             clam_varp     = 0;
 561
 562             if (fep_state > 0)
 563             {
 564                 if (n0 > 0)
 565                 {
 566                     omega_m1_0 = chi_m2_0/(chi_m1_0*chi_m1_0) - 1.0;
 567                 }
 568                 if (nm1 > 0)
 569                 {
 570                     omega_p1_m1 = chi_p2_m1/(chi_p1_m1*chi_p1_m1) - 1.0;
 571                 }
 572                 if ((n0 > 0) && (nm1 > 0))
 573                 {
 574                     clam_weightsm = (log(chi_m1_0) - log(chi_p1_m1)) + cnval;
 575                     clam_varm     = (1.0/n0)*(omega_m1_0) + (1.0/nm1)*(omega_p1_m1);
 576                 }
 577             }
 578
 579             if (fep_state < nlim-1)
 580             {
 581                 if (n0 > 0)
 582                 {
 583                     omega_p1_0 = chi_p2_0/(chi_p1_0*chi_p1_0) - 1.0;
 584                 }
 585                 if (np1 > 0)
 586                 {
 587                     omega_m1_p1 = chi_m2_p1/(chi_m1_p1*chi_m1_p1) - 1.0;
 588                 }
 589                 if ((n0 > 0) && (np1 > 0))
 590                 {
 591                     clam_weightsp = (log(chi_m1_p1) - log(chi_p1_0)) + cnval;
 592                     clam_varp     = (1.0/np1)*(omega_m1_p1) + (1.0/n0)*(omega_p1_0);
 593                 }
 594             }
 595
 596             if (n0 > 0)
 597             {
 598                 omegam_array[nval]             = omega_m1_0;
 599             }
 600             else
 601             {
 602                 omegam_array[nval]             = 0;
 603             }
 604             weightsm_array[nval]           = clam_weightsm;
 605             varm_array[nval]               = clam_varm;
 606             if (nm1 > 0)
 607             {
 608                 dwm_array[nval]  = fabs( (cnval + log((1.0*n0)/nm1)) - lam_dg[fep_state-1] );
 609             }
 610             else
 611             {
 612                 dwm_array[nval]  = fabs( cnval - lam_dg[fep_state-1] );
 613             }
 614
 615             if (n0 > 0)
 616             {
 617                 omegap_array[nval]             = omega_p1_0;
 618             }
 619             else
 620             {
 621                 omegap_array[nval]             = 0;
 622             }
 623             weightsp_array[nval]           = clam_weightsp;
 624             varp_array[nval]               = clam_varp;
 625             if ((np1 > 0) && (n0 > 0))
 626             {
 627                 dwp_array[nval]  = fabs( (cnval + log((1.0*np1)/n0)) - lam_dg[fep_state] );
 628             }
 629             else
 630             {
 631                 dwp_array[nval]  = fabs( cnval - lam_dg[fep_state] );
 632             }
 633
 634         }
 635
 636         /* find the C's closest to the old weights value */
 637
 638         min_nvalm     = FindMinimum(dwm_array, maxc);
 639         omega_m1_0    = omegam_array[min_nvalm];
 640         clam_weightsm = weightsm_array[min_nvalm];
 641         clam_varm     = varm_array[min_nvalm];
 642
 643         min_nvalp     = FindMinimum(dwp_array, maxc);
 644         omega_p1_0    = omegap_array[min_nvalp];
 645         clam_weightsp = weightsp_array[min_nvalp];
 646         clam_varp     = varp_array[min_nvalp];
 647
 648         clam_osum   = omega_m1_0 + omega_p1_0;
 649         clam_minvar = 0;
 650         if (clam_osum > 0)
 651         {
 652             clam_minvar = 0.5*log(clam_osum);
 653         }
 654
 655         if (fep_state > 0)
 656         {
 657             lam_dg[fep_state-1]       = clam_weightsm;
 658             lam_variance[fep_state-1] = clam_varm;
 659         }
 660
 661         if (fep_state < nlim-1)
 662         {
 663             lam_dg[fep_state]       = clam_weightsp;
 664             lam_variance[fep_state] = clam_varp;
 665         }
 666
 667         if (expand->elamstats == elamstatsMINVAR)
 668         {
 669             bSufficientSamples = TRUE;
 670             /* make sure they are all past a threshold */
 671             for (i = 0; i < nlim; i++)
 672             {
 673                 if (dfhist->n_at_lam[i] < expand->minvarmin)
 674                 {
 675                     bSufficientSamples = FALSE;
 676                 }
 677             }
 678             if (bSufficientSamples)
 679             {
 680                 dfhist->sum_minvar[fep_state] = clam_minvar;
 681                 if (fep_state == 0)
 682                 {
 683                     for (i = 0; i < nlim; i++)
 684                     {
 685                         dfhist->sum_minvar[i] += (expand->minvar_const-clam_minvar);
 686                     }
 687                     expand->minvar_const          = clam_minvar;
 688                     dfhist->sum_minvar[fep_state] = 0.0;
 689                 }
 690                 else
 691                 {
 692                     dfhist->sum_minvar[fep_state] -= expand->minvar_const;
 693                 }
 694             }
 695         }
 696
 697         /* we need to rezero minvar now, since it could change at fep_state = 0 */
 698         dfhist->sum_dg[0]       = 0.0;
 699         dfhist->sum_variance[0] = 0.0;
 700         dfhist->sum_weights[0]  = dfhist->sum_dg[0] + dfhist->sum_minvar[0]; /* should be zero */
 701
 702         for (i = 1; i < nlim; i++)
 703         {
 704             dfhist->sum_dg[i]       = lam_dg[i-1] + dfhist->sum_dg[i-1];
 705             dfhist->sum_variance[i] = sqrt(lam_variance[i-1] + pow(dfhist->sum_variance[i-1], 2));
 706             dfhist->sum_weights[i]  = dfhist->sum_dg[i] + dfhist->sum_minvar[i];
 707         }
 708
 709         sfree(lam_dg);
 710         sfree(lam_variance);
 711
 712         sfree(omegam_array);
 713         sfree(weightsm_array);
 714         sfree(varm_array);
 715         sfree(dwm_array);
 716
 717         sfree(omegap_array);
 718         sfree(weightsp_array);
 719         sfree(varp_array);
 720         sfree(dwp_array);
 721     }
 722     return FALSE;
 723 }
 724
 725 static int ChooseNewLambda(int nlim, t_expanded *expand, df_history_t *dfhist, int fep_state, real *weighted_lamee, real *p_k, gmx_rng_t rng)
 726 {
 727     /* Choose new lambda value, and update transition matrix */
 728
 729     int      i, ifep, jfep, minfep, maxfep, lamnew, lamtrial, starting_fep_state;
 730     real     r1, r2, pks, de_old, de_new, de, trialprob, tprob = 0;
 731     real   **Tij;
 732     real    *propose, *accept, *remainder;
 733     real     sum, pnorm;
 734     gmx_bool bRestricted;
 735
 736     starting_fep_state = fep_state;
 737     lamnew             = fep_state; /* so that there is a default setting -- stays the same */
 738
 739     if (!EWL(expand->elamstats))    /* ignore equilibrating the weights if using WL */
 740     {
 741         if ((expand->lmc_forced_nstart > 0) && (dfhist->n_at_lam[nlim-1] <= expand->lmc_forced_nstart))
 742         {
 743             /* Use a marching method to run through the lambdas and get preliminary free energy data,
 744                before starting 'free' sampling.  We start free sampling when we have enough at each lambda */
 745
 746             /* if we have enough at this lambda, move on to the next one */
 747
 748             if (dfhist->n_at_lam[fep_state] == expand->lmc_forced_nstart)
 749             {
 750                 lamnew = fep_state+1;
 751                 if (lamnew == nlim)  /* whoops, stepped too far! */
 752                 {
 753                     lamnew -= 1;
 754                 }
 755             }
 756             else
 757             {
 758                 lamnew = fep_state;
 759             }
 760             return lamnew;
 761         }
 762     }
 763
 764     snew(propose, nlim);
 765     snew(accept, nlim);
 766     snew(remainder, nlim);
 767
 768     for (i = 0; i < expand->lmc_repeats; i++)
 769     {
 770
 771         for (ifep = 0; ifep < nlim; ifep++)
 772         {
 773             propose[ifep] = 0;
 774             accept[ifep]  = 0;
 775         }
 776
 777         if ((expand->elmcmove == elmcmoveGIBBS) || (expand->elmcmove == elmcmoveMETGIBBS))
 778         {
 779             bRestricted = TRUE;
 780             /* use the Gibbs sampler, with restricted range */
 781             if (expand->gibbsdeltalam < 0)
 782             {
 783                 minfep      = 0;
 784                 maxfep      = nlim-1;
 785                 bRestricted = FALSE;
 786             }
 787             else
 788             {
 789                 minfep = fep_state - expand->gibbsdeltalam;
 790                 maxfep = fep_state + expand->gibbsdeltalam;
 791                 if (minfep < 0)
 792                 {
 793                     minfep = 0;
 794                 }
 795                 if (maxfep > nlim-1)
 796                 {
 797                     maxfep = nlim-1;
 798                 }
 799             }
 800
 801             GenerateGibbsProbabilities(weighted_lamee, p_k, &pks, minfep, maxfep);
 802
 803             if (expand->elmcmove == elmcmoveGIBBS)
 804             {
 805                 for (ifep = minfep; ifep <= maxfep; ifep++)
 806                 {
 807                     propose[ifep] = p_k[ifep];
 808                     accept[ifep]  = 1.0;
 809                 }
 810                 /* Gibbs sampling */
 811                 r1 = gmx_rng_uniform_real(rng);
 812                 for (lamnew = minfep; lamnew <= maxfep; lamnew++)
 813                 {
 814                     if (r1 <= p_k[lamnew])
 815                     {
 816                         break;
 817                     }
 818                     r1 -= p_k[lamnew];
 819                 }
 820             }
 821             else if (expand->elmcmove == elmcmoveMETGIBBS)
 822             {
 823
 824                 /* Metropolized Gibbs sampling */
 825                 for (ifep = minfep; ifep <= maxfep; ifep++)
 826                 {
 827                     remainder[ifep] = 1 - p_k[ifep];
 828                 }
 829
 830                 /* find the proposal probabilities */
 831
 832                 if (remainder[fep_state] == 0)
 833                 {
 834                     /* only the current state has any probability */
 835                     /* we have to stay at the current state */
 836                     lamnew = fep_state;
 837                 }
 838                 else
 839                 {
 840                     for (ifep = minfep; ifep <= maxfep; ifep++)
 841                     {
 842                         if (ifep != fep_state)
 843                         {
 844                             propose[ifep] = p_k[ifep]/remainder[fep_state];
 845                         }
 846                         else
 847                         {
 848                             propose[ifep] = 0;
 849                         }
 850                     }
 851
 852                     r1 = gmx_rng_uniform_real(rng);
 853                     for (lamtrial = minfep; lamtrial <= maxfep; lamtrial++)
 854                     {
 855                         pnorm = p_k[lamtrial]/remainder[fep_state];
 856                         if (lamtrial != fep_state)
 857                         {
 858                             if (r1 <= pnorm)
 859                             {
 860                                 break;
 861                             }
 862                             r1 -= pnorm;
 863                         }
 864                     }
 865
 866                     /* we have now selected lamtrial according to p(lamtrial)/1-p(fep_state) */
 867                     tprob = 1.0;
 868                     /* trial probability is min{1,\frac{1 - p(old)}{1-p(new)} MRS 1/8/2008 */
 869                     trialprob = (remainder[fep_state])/(remainder[lamtrial]);
 870                     if (trialprob < tprob)
 871                     {
 872                         tprob = trialprob;
 873                     }
 874                     r2 = gmx_rng_uniform_real(rng);
 875                     if (r2 < tprob)
 876                     {
 877                         lamnew = lamtrial;
 878                     }
 879                     else
 880                     {
 881                         lamnew = fep_state;
 882                     }
 883                 }
 884
 885                 /* now figure out the acceptance probability for each */
 886                 for (ifep = minfep; ifep <= maxfep; ifep++)
 887                 {
 888                     tprob = 1.0;
 889                     if (remainder[ifep] != 0)
 890                     {
 891                         trialprob = (remainder[fep_state])/(remainder[ifep]);
 892                     }
 893                     else
 894                     {
 895                         trialprob = 1.0; /* this state is the only choice! */
 896                     }
 897                     if (trialprob < tprob)
 898                     {
 899                         tprob = trialprob;
 900                     }
 901                     /* probability for fep_state=0, but that's fine, it's never proposed! */
 902                     accept[ifep] = tprob;
 903                 }
 904             }
 905
 906             if (lamnew > maxfep)
 907             {
 908                 /* it's possible some rounding is failing */
 909                 if (remainder[fep_state] < 2.0e-15)
 910                 {
 911                     /* probably numerical rounding error -- no state other than the original has weight */
 912                     lamnew = fep_state;
 913                 }
 914                 else
 915                 {
 916                     /* probably not a numerical issue */
 917                     int   loc    = 0;
 918                     int   nerror = 200+(maxfep-minfep+1)*60;
 919                     char *errorstr;
 920                     snew(errorstr, nerror);
 921                     /* if its greater than maxfep, then something went wrong -- probably underflow in the calculation
 922                        of sum weights. Generated detailed info for failure */
 923                     loc += sprintf(errorstr, "Something wrong in choosing new lambda state with a Gibbs move -- probably underflow in weight determination.\nDenominator is: %3d%17.10e\n  i                dE        numerator          weights\n", 0, pks);
 924                     for (ifep = minfep; ifep <= maxfep; ifep++)
 925                     {
 926                         loc += sprintf(&errorstr[loc], "%3d %17.10e%17.10e%17.10e\n", ifep, weighted_lamee[ifep], p_k[ifep], dfhist->sum_weights[ifep]);
 927                     }
 928                     gmx_fatal(FARGS, errorstr);
 929                 }
 930             }
 931         }
 932         else if ((expand->elmcmove == elmcmoveMETROPOLIS) || (expand->elmcmove == elmcmoveBARKER))
 933         {
 934             /* use the metropolis sampler with trial +/- 1 */
 935             r1 = gmx_rng_uniform_real(rng);
 936             if (r1 < 0.5)
 937             {
 938                 if (fep_state == 0)
 939                 {
 940                     lamtrial = fep_state;
 941                 }
 942                 else
 943                 {
 944                     lamtrial = fep_state-1;
 945                 }
 946             }
 947             else
 948             {
 949                 if (fep_state == nlim-1)
 950                 {
 951                     lamtrial = fep_state;
 952                 }
 953                 else
 954                 {
 955                     lamtrial = fep_state+1;
 956                 }
 957             }
 958
 959             de = weighted_lamee[lamtrial] - weighted_lamee[fep_state];
 960             if (expand->elmcmove == elmcmoveMETROPOLIS)
 961             {
 962                 tprob     = 1.0;
 963                 trialprob = exp(de);
 964                 if (trialprob < tprob)
 965                 {
 966                     tprob = trialprob;
 967                 }
 968                 propose[fep_state] = 0;
 969                 propose[lamtrial]  = 1.0; /* note that this overwrites the above line if fep_state = ntrial, which only occurs at the ends */
 970                 accept[fep_state]  = 1.0; /* doesn't actually matter, never proposed unless fep_state = ntrial, in which case it's 1.0 anyway */
 971                 accept[lamtrial]   = tprob;
 972
 973             }
 974             else if (expand->elmcmove == elmcmoveBARKER)
 975             {
 976                 tprob = 1.0/(1.0+exp(-de));
 977
 978                 propose[fep_state] = (1-tprob);
 979                 propose[lamtrial] += tprob; /* we add, to account for the fact that at the end, they might be the same point */
 980                 accept[fep_state]  = 1.0;
 981                 accept[lamtrial]   = 1.0;
 982             }
 983
 984             r2 = gmx_rng_uniform_real(rng);
 985             if (r2 < tprob)
 986             {
 987                 lamnew = lamtrial;
 988             }
 989             else
 990             {
 991                 lamnew = fep_state;
 992             }
 993         }
 994
 995         for (ifep = 0; ifep < nlim; ifep++)
 996         {
 997             dfhist->Tij[fep_state][ifep]      += propose[ifep]*accept[ifep];
 998             dfhist->Tij[fep_state][fep_state] += propose[ifep]*(1.0-accept[ifep]);
 999         }
1000         fep_state = lamnew;
1001     }
1002
1003     dfhist->Tij_empirical[starting_fep_state][lamnew] += 1.0;
1004
1005     sfree(propose);
1006     sfree(accept);
1007     sfree(remainder);
1008
1009     return lamnew;
1010 }
1011
1012 /* print out the weights to the log, along with current state */
1013 extern void PrintFreeEnergyInfoToFile(FILE *outfile, t_lambda *fep, t_expanded *expand, t_simtemp *simtemp, df_history_t *dfhist,
1014                                       int nlam, int frequency, gmx_large_int_t step)
1015 {
1016     int         nlim, i, ifep, jfep;
1017     real        dw, dg, dv, dm, Tprint;
1018     real       *temps;
1019     const char *print_names[efptNR] = {" FEPL", "MassL", "CoulL", " VdwL", "BondL", "RestT", "Temp.(K)"};
1020     gmx_bool    bSimTemp            = FALSE;
1021
1022     nlim = fep->n_lambda;
1023     if (simtemp != NULL)
1024     {
1025         bSimTemp = TRUE;
1026     }
1027
1028     if (mod(step, frequency) == 0)
1029     {
1030         fprintf(outfile, "             MC-lambda information\n");
1031         if (EWL(expand->elamstats) && (!(dfhist->bEquil)))
1032         {
1033             fprintf(outfile, "  Wang-Landau incrementor is: %11.5g\n", dfhist->wl_delta);
1034         }
1035         fprintf(outfile, "  N");
1036         for (i = 0; i < efptNR; i++)
1037         {
1038             if (fep->separate_dvdl[i])
1039             {
1040                 fprintf(outfile, "%7s", print_names[i]);
1041             }
1042             else if ((i == efptTEMPERATURE) && bSimTemp)
1043             {
1044                 fprintf(outfile, "%10s", print_names[i]); /* more space for temperature formats */
1045             }
1046         }
1047         fprintf(outfile, "    Count   ");
1048         if (expand->elamstats == elamstatsMINVAR)
1049         {
1050             fprintf(outfile, "W(in kT)   G(in kT)  dG(in kT)  dV(in kT)\n");
1051         }
1052         else
1053         {
1054             fprintf(outfile, "G(in kT)  dG(in kT)\n");
1055         }
1056         for (ifep = 0; ifep < nlim; ifep++)
1057         {
1058             if (ifep == nlim-1)
1059             {
1060                 dw = 0.0;
1061                 dg = 0.0;
1062                 dv = 0.0;
1063                 dm = 0.0;
1064             }
1065             else
1066             {
1067                 dw = dfhist->sum_weights[ifep+1] - dfhist->sum_weights[ifep];
1068                 dg = dfhist->sum_dg[ifep+1] - dfhist->sum_dg[ifep];
1069                 dv = sqrt(pow(dfhist->sum_variance[ifep+1], 2) - pow(dfhist->sum_variance[ifep], 2));
1070                 dm = dfhist->sum_minvar[ifep+1] - dfhist->sum_minvar[ifep];
1071
1072             }
1073             fprintf(outfile, "%3d", (ifep+1));
1074             for (i = 0; i < efptNR; i++)
1075             {
1076                 if (fep->separate_dvdl[i])
1077                 {
1078                     fprintf(outfile, "%7.3f", fep->all_lambda[i][ifep]);
1079                 }
1080                 else if (i == efptTEMPERATURE && bSimTemp)
1081                 {
1082                     fprintf(outfile, "%9.3f", simtemp->temperatures[ifep]);
1083                 }
1084             }
1085             if (EWL(expand->elamstats) && (!(dfhist->bEquil)))  /* if performing WL and still haven't equilibrated */
1086             {
1087                 if (expand->elamstats == elamstatsWL)
1088                 {
1089                     fprintf(outfile, " %8d", (int)dfhist->wl_histo[ifep]);
1090                 }
1091                 else
1092                 {
1093                     fprintf(outfile, " %8.3f", dfhist->wl_histo[ifep]);
1094                 }
1095             }
1096             else   /* we have equilibrated weights */
1097             {
1098                 fprintf(outfile, " %8d", dfhist->n_at_lam[ifep]);
1099             }
1100             if (expand->elamstats == elamstatsMINVAR)
1101             {
1102                 fprintf(outfile, " %10.5f %10.5f %10.5f %10.5f", dfhist->sum_weights[ifep], dfhist->sum_dg[ifep], dg, dv);
1103             }
1104             else
1105             {
1106                 fprintf(outfile, " %10.5f %10.5f", dfhist->sum_weights[ifep], dw);
1107             }
1108             if (ifep == nlam)
1109             {
1110                 fprintf(outfile, " <<\n");
1111             }
1112             else
1113             {
1114                 fprintf(outfile, "   \n");
1115             }
1116         }
1117         fprintf(outfile, "\n");
1118
1119         if ((mod(step, expand->nstTij) == 0) && (expand->nstTij > 0) && (step > 0))
1120         {
1121             fprintf(outfile, "                     Transition Matrix\n");
1122             for (ifep = 0; ifep < nlim; ifep++)
1123             {
1124                 fprintf(outfile, "%12d", (ifep+1));
1125             }
1126             fprintf(outfile, "\n");
1127             for (ifep = 0; ifep < nlim; ifep++)
1128             {
1129                 for (jfep = 0; jfep < nlim; jfep++)
1130                 {
1131                     if (dfhist->n_at_lam[ifep] > 0)
1132                     {
1133                         if (expand->bSymmetrizedTMatrix)
1134                         {
1135                             Tprint = (dfhist->Tij[ifep][jfep]+dfhist->Tij[jfep][ifep])/(dfhist->n_at_lam[ifep]+dfhist->n_at_lam[jfep]);
1136                         }
1137                         else
1138                         {
1139                             Tprint = (dfhist->Tij[ifep][jfep])/(dfhist->n_at_lam[ifep]);
1140                         }
1141                     }
1142                     else
1143                     {
1144                         Tprint = 0.0;
1145                     }
1146                     fprintf(outfile, "%12.8f", Tprint);
1147                 }
1148                 fprintf(outfile, "%3d\n", (ifep+1));
1149             }
1150
1151             fprintf(outfile, "                  Empirical Transition Matrix\n");
1152             for (ifep = 0; ifep < nlim; ifep++)
1153             {
1154                 fprintf(outfile, "%12d", (ifep+1));
1155             }
1156             fprintf(outfile, "\n");
1157             for (ifep = 0; ifep < nlim; ifep++)
1158             {
1159                 for (jfep = 0; jfep < nlim; jfep++)
1160                 {
1161                     if (dfhist->n_at_lam[ifep] > 0)
1162                     {
1163                         if (expand->bSymmetrizedTMatrix)
1164                         {
1165                             Tprint = (dfhist->Tij_empirical[ifep][jfep]+dfhist->Tij_empirical[jfep][ifep])/(dfhist->n_at_lam[ifep]+dfhist->n_at_lam[jfep]);
1166                         }
1167                         else
1168                         {
1169                             Tprint = dfhist->Tij_empirical[ifep][jfep]/(dfhist->n_at_lam[ifep]);
1170                         }
1171                     }
1172                     else
1173                     {
1174                         Tprint = 0.0;
1175                     }
1176                     fprintf(outfile, "%12.8f", Tprint);
1177                 }
1178                 fprintf(outfile, "%3d\n", (ifep+1));
1179             }
1180         }
1181     }
1182 }
1183
1184 extern void get_mc_state(gmx_rng_t rng, t_state *state)
1185 {
1186     gmx_rng_get_state(rng, state->mc_rng, state->mc_rngi);
1187 }
1188
1189 extern void set_mc_state(gmx_rng_t rng, t_state *state)
1190 {
1191     gmx_rng_set_state(rng, state->mc_rng, state->mc_rngi[0]);
1192 }
1193
1194 extern int ExpandedEnsembleDynamics(FILE *log, t_inputrec *ir, gmx_enerdata_t *enerd,
1195                                     t_state *state, t_extmass *MassQ, df_history_t *dfhist,
1196                                     gmx_large_int_t step, gmx_rng_t mcrng,
1197                                     rvec *v, t_mdatoms *mdatoms)
1198 {
1199     real       *pfep_lamee, *p_k, *scaled_lamee, *weighted_lamee;
1200     int         i, nlam, nlim, lamnew, totalsamples;
1201     real        oneovert, maxscaled = 0, maxweighted = 0;
1202     t_expanded *expand;
1203     t_simtemp  *simtemp;
1204     double     *temperature_lambdas;
1205     gmx_bool    bIfReset, bSwitchtoOneOverT, bDoneEquilibrating = FALSE;
1206
1207     expand  = ir->expandedvals;
1208     simtemp = ir->simtempvals;
1209     nlim    = ir->fepvals->n_lambda;
1210     nlam    = state->fep_state;
1211
1212     snew(scaled_lamee, nlim);
1213     snew(weighted_lamee, nlim);
1214     snew(pfep_lamee, nlim);
1215     snew(p_k, nlim);
1216
1217     if (expand->bInit_weights)                    /* if initialized weights, we need to fill them in */
1218     {
1219         dfhist->wl_delta = expand->init_wl_delta; /* MRS -- this would fit better somewhere else? */
1220         for (i = 0; i < nlim; i++)
1221         {
1222             dfhist->sum_weights[i] = expand->init_lambda_weights[i];
1223             dfhist->sum_dg[i]      = expand->init_lambda_weights[i];
1224         }
1225         expand->bInit_weights = FALSE;
1226     }
1227
1228     /* update the count at the current lambda*/
1229     dfhist->n_at_lam[nlam]++;
1230
1231     /* need to calculate the PV term somewhere, but not needed here? Not until there's a lambda state that's
1232        pressure controlled.*/
1233     /*
1234        pVTerm = 0;
1235        where does this PV term go?
1236        for (i=0;i<nlim;i++)
1237        {
1238        fep_lamee[i] += pVTerm;
1239        }
1240      */
1241
1242     /* determine the minimum value to avoid overflow.  Probably a better way to do this */
1243     /* we don't need to include the pressure term, since the volume is the same between the two.
1244        is there some term we are neglecting, however? */
1245
1246     if (ir->efep != efepNO)
1247     {
1248         for (i = 0; i < nlim; i++)
1249         {
1250             if (ir->bSimTemp)
1251             {
1252                 /* Note -- this assumes no mass changes, since kinetic energy is not added  . . . */
1253                 scaled_lamee[i] = (enerd->enerpart_lambda[i+1]-enerd->enerpart_lambda[0])/(simtemp->temperatures[i]*BOLTZ)
1254                     + enerd->term[F_EPOT]*(1.0/(simtemp->temperatures[i])- 1.0/(simtemp->temperatures[nlam]))/BOLTZ;
1255             }
1256             else
1257             {
1258                 scaled_lamee[i] = (enerd->enerpart_lambda[i+1]-enerd->enerpart_lambda[0])/(expand->mc_temp*BOLTZ);
1259                 /* mc_temp is currently set to the system reft unless otherwise defined */
1260             }
1261
1262             /* save these energies for printing, so they don't get overwritten by the next step */
1263             /* they aren't overwritten in the non-free energy case, but we always print with these
1264                for simplicity */
1265         }
1266     }
1267     else
1268     {
1269         if (ir->bSimTemp)
1270         {
1271             for (i = 0; i < nlim; i++)
1272             {
1273                 scaled_lamee[i] = enerd->term[F_EPOT]*(1.0/simtemp->temperatures[i] - 1.0/simtemp->temperatures[nlam])/BOLTZ;
1274             }
1275         }
1276     }
1277
1278     for (i = 0; i < nlim; i++)
1279     {
1280         pfep_lamee[i] = scaled_lamee[i];
1281
1282         weighted_lamee[i] = dfhist->sum_weights[i] - scaled_lamee[i];
1283         if (i == 0)
1284         {
1285             maxscaled   = scaled_lamee[i];
1286             maxweighted = weighted_lamee[i];
1287         }
1288         else
1289         {
1290             if (scaled_lamee[i] > maxscaled)
1291             {
1292                 maxscaled = scaled_lamee[i];
1293             }
1294             if (weighted_lamee[i] > maxweighted)
1295             {
1296                 maxweighted = weighted_lamee[i];
1297             }
1298         }
1299     }
1300
1301     for (i = 0; i < nlim; i++)
1302     {
1303         scaled_lamee[i]   -= maxscaled;
1304         weighted_lamee[i] -= maxweighted;
1305     }
1306
1307     /* update weights - we decide whether or not to actually do this inside */
1308
1309     bDoneEquilibrating = UpdateWeights(nlim, expand, dfhist, nlam, scaled_lamee, weighted_lamee, step);
1310     if (bDoneEquilibrating)
1311     {
1312         if (log)
1313         {
1314             fprintf(log, "\nStep %d: Weights have equilibrated, using criteria: %s\n", (int)step, elmceq_names[expand->elmceq]);
1315         }
1316     }
1317
1318     lamnew = ChooseNewLambda(nlim, expand, dfhist, nlam, weighted_lamee, p_k, mcrng);
1319     /* if using simulated tempering, we need to adjust the temperatures */
1320     if (ir->bSimTemp && (lamnew != nlam)) /* only need to change the temperatures if we change the state */
1321     {
1322         int   i, j, n, d;
1323         real *buf_ngtc;
1324         real  told;
1325         int   nstart, nend, gt;
1326
1327         snew(buf_ngtc, ir->opts.ngtc);
1328
1329         for (i = 0; i < ir->opts.ngtc; i++)
1330         {
1331             if (ir->opts.ref_t[i] > 0)
1332             {
1333                 told              = ir->opts.ref_t[i];
1334                 ir->opts.ref_t[i] =  simtemp->temperatures[lamnew];
1335                 buf_ngtc[i]       = sqrt(ir->opts.ref_t[i]/told); /* using the buffer as temperature scaling */
1336             }
1337         }
1338
1339         /* we don't need to manipulate the ekind information, as it isn't due to be reset until the next step anyway */
1340
1341         nstart = mdatoms->start;
1342         nend   = nstart + mdatoms->homenr;
1343         for (n = nstart; n < nend; n++)
1344         {
1345             gt = 0;
1346             if (mdatoms->cTC)
1347             {
1348                 gt = mdatoms->cTC[n];
1349             }
1350             for (d = 0; d < DIM; d++)
1351             {
1352                 v[n][d] *= buf_ngtc[gt];
1353             }
1354         }
1355
1356         if (IR_NPT_TROTTER(ir) || IR_NPH_TROTTER(ir) || IR_NVT_TROTTER(ir))
1357         {
1358             /* we need to recalculate the masses if the temperature has changed */
1359             init_npt_masses(ir, state, MassQ, FALSE);
1360             for (i = 0; i < state->nnhpres; i++)
1361             {
1362                 for (j = 0; j < ir->opts.nhchainlength; j++)
1363                 {
1364                     state->nhpres_vxi[i+j] *= buf_ngtc[i];
1365                 }
1366             }
1367             for (i = 0; i < ir->opts.ngtc; i++)
1368             {
1369                 for (j = 0; j < ir->opts.nhchainlength; j++)
1370                 {
1371                     state->nosehoover_vxi[i+j] *= buf_ngtc[i];
1372                 }
1373             }
1374         }
1375         sfree(buf_ngtc);
1376     }
1377
1378     /* now check on the Wang-Landau updating critera */
1379
1380     if (EWL(expand->elamstats))
1381     {
1382         bSwitchtoOneOverT = FALSE;
1383         if (expand->bWLoneovert)
1384         {
1385             totalsamples = 0;
1386             for (i = 0; i < nlim; i++)
1387             {
1388                 totalsamples += dfhist->n_at_lam[i];
1389             }
1390             oneovert = (1.0*nlim)/totalsamples;
1391             /* oneovert has decreasd by a bit since last time, so we actually make sure its within one of this number */
1392             /* switch to 1/t incrementing when wl_delta has decreased at least once, and wl_delta is now less than 1/t */
1393             if ((dfhist->wl_delta <= ((totalsamples)/(totalsamples-1.00001))*oneovert) &&
1394                 (dfhist->wl_delta < expand->init_wl_delta))
1395             {
1396                 bSwitchtoOneOverT = TRUE;
1397             }
1398         }
1399         if (bSwitchtoOneOverT)
1400         {
1401             dfhist->wl_delta = oneovert; /* now we reduce by this each time, instead of only at flatness */
1402         }
1403         else
1404         {
1405             bIfReset = CheckHistogramRatios(nlim, dfhist->wl_histo, expand->wl_ratio);
1406             if (bIfReset)
1407             {
1408                 for (i = 0; i < nlim; i++)
1409                 {
1410                     dfhist->wl_histo[i] = 0;
1411                 }
1412                 dfhist->wl_delta *= expand->wl_scale;
1413                 if (log)
1414                 {
1415                     fprintf(log, "\nStep %d: weights are now:", (int)step);
1416                     for (i = 0; i < nlim; i++)
1417                     {
1418                         fprintf(log, " %.5f", dfhist->sum_weights[i]);
1419                     }
1420                     fprintf(log, "\n");
1421                 }
1422             }
1423         }
1424     }
1425     sfree(pfep_lamee);
1426     sfree(scaled_lamee);
1427     sfree(weighted_lamee);
1428     sfree(p_k);
1429
1430     return lamnew;
1431 }