src/gromacs/mdlib/expanded.c

   1 /*
   2  * This file is part of the GROMACS molecular simulation package.
   3  *
   4  * Copyright (c) 2012,2013,2014, by the GROMACS development team, led by
   5  * Mark Abraham, David van der Spoel, Berk Hess, and Erik Lindahl,
   6  * and including many others, as listed in the AUTHORS file in the
   7  * top-level source directory and at http://www.gromacs.org.
   8  *
   9  * GROMACS is free software; you can redistribute it and/or
  10  * modify it under the terms of the GNU Lesser General Public License
  11  * as published by the Free Software Foundation; either version 2.1
  12  * of the License, or (at your option) any later version.
  13  *
  14  * GROMACS is distributed in the hope that it will be useful,
  15  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  16  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  17  * Lesser General Public License for more details.
  18  *
  19  * You should have received a copy of the GNU Lesser General Public
  20  * License along with GROMACS; if not, see
  21  * http://www.gnu.org/licenses, or write to the Free Software Foundation,
  22  * Inc., 51 Franklin Street, Fifth Floor, Boston, MA  02110-1301  USA.
  23  *
  24  * If you want to redistribute modifications to GROMACS, please
  25  * consider that scientific software is very special. Version
  26  * control is crucial - bugs must be traceable. We will be happy to
  27  * consider code for inclusion in the official distribution, but
  28  * derived work must not be called official GROMACS. Details are found
  29  * in the README & COPYING files - if they are missing, get the
  30  * official version at http://www.gromacs.org.
  31  *
  32  * To help us fund GROMACS development, we humbly ask that you cite
  33  * the research papers on the package. Check out http://www.gromacs.org.
  34  */
  35 #ifdef HAVE_CONFIG_H
  36 #include <config.h>
  37 #endif
  38
  39 #include <math.h>
  40 #include <stdio.h>
  41
  42 #include "typedefs.h"
  43 #include "gromacs/utility/smalloc.h"
  44 #include "names.h"
  45 #include "gromacs/fileio/confio.h"
  46 #include "txtdump.h"
  47 #include "chargegroup.h"
  48 #include "gromacs/math/vec.h"
  49 #include "nrnb.h"
  50 #include "mdrun.h"
  51 #include "update.h"
  52 #include "gromacs/math/units.h"
  53 #include "mdatoms.h"
  54 #include "force.h"
  55 #include "bondf.h"
  56 #include "pme.h"
  57 #include "disre.h"
  58 #include "orires.h"
  59 #include "network.h"
  60 #include "calcmu.h"
  61 #include "constr.h"
  62 #include "gromacs/random/random.h"
  63 #include "domdec.h"
  64 #include "macros.h"
  65
  66 #include "gromacs/fileio/confio.h"
  67 #include "gromacs/fileio/gmxfio.h"
  68 #include "gromacs/fileio/trnio.h"
  69 #include "gromacs/fileio/xtcio.h"
  70 #include "gromacs/timing/wallcycle.h"
  71 #include "gromacs/utility/fatalerror.h"
  72 #include "gromacs/utility/gmxmpi.h"
  73
  74 static void init_df_history_weights(df_history_t *dfhist, t_expanded *expand, int nlim)
  75 {
  76     int i;
  77     dfhist->wl_delta = expand->init_wl_delta;
  78     for (i = 0; i < nlim; i++)
  79     {
  80         dfhist->sum_weights[i] = expand->init_lambda_weights[i];
  81         dfhist->sum_dg[i]      = expand->init_lambda_weights[i];
  82     }
  83 }
  84
  85 /* Eventually should contain all the functions needed to initialize expanded ensemble
  86    before the md loop starts */
  87 extern void init_expanded_ensemble(gmx_bool bStateFromCP, t_inputrec *ir, df_history_t *dfhist)
  88 {
  89     if (!bStateFromCP)
  90     {
  91         init_df_history_weights(dfhist, ir->expandedvals, ir->fepvals->n_lambda);
  92     }
  93 }
  94
  95 static void GenerateGibbsProbabilities(real *ene, double *p_k, double *pks, int minfep, int maxfep)
  96 {
  97
  98     int  i;
  99     real maxene;
 100
 101     *pks   = 0.0;
 102     maxene = ene[minfep];
 103     /* find the maximum value */
 104     for (i = minfep; i <= maxfep; i++)
 105     {
 106         if (ene[i] > maxene)
 107         {
 108             maxene = ene[i];
 109         }
 110     }
 111     /* find the denominator */
 112     for (i = minfep; i <= maxfep; i++)
 113     {
 114         *pks += exp(ene[i]-maxene);
 115     }
 116     /*numerators*/
 117     for (i = minfep; i <= maxfep; i++)
 118     {
 119         p_k[i] = exp(ene[i]-maxene) / *pks;
 120     }
 121 }
 122
 123 static void GenerateWeightedGibbsProbabilities(real *ene, double *p_k, double *pks, int nlim, real *nvals, real delta)
 124 {
 125
 126     int   i;
 127     real  maxene;
 128     real *nene;
 129     *pks = 0.0;
 130
 131     snew(nene, nlim);
 132     for (i = 0; i < nlim; i++)
 133     {
 134         if (nvals[i] == 0)
 135         {
 136             /* add the delta, since we need to make sure it's greater than zero, and
 137                we need a non-arbitrary number? */
 138             nene[i] = ene[i] + log(nvals[i]+delta);
 139         }
 140         else
 141         {
 142             nene[i] = ene[i] + log(nvals[i]);
 143         }
 144     }
 145
 146     /* find the maximum value */
 147     maxene = nene[0];
 148     for (i = 0; i < nlim; i++)
 149     {
 150         if (nene[i] > maxene)
 151         {
 152             maxene = nene[i];
 153         }
 154     }
 155
 156     /* subtract off the maximum, avoiding overflow */
 157     for (i = 0; i < nlim; i++)
 158     {
 159         nene[i] -= maxene;
 160     }
 161
 162     /* find the denominator */
 163     for (i = 0; i < nlim; i++)
 164     {
 165         *pks += exp(nene[i]);
 166     }
 167
 168     /*numerators*/
 169     for (i = 0; i < nlim; i++)
 170     {
 171         p_k[i] = exp(nene[i]) / *pks;
 172     }
 173     sfree(nene);
 174 }
 175
 176 real do_logsum(int N, real *a_n)
 177 {
 178
 179     /*     RETURN VALUE */
 180     /* log(\sum_{i=0}^(N-1) exp[a_n]) */
 181     real maxarg;
 182     real sum;
 183     int  i;
 184     real logsum;
 185     /*     compute maximum argument to exp(.) */
 186
 187     maxarg = a_n[0];
 188     for (i = 1; i < N; i++)
 189     {
 190         maxarg = max(maxarg, a_n[i]);
 191     }
 192
 193     /* compute sum of exp(a_n - maxarg) */
 194     sum = 0.0;
 195     for (i = 0; i < N; i++)
 196     {
 197         sum = sum + exp(a_n[i] - maxarg);
 198     }
 199
 200     /*     compute log sum */
 201     logsum = log(sum) + maxarg;
 202     return logsum;
 203 }
 204
 205 int FindMinimum(real *min_metric, int N)
 206 {
 207
 208     real min_val;
 209     int  min_nval, nval;
 210
 211     min_nval = 0;
 212     min_val  = min_metric[0];
 213
 214     for (nval = 0; nval < N; nval++)
 215     {
 216         if (min_metric[nval] < min_val)
 217         {
 218             min_val  = min_metric[nval];
 219             min_nval = nval;
 220         }
 221     }
 222     return min_nval;
 223 }
 224
 225 static gmx_bool CheckHistogramRatios(int nhisto, real *histo, real ratio)
 226 {
 227
 228     int      i;
 229     real     nmean;
 230     gmx_bool bIfFlat;
 231
 232     nmean = 0;
 233     for (i = 0; i < nhisto; i++)
 234     {
 235         nmean += histo[i];
 236     }
 237
 238     if (nmean == 0)
 239     {
 240         /* no samples! is bad!*/
 241         bIfFlat = FALSE;
 242         return bIfFlat;
 243     }
 244     nmean /= (real)nhisto;
 245
 246     bIfFlat = TRUE;
 247     for (i = 0; i < nhisto; i++)
 248     {
 249         /* make sure that all points are in the ratio < x <  1/ratio range  */
 250         if (!((histo[i]/nmean < 1.0/ratio) && (histo[i]/nmean > ratio)))
 251         {
 252             bIfFlat = FALSE;
 253             break;
 254         }
 255     }
 256     return bIfFlat;
 257 }
 258
 259 static gmx_bool CheckIfDoneEquilibrating(int nlim, t_expanded *expand, df_history_t *dfhist, gmx_int64_t step)
 260 {
 261
 262     int      i, totalsamples;
 263     gmx_bool bDoneEquilibrating = TRUE;
 264     gmx_bool bIfFlat;
 265
 266     /* assume we have equilibrated the weights, then check to see if any of the conditions are not met */
 267
 268     /* calculate the total number of samples */
 269     switch (expand->elmceq)
 270     {
 271         case elmceqNO:
 272             /* We have not equilibrated, and won't, ever. */
 273             return FALSE;
 274         case elmceqYES:
 275             /* we have equilibrated -- we're done */
 276             return TRUE;
 277         case elmceqSTEPS:
 278             /* first, check if we are equilibrating by steps, if we're still under */
 279             if (step < expand->equil_steps)
 280             {
 281                 bDoneEquilibrating = FALSE;
 282             }
 283             break;
 284         case elmceqSAMPLES:
 285             totalsamples = 0;
 286             for (i = 0; i < nlim; i++)
 287             {
 288                 totalsamples += dfhist->n_at_lam[i];
 289             }
 290             if (totalsamples < expand->equil_samples)
 291             {
 292                 bDoneEquilibrating = FALSE;
 293             }
 294             break;
 295         case elmceqNUMATLAM:
 296             for (i = 0; i < nlim; i++)
 297             {
 298                 if (dfhist->n_at_lam[i] < expand->equil_n_at_lam) /* we are still doing the initial sweep, so we're definitely not
 299                                                                      done equilibrating*/
 300                 {
 301                     bDoneEquilibrating  = FALSE;
 302                     break;
 303                 }
 304             }
 305             break;
 306         case elmceqWLDELTA:
 307             if (EWL(expand->elamstats)) /* This check is in readir as well, but
 308                                            just to be sure */
 309             {
 310                 if (dfhist->wl_delta > expand->equil_wl_delta)
 311                 {
 312                     bDoneEquilibrating = FALSE;
 313                 }
 314             }
 315             break;
 316         case elmceqRATIO:
 317             /* we can use the flatness as a judge of good weights, as long as
 318                we're not doing minvar, or Wang-Landau.
 319                But turn off for now until we figure out exactly how we do this.
 320              */
 321
 322             if (!(EWL(expand->elamstats) || expand->elamstats == elamstatsMINVAR))
 323             {
 324                 /* we want to use flatness -avoiding- the forced-through samples.  Plus, we need to convert to
 325                    floats for this histogram function. */
 326
 327                 real *modhisto;
 328                 snew(modhisto, nlim);
 329                 for (i = 0; i < nlim; i++)
 330                 {
 331                     modhisto[i] = 1.0*(dfhist->n_at_lam[i]-expand->lmc_forced_nstart);
 332                 }
 333                 bIfFlat = CheckHistogramRatios(nlim, modhisto, expand->equil_ratio);
 334                 sfree(modhisto);
 335                 if (!bIfFlat)
 336                 {
 337                     bDoneEquilibrating = FALSE;
 338                 }
 339             }
 340         default:
 341             bDoneEquilibrating = TRUE;
 342     }
 343     /* one last case to go though, if we are doing slow growth to get initial values, we haven't finished equilibrating */
 344
 345     if (expand->lmc_forced_nstart > 0)
 346     {
 347         for (i = 0; i < nlim; i++)
 348         {
 349             if (dfhist->n_at_lam[i] < expand->lmc_forced_nstart) /* we are still doing the initial sweep, so we're definitely not
 350                                                                     done equilibrating*/
 351             {
 352                 bDoneEquilibrating = FALSE;
 353                 break;
 354             }
 355         }
 356     }
 357     return bDoneEquilibrating;
 358 }
 359
 360 static gmx_bool UpdateWeights(int nlim, t_expanded *expand, df_history_t *dfhist,
 361                               int fep_state, real *scaled_lamee, real *weighted_lamee, gmx_int64_t step)
 362 {
 363     real     maxdiff = 0.000000001;
 364     gmx_bool bSufficientSamples;
 365     int      i, k, n, nz, indexi, indexk, min_n, max_n, totali;
 366     int      n0, np1, nm1, nval, min_nvalm, min_nvalp, maxc;
 367     real     omega_m1_0, omega_p1_m1, omega_m1_p1, omega_p1_0, clam_osum;
 368     real     de, de_function, dr, denom, maxdr;
 369     real     min_val, cnval, zero_sum_weights;
 370     real    *omegam_array, *weightsm_array, *omegap_array, *weightsp_array, *varm_array, *varp_array, *dwp_array, *dwm_array;
 371     real     clam_varm, clam_varp, clam_weightsm, clam_weightsp, clam_minvar;
 372     real    *lam_weights, *lam_minvar_corr, *lam_variance, *lam_dg;
 373     double  *p_k;
 374     double   pks = 0;
 375     real    *numweighted_lamee, *logfrac;
 376     int     *nonzero;
 377     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;
 378
 379     /* if we have equilibrated the weights, exit now */
 380     if (dfhist->bEquil)
 381     {
 382         return FALSE;
 383     }
 384
 385     if (CheckIfDoneEquilibrating(nlim, expand, dfhist, step))
 386     {
 387         dfhist->bEquil = TRUE;
 388         /* zero out the visited states so we know how many equilibrated states we have
 389            from here on out.*/
 390         for (i = 0; i < nlim; i++)
 391         {
 392             dfhist->n_at_lam[i] = 0;
 393         }
 394         return TRUE;
 395     }
 396
 397     /* If we reached this far, we have not equilibrated yet, keep on
 398        going resetting the weights */
 399
 400     if (EWL(expand->elamstats))
 401     {
 402         if (expand->elamstats == elamstatsWL)  /* Standard Wang-Landau */
 403         {
 404             dfhist->sum_weights[fep_state] -= dfhist->wl_delta;
 405             dfhist->wl_histo[fep_state]    += 1.0;
 406         }
 407         else if (expand->elamstats == elamstatsWWL) /* Weighted Wang-Landau */
 408         {
 409             snew(p_k, nlim);
 410
 411             /* first increment count */
 412             GenerateGibbsProbabilities(weighted_lamee, p_k, &pks, 0, nlim-1);
 413             for (i = 0; i < nlim; i++)
 414             {
 415                 dfhist->wl_histo[i] += (real)p_k[i];
 416             }
 417
 418             /* then increment weights (uses count) */
 419             pks = 0.0;
 420             GenerateWeightedGibbsProbabilities(weighted_lamee, p_k, &pks, nlim, dfhist->wl_histo, dfhist->wl_delta);
 421
 422             for (i = 0; i < nlim; i++)
 423             {
 424                 dfhist->sum_weights[i] -= dfhist->wl_delta*(real)p_k[i];
 425             }
 426             /* Alternate definition, using logarithms. Shouldn't make very much difference! */
 427             /*
 428                real di;
 429                for (i=0;i<nlim;i++)
 430                {
 431                 di = (real)1.0 + dfhist->wl_delta*(real)p_k[i];
 432                 dfhist->sum_weights[i] -= log(di);
 433                }
 434              */
 435             sfree(p_k);
 436         }
 437
 438         zero_sum_weights =  dfhist->sum_weights[0];
 439         for (i = 0; i < nlim; i++)
 440         {
 441             dfhist->sum_weights[i] -= zero_sum_weights;
 442         }
 443     }
 444
 445     if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMETROPOLIS || expand->elamstats == elamstatsMINVAR)
 446     {
 447
 448         de_function = 0;  /* to get rid of warnings, but this value will not be used because of the logic */
 449         maxc        = 2*expand->c_range+1;
 450
 451         snew(lam_dg, nlim);
 452         snew(lam_variance, nlim);
 453
 454         snew(omegap_array, maxc);
 455         snew(weightsp_array, maxc);
 456         snew(varp_array, maxc);
 457         snew(dwp_array, maxc);
 458
 459         snew(omegam_array, maxc);
 460         snew(weightsm_array, maxc);
 461         snew(varm_array, maxc);
 462         snew(dwm_array, maxc);
 463
 464         /* unpack the current lambdas -- we will only update 2 of these */
 465
 466         for (i = 0; i < nlim-1; i++)
 467         {   /* only through the second to last */
 468             lam_dg[i]       = dfhist->sum_dg[i+1] - dfhist->sum_dg[i];
 469             lam_variance[i] = pow(dfhist->sum_variance[i+1], 2) - pow(dfhist->sum_variance[i], 2);
 470         }
 471
 472         /* accumulate running averages */
 473         for (nval = 0; nval < maxc; nval++)
 474         {
 475             /* constants for later use */
 476             cnval = (real)(nval-expand->c_range);
 477             /* actually, should be able to rewrite it w/o exponential, for better numerical stability */
 478             if (fep_state > 0)
 479             {
 480                 de = exp(cnval - (scaled_lamee[fep_state]-scaled_lamee[fep_state-1]));
 481                 if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMINVAR)
 482                 {
 483                     de_function = 1.0/(1.0+de);
 484                 }
 485                 else if (expand->elamstats == elamstatsMETROPOLIS)
 486                 {
 487                     if (de < 1.0)
 488                     {
 489                         de_function = 1.0;
 490                     }
 491                     else
 492                     {
 493                         de_function = 1.0/de;
 494                     }
 495                 }
 496                 dfhist->accum_m[fep_state][nval]  += de_function;
 497                 dfhist->accum_m2[fep_state][nval] += de_function*de_function;
 498             }
 499
 500             if (fep_state < nlim-1)
 501             {
 502                 de = exp(-cnval + (scaled_lamee[fep_state+1]-scaled_lamee[fep_state]));
 503                 if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMINVAR)
 504                 {
 505                     de_function = 1.0/(1.0+de);
 506                 }
 507                 else if (expand->elamstats == elamstatsMETROPOLIS)
 508                 {
 509                     if (de < 1.0)
 510                     {
 511                         de_function = 1.0;
 512                     }
 513                     else
 514                     {
 515                         de_function = 1.0/de;
 516                     }
 517                 }
 518                 dfhist->accum_p[fep_state][nval]  += de_function;
 519                 dfhist->accum_p2[fep_state][nval] += de_function*de_function;
 520             }
 521
 522             /* Metropolis transition and Barker transition (unoptimized Bennett) acceptance weight determination */
 523
 524             n0  = dfhist->n_at_lam[fep_state];
 525             if (fep_state > 0)
 526             {
 527                 nm1 = dfhist->n_at_lam[fep_state-1];
 528             }
 529             else
 530             {
 531                 nm1 = 0;
 532             }
 533             if (fep_state < nlim-1)
 534             {
 535                 np1 = dfhist->n_at_lam[fep_state+1];
 536             }
 537             else
 538             {
 539                 np1 = 0;
 540             }
 541
 542             /* logic SHOULD keep these all set correctly whatever the logic, but apparently it can't figure it out. */
 543             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;
 544
 545             if (n0 > 0)
 546             {
 547                 chi_m1_0 = dfhist->accum_m[fep_state][nval]/n0;
 548                 chi_p1_0 = dfhist->accum_p[fep_state][nval]/n0;
 549                 chi_m2_0 = dfhist->accum_m2[fep_state][nval]/n0;
 550                 chi_p2_0 = dfhist->accum_p2[fep_state][nval]/n0;
 551             }
 552
 553             if ((fep_state > 0 ) && (nm1 > 0))
 554             {
 555                 chi_p1_m1 = dfhist->accum_p[fep_state-1][nval]/nm1;
 556                 chi_p2_m1 = dfhist->accum_p2[fep_state-1][nval]/nm1;
 557             }
 558
 559             if ((fep_state < nlim-1) && (np1 > 0))
 560             {
 561                 chi_m1_p1 = dfhist->accum_m[fep_state+1][nval]/np1;
 562                 chi_m2_p1 = dfhist->accum_m2[fep_state+1][nval]/np1;
 563             }
 564
 565             omega_m1_0    = 0;
 566             omega_p1_0    = 0;
 567             clam_weightsm = 0;
 568             clam_weightsp = 0;
 569             clam_varm     = 0;
 570             clam_varp     = 0;
 571
 572             if (fep_state > 0)
 573             {
 574                 if (n0 > 0)
 575                 {
 576                     omega_m1_0 = chi_m2_0/(chi_m1_0*chi_m1_0) - 1.0;
 577                 }
 578                 if (nm1 > 0)
 579                 {
 580                     omega_p1_m1 = chi_p2_m1/(chi_p1_m1*chi_p1_m1) - 1.0;
 581                 }
 582                 if ((n0 > 0) && (nm1 > 0))
 583                 {
 584                     clam_weightsm = (log(chi_m1_0) - log(chi_p1_m1)) + cnval;
 585                     clam_varm     = (1.0/n0)*(omega_m1_0) + (1.0/nm1)*(omega_p1_m1);
 586                 }
 587             }
 588
 589             if (fep_state < nlim-1)
 590             {
 591                 if (n0 > 0)
 592                 {
 593                     omega_p1_0 = chi_p2_0/(chi_p1_0*chi_p1_0) - 1.0;
 594                 }
 595                 if (np1 > 0)
 596                 {
 597                     omega_m1_p1 = chi_m2_p1/(chi_m1_p1*chi_m1_p1) - 1.0;
 598                 }
 599                 if ((n0 > 0) && (np1 > 0))
 600                 {
 601                     clam_weightsp = (log(chi_m1_p1) - log(chi_p1_0)) + cnval;
 602                     clam_varp     = (1.0/np1)*(omega_m1_p1) + (1.0/n0)*(omega_p1_0);
 603                 }
 604             }
 605
 606             if (n0 > 0)
 607             {
 608                 omegam_array[nval]             = omega_m1_0;
 609             }
 610             else
 611             {
 612                 omegam_array[nval]             = 0;
 613             }
 614             weightsm_array[nval]           = clam_weightsm;
 615             varm_array[nval]               = clam_varm;
 616             if (nm1 > 0)
 617             {
 618                 dwm_array[nval]  = fabs( (cnval + log((1.0*n0)/nm1)) - lam_dg[fep_state-1] );
 619             }
 620             else
 621             {
 622                 dwm_array[nval]  = fabs( cnval - lam_dg[fep_state-1] );
 623             }
 624
 625             if (n0 > 0)
 626             {
 627                 omegap_array[nval]             = omega_p1_0;
 628             }
 629             else
 630             {
 631                 omegap_array[nval]             = 0;
 632             }
 633             weightsp_array[nval]           = clam_weightsp;
 634             varp_array[nval]               = clam_varp;
 635             if ((np1 > 0) && (n0 > 0))
 636             {
 637                 dwp_array[nval]  = fabs( (cnval + log((1.0*np1)/n0)) - lam_dg[fep_state] );
 638             }
 639             else
 640             {
 641                 dwp_array[nval]  = fabs( cnval - lam_dg[fep_state] );
 642             }
 643
 644         }
 645
 646         /* find the C's closest to the old weights value */
 647
 648         min_nvalm     = FindMinimum(dwm_array, maxc);
 649         omega_m1_0    = omegam_array[min_nvalm];
 650         clam_weightsm = weightsm_array[min_nvalm];
 651         clam_varm     = varm_array[min_nvalm];
 652
 653         min_nvalp     = FindMinimum(dwp_array, maxc);
 654         omega_p1_0    = omegap_array[min_nvalp];
 655         clam_weightsp = weightsp_array[min_nvalp];
 656         clam_varp     = varp_array[min_nvalp];
 657
 658         clam_osum   = omega_m1_0 + omega_p1_0;
 659         clam_minvar = 0;
 660         if (clam_osum > 0)
 661         {
 662             clam_minvar = 0.5*log(clam_osum);
 663         }
 664
 665         if (fep_state > 0)
 666         {
 667             lam_dg[fep_state-1]       = clam_weightsm;
 668             lam_variance[fep_state-1] = clam_varm;
 669         }
 670
 671         if (fep_state < nlim-1)
 672         {
 673             lam_dg[fep_state]       = clam_weightsp;
 674             lam_variance[fep_state] = clam_varp;
 675         }
 676
 677         if (expand->elamstats == elamstatsMINVAR)
 678         {
 679             bSufficientSamples = TRUE;
 680             /* make sure they are all past a threshold */
 681             for (i = 0; i < nlim; i++)
 682             {
 683                 if (dfhist->n_at_lam[i] < expand->minvarmin)
 684                 {
 685                     bSufficientSamples = FALSE;
 686                 }
 687             }
 688             if (bSufficientSamples)
 689             {
 690                 dfhist->sum_minvar[fep_state] = clam_minvar;
 691                 if (fep_state == 0)
 692                 {
 693                     for (i = 0; i < nlim; i++)
 694                     {
 695                         dfhist->sum_minvar[i] += (expand->minvar_const-clam_minvar);
 696                     }
 697                     expand->minvar_const          = clam_minvar;
 698                     dfhist->sum_minvar[fep_state] = 0.0;
 699                 }
 700                 else
 701                 {
 702                     dfhist->sum_minvar[fep_state] -= expand->minvar_const;
 703                 }
 704             }
 705         }
 706
 707         /* we need to rezero minvar now, since it could change at fep_state = 0 */
 708         dfhist->sum_dg[0]       = 0.0;
 709         dfhist->sum_variance[0] = 0.0;
 710         dfhist->sum_weights[0]  = dfhist->sum_dg[0] + dfhist->sum_minvar[0]; /* should be zero */
 711
 712         for (i = 1; i < nlim; i++)
 713         {
 714             dfhist->sum_dg[i]       = lam_dg[i-1] + dfhist->sum_dg[i-1];
 715             dfhist->sum_variance[i] = sqrt(lam_variance[i-1] + pow(dfhist->sum_variance[i-1], 2));
 716             dfhist->sum_weights[i]  = dfhist->sum_dg[i] + dfhist->sum_minvar[i];
 717         }
 718
 719         sfree(lam_dg);
 720         sfree(lam_variance);
 721
 722         sfree(omegam_array);
 723         sfree(weightsm_array);
 724         sfree(varm_array);
 725         sfree(dwm_array);
 726
 727         sfree(omegap_array);
 728         sfree(weightsp_array);
 729         sfree(varp_array);
 730         sfree(dwp_array);
 731     }
 732     return FALSE;
 733 }
 734
 735 static int ChooseNewLambda(int nlim, t_expanded *expand, df_history_t *dfhist, int fep_state, real *weighted_lamee, double *p_k,
 736                            gmx_int64_t seed, gmx_int64_t step)
 737 {
 738     /* Choose new lambda value, and update transition matrix */
 739
 740     int      i, ifep, jfep, minfep, maxfep, lamnew, lamtrial, starting_fep_state;
 741     real     r1, r2, de_old, de_new, de, trialprob, tprob = 0;
 742     real   **Tij;
 743     double  *propose, *accept, *remainder;
 744     double   pks;
 745     real     sum, pnorm;
 746     gmx_bool bRestricted;
 747
 748     starting_fep_state = fep_state;
 749     lamnew             = fep_state; /* so that there is a default setting -- stays the same */
 750
 751     if (!EWL(expand->elamstats))    /* ignore equilibrating the weights if using WL */
 752     {
 753         if ((expand->lmc_forced_nstart > 0) && (dfhist->n_at_lam[nlim-1] <= expand->lmc_forced_nstart))
 754         {
 755             /* Use a marching method to run through the lambdas and get preliminary free energy data,
 756                before starting 'free' sampling.  We start free sampling when we have enough at each lambda */
 757
 758             /* if we have enough at this lambda, move on to the next one */
 759
 760             if (dfhist->n_at_lam[fep_state] == expand->lmc_forced_nstart)
 761             {
 762                 lamnew = fep_state+1;
 763                 if (lamnew == nlim)  /* whoops, stepped too far! */
 764                 {
 765                     lamnew -= 1;
 766                 }
 767             }
 768             else
 769             {
 770                 lamnew = fep_state;
 771             }
 772             return lamnew;
 773         }
 774     }
 775
 776     snew(propose, nlim);
 777     snew(accept, nlim);
 778     snew(remainder, nlim);
 779
 780     for (i = 0; i < expand->lmc_repeats; i++)
 781     {
 782         double rnd[2];
 783
 784         gmx_rng_cycle_2uniform(step, i, seed, RND_SEED_EXPANDED, rnd);
 785
 786         for (ifep = 0; ifep < nlim; ifep++)
 787         {
 788             propose[ifep] = 0;
 789             accept[ifep]  = 0;
 790         }
 791
 792         if ((expand->elmcmove == elmcmoveGIBBS) || (expand->elmcmove == elmcmoveMETGIBBS))
 793         {
 794             bRestricted = TRUE;
 795             /* use the Gibbs sampler, with restricted range */
 796             if (expand->gibbsdeltalam < 0)
 797             {
 798                 minfep      = 0;
 799                 maxfep      = nlim-1;
 800                 bRestricted = FALSE;
 801             }
 802             else
 803             {
 804                 minfep = fep_state - expand->gibbsdeltalam;
 805                 maxfep = fep_state + expand->gibbsdeltalam;
 806                 if (minfep < 0)
 807                 {
 808                     minfep = 0;
 809                 }
 810                 if (maxfep > nlim-1)
 811                 {
 812                     maxfep = nlim-1;
 813                 }
 814             }
 815
 816             GenerateGibbsProbabilities(weighted_lamee, p_k, &pks, minfep, maxfep);
 817
 818             if (expand->elmcmove == elmcmoveGIBBS)
 819             {
 820                 for (ifep = minfep; ifep <= maxfep; ifep++)
 821                 {
 822                     propose[ifep] = p_k[ifep];
 823                     accept[ifep]  = 1.0;
 824                 }
 825                 /* Gibbs sampling */
 826                 r1 = rnd[0];
 827                 for (lamnew = minfep; lamnew <= maxfep; lamnew++)
 828                 {
 829                     if (r1 <= p_k[lamnew])
 830                     {
 831                         break;
 832                     }
 833                     r1 -= p_k[lamnew];
 834                 }
 835             }
 836             else if (expand->elmcmove == elmcmoveMETGIBBS)
 837             {
 838
 839                 /* Metropolized Gibbs sampling */
 840                 for (ifep = minfep; ifep <= maxfep; ifep++)
 841                 {
 842                     remainder[ifep] = 1 - p_k[ifep];
 843                 }
 844
 845                 /* find the proposal probabilities */
 846
 847                 if (remainder[fep_state] == 0)
 848                 {
 849                     /* only the current state has any probability */
 850                     /* we have to stay at the current state */
 851                     lamnew = fep_state;
 852                 }
 853                 else
 854                 {
 855                     for (ifep = minfep; ifep <= maxfep; ifep++)
 856                     {
 857                         if (ifep != fep_state)
 858                         {
 859                             propose[ifep] = p_k[ifep]/remainder[fep_state];
 860                         }
 861                         else
 862                         {
 863                             propose[ifep] = 0;
 864                         }
 865                     }
 866
 867                     r1 = rnd[0];
 868                     for (lamtrial = minfep; lamtrial <= maxfep; lamtrial++)
 869                     {
 870                         pnorm = p_k[lamtrial]/remainder[fep_state];
 871                         if (lamtrial != fep_state)
 872                         {
 873                             if (r1 <= pnorm)
 874                             {
 875                                 break;
 876                             }
 877                             r1 -= pnorm;
 878                         }
 879                     }
 880
 881                     /* we have now selected lamtrial according to p(lamtrial)/1-p(fep_state) */
 882                     tprob = 1.0;
 883                     /* trial probability is min{1,\frac{1 - p(old)}{1-p(new)} MRS 1/8/2008 */
 884                     trialprob = (remainder[fep_state])/(remainder[lamtrial]);
 885                     if (trialprob < tprob)
 886                     {
 887                         tprob = trialprob;
 888                     }
 889                     r2 = rnd[1];
 890                     if (r2 < tprob)
 891                     {
 892                         lamnew = lamtrial;
 893                     }
 894                     else
 895                     {
 896                         lamnew = fep_state;
 897                     }
 898                 }
 899
 900                 /* now figure out the acceptance probability for each */
 901                 for (ifep = minfep; ifep <= maxfep; ifep++)
 902                 {
 903                     tprob = 1.0;
 904                     if (remainder[ifep] != 0)
 905                     {
 906                         trialprob = (remainder[fep_state])/(remainder[ifep]);
 907                     }
 908                     else
 909                     {
 910                         trialprob = 1.0; /* this state is the only choice! */
 911                     }
 912                     if (trialprob < tprob)
 913                     {
 914                         tprob = trialprob;
 915                     }
 916                     /* probability for fep_state=0, but that's fine, it's never proposed! */
 917                     accept[ifep] = tprob;
 918                 }
 919             }
 920
 921             if (lamnew > maxfep)
 922             {
 923                 /* it's possible some rounding is failing */
 924                 if (gmx_within_tol(remainder[fep_state], 0, 50*GMX_DOUBLE_EPS))
 925                 {
 926                     /* numerical rounding error -- no state other than the original has weight */
 927                     lamnew = fep_state;
 928                 }
 929                 else
 930                 {
 931                     /* probably not a numerical issue */
 932                     int   loc    = 0;
 933                     int   nerror = 200+(maxfep-minfep+1)*60;
 934                     char *errorstr;
 935                     snew(errorstr, nerror);
 936                     /* if its greater than maxfep, then something went wrong -- probably underflow in the calculation
 937                        of sum weights. Generated detailed info for failure */
 938                     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);
 939                     for (ifep = minfep; ifep <= maxfep; ifep++)
 940                     {
 941                         loc += sprintf(&errorstr[loc], "%3d %17.10e%17.10e%17.10e\n", ifep, weighted_lamee[ifep], p_k[ifep], dfhist->sum_weights[ifep]);
 942                     }
 943                     gmx_fatal(FARGS, errorstr);
 944                 }
 945             }
 946         }
 947         else if ((expand->elmcmove == elmcmoveMETROPOLIS) || (expand->elmcmove == elmcmoveBARKER))
 948         {
 949             /* use the metropolis sampler with trial +/- 1 */
 950             r1 = rnd[0];
 951             if (r1 < 0.5)
 952             {
 953                 if (fep_state == 0)
 954                 {
 955                     lamtrial = fep_state;
 956                 }
 957                 else
 958                 {
 959                     lamtrial = fep_state-1;
 960                 }
 961             }
 962             else
 963             {
 964                 if (fep_state == nlim-1)
 965                 {
 966                     lamtrial = fep_state;
 967                 }
 968                 else
 969                 {
 970                     lamtrial = fep_state+1;
 971                 }
 972             }
 973
 974             de = weighted_lamee[lamtrial] - weighted_lamee[fep_state];
 975             if (expand->elmcmove == elmcmoveMETROPOLIS)
 976             {
 977                 tprob     = 1.0;
 978                 trialprob = exp(de);
 979                 if (trialprob < tprob)
 980                 {
 981                     tprob = trialprob;
 982                 }
 983                 propose[fep_state] = 0;
 984                 propose[lamtrial]  = 1.0; /* note that this overwrites the above line if fep_state = ntrial, which only occurs at the ends */
 985                 accept[fep_state]  = 1.0; /* doesn't actually matter, never proposed unless fep_state = ntrial, in which case it's 1.0 anyway */
 986                 accept[lamtrial]   = tprob;
 987
 988             }
 989             else if (expand->elmcmove == elmcmoveBARKER)
 990             {
 991                 tprob = 1.0/(1.0+exp(-de));
 992
 993                 propose[fep_state] = (1-tprob);
 994                 propose[lamtrial] += tprob; /* we add, to account for the fact that at the end, they might be the same point */
 995                 accept[fep_state]  = 1.0;
 996                 accept[lamtrial]   = 1.0;
 997             }
 998
 999             r2 = rnd[1];
1000             if (r2 < tprob)
1001             {
1002                 lamnew = lamtrial;
1003             }
1004             else
1005             {
1006                 lamnew = fep_state;
1007             }
1008         }
1009
1010         for (ifep = 0; ifep < nlim; ifep++)
1011         {
1012             dfhist->Tij[fep_state][ifep]      += propose[ifep]*accept[ifep];
1013             dfhist->Tij[fep_state][fep_state] += propose[ifep]*(1.0-accept[ifep]);
1014         }
1015         fep_state = lamnew;
1016     }
1017
1018     dfhist->Tij_empirical[starting_fep_state][lamnew] += 1.0;
1019
1020     sfree(propose);
1021     sfree(accept);
1022     sfree(remainder);
1023
1024     return lamnew;
1025 }
1026
1027 /* print out the weights to the log, along with current state */
1028 extern void PrintFreeEnergyInfoToFile(FILE *outfile, t_lambda *fep, t_expanded *expand, t_simtemp *simtemp, df_history_t *dfhist,
1029                                       int fep_state, int frequency, gmx_int64_t step)
1030 {
1031     int         nlim, i, ifep, jfep;
1032     real        dw, dg, dv, dm, Tprint;
1033     real       *temps;
1034     const char *print_names[efptNR] = {" FEPL", "MassL", "CoulL", " VdwL", "BondL", "RestT", "Temp.(K)"};
1035     gmx_bool    bSimTemp            = FALSE;
1036
1037     nlim = fep->n_lambda;
1038     if (simtemp != NULL)
1039     {
1040         bSimTemp = TRUE;
1041     }
1042
1043     if (mod(step, frequency) == 0)
1044     {
1045         fprintf(outfile, "             MC-lambda information\n");
1046         if (EWL(expand->elamstats) && (!(dfhist->bEquil)))
1047         {
1048             fprintf(outfile, "  Wang-Landau incrementor is: %11.5g\n", dfhist->wl_delta);
1049         }
1050         fprintf(outfile, "  N");
1051         for (i = 0; i < efptNR; i++)
1052         {
1053             if (fep->separate_dvdl[i])
1054             {
1055                 fprintf(outfile, "%7s", print_names[i]);
1056             }
1057             else if ((i == efptTEMPERATURE) && bSimTemp)
1058             {
1059                 fprintf(outfile, "%10s", print_names[i]); /* more space for temperature formats */
1060             }
1061         }
1062         fprintf(outfile, "    Count   ");
1063         if (expand->elamstats == elamstatsMINVAR)
1064         {
1065             fprintf(outfile, "W(in kT)   G(in kT)  dG(in kT)  dV(in kT)\n");
1066         }
1067         else
1068         {
1069             fprintf(outfile, "G(in kT)  dG(in kT)\n");
1070         }
1071         for (ifep = 0; ifep < nlim; ifep++)
1072         {
1073             if (ifep == nlim-1)
1074             {
1075                 dw = 0.0;
1076                 dg = 0.0;
1077                 dv = 0.0;
1078                 dm = 0.0;
1079             }
1080             else
1081             {
1082                 dw = dfhist->sum_weights[ifep+1] - dfhist->sum_weights[ifep];
1083                 dg = dfhist->sum_dg[ifep+1] - dfhist->sum_dg[ifep];
1084                 dv = sqrt(pow(dfhist->sum_variance[ifep+1], 2) - pow(dfhist->sum_variance[ifep], 2));
1085                 dm = dfhist->sum_minvar[ifep+1] - dfhist->sum_minvar[ifep];
1086
1087             }
1088             fprintf(outfile, "%3d", (ifep+1));
1089             for (i = 0; i < efptNR; i++)
1090             {
1091                 if (fep->separate_dvdl[i])
1092                 {
1093                     fprintf(outfile, "%7.3f", fep->all_lambda[i][ifep]);
1094                 }
1095                 else if (i == efptTEMPERATURE && bSimTemp)
1096                 {
1097                     fprintf(outfile, "%9.3f", simtemp->temperatures[ifep]);
1098                 }
1099             }
1100             if (EWL(expand->elamstats) && (!(dfhist->bEquil)))  /* if performing WL and still haven't equilibrated */
1101             {
1102                 if (expand->elamstats == elamstatsWL)
1103                 {
1104                     fprintf(outfile, " %8d", (int)dfhist->wl_histo[ifep]);
1105                 }
1106                 else
1107                 {
1108                     fprintf(outfile, " %8.3f", dfhist->wl_histo[ifep]);
1109                 }
1110             }
1111             else   /* we have equilibrated weights */
1112             {
1113                 fprintf(outfile, " %8d", dfhist->n_at_lam[ifep]);
1114             }
1115             if (expand->elamstats == elamstatsMINVAR)
1116             {
1117                 fprintf(outfile, " %10.5f %10.5f %10.5f %10.5f", dfhist->sum_weights[ifep], dfhist->sum_dg[ifep], dg, dv);
1118             }
1119             else
1120             {
1121                 fprintf(outfile, " %10.5f %10.5f", dfhist->sum_weights[ifep], dw);
1122             }
1123             if (ifep == fep_state)
1124             {
1125                 fprintf(outfile, " <<\n");
1126             }
1127             else
1128             {
1129                 fprintf(outfile, "   \n");
1130             }
1131         }
1132         fprintf(outfile, "\n");
1133
1134         if ((mod(step, expand->nstTij) == 0) && (expand->nstTij > 0) && (step > 0))
1135         {
1136             fprintf(outfile, "                     Transition Matrix\n");
1137             for (ifep = 0; ifep < nlim; ifep++)
1138             {
1139                 fprintf(outfile, "%12d", (ifep+1));
1140             }
1141             fprintf(outfile, "\n");
1142             for (ifep = 0; ifep < nlim; ifep++)
1143             {
1144                 for (jfep = 0; jfep < nlim; jfep++)
1145                 {
1146                     if (dfhist->n_at_lam[ifep] > 0)
1147                     {
1148                         if (expand->bSymmetrizedTMatrix)
1149                         {
1150                             Tprint = (dfhist->Tij[ifep][jfep]+dfhist->Tij[jfep][ifep])/(dfhist->n_at_lam[ifep]+dfhist->n_at_lam[jfep]);
1151                         }
1152                         else
1153                         {
1154                             Tprint = (dfhist->Tij[ifep][jfep])/(dfhist->n_at_lam[ifep]);
1155                         }
1156                     }
1157                     else
1158                     {
1159                         Tprint = 0.0;
1160                     }
1161                     fprintf(outfile, "%12.8f", Tprint);
1162                 }
1163                 fprintf(outfile, "%3d\n", (ifep+1));
1164             }
1165
1166             fprintf(outfile, "                  Empirical Transition Matrix\n");
1167             for (ifep = 0; ifep < nlim; ifep++)
1168             {
1169                 fprintf(outfile, "%12d", (ifep+1));
1170             }
1171             fprintf(outfile, "\n");
1172             for (ifep = 0; ifep < nlim; ifep++)
1173             {
1174                 for (jfep = 0; jfep < nlim; jfep++)
1175                 {
1176                     if (dfhist->n_at_lam[ifep] > 0)
1177                     {
1178                         if (expand->bSymmetrizedTMatrix)
1179                         {
1180                             Tprint = (dfhist->Tij_empirical[ifep][jfep]+dfhist->Tij_empirical[jfep][ifep])/(dfhist->n_at_lam[ifep]+dfhist->n_at_lam[jfep]);
1181                         }
1182                         else
1183                         {
1184                             Tprint = dfhist->Tij_empirical[ifep][jfep]/(dfhist->n_at_lam[ifep]);
1185                         }
1186                     }
1187                     else
1188                     {
1189                         Tprint = 0.0;
1190                     }
1191                     fprintf(outfile, "%12.8f", Tprint);
1192                 }
1193                 fprintf(outfile, "%3d\n", (ifep+1));
1194             }
1195         }
1196     }
1197 }
1198
1199 extern int ExpandedEnsembleDynamics(FILE *log, t_inputrec *ir, gmx_enerdata_t *enerd,
1200                                     t_state *state, t_extmass *MassQ, int fep_state, df_history_t *dfhist,
1201                                     gmx_int64_t step,
1202                                     rvec *v, t_mdatoms *mdatoms)
1203 /* Note that the state variable is only needed for simulated tempering, not
1204    Hamiltonian expanded ensemble.  May be able to remove it after integrator refactoring. */
1205 {
1206     real       *pfep_lamee, *scaled_lamee, *weighted_lamee;
1207     double     *p_k;
1208     int         i, nlim, lamnew, totalsamples;
1209     real        oneovert, maxscaled = 0, maxweighted = 0;
1210     t_expanded *expand;
1211     t_simtemp  *simtemp;
1212     double     *temperature_lambdas;
1213     gmx_bool    bIfReset, bSwitchtoOneOverT, bDoneEquilibrating = FALSE;
1214
1215     expand  = ir->expandedvals;
1216     simtemp = ir->simtempvals;
1217     nlim    = ir->fepvals->n_lambda;
1218
1219     snew(scaled_lamee, nlim);
1220     snew(weighted_lamee, nlim);
1221     snew(pfep_lamee, nlim);
1222     snew(p_k, nlim);
1223
1224     /* update the count at the current lambda*/
1225     dfhist->n_at_lam[fep_state]++;
1226
1227     /* need to calculate the PV term somewhere, but not needed here? Not until there's a lambda state that's
1228        pressure controlled.*/
1229     /*
1230        pVTerm = 0;
1231        where does this PV term go?
1232        for (i=0;i<nlim;i++)
1233        {
1234        fep_lamee[i] += pVTerm;
1235        }
1236      */
1237
1238     /* determine the minimum value to avoid overflow.  Probably a better way to do this */
1239     /* we don't need to include the pressure term, since the volume is the same between the two.
1240        is there some term we are neglecting, however? */
1241
1242     if (ir->efep != efepNO)
1243     {
1244         for (i = 0; i < nlim; i++)
1245         {
1246             if (ir->bSimTemp)
1247             {
1248                 /* Note -- this assumes no mass changes, since kinetic energy is not added  . . . */
1249                 scaled_lamee[i] = (enerd->enerpart_lambda[i+1]-enerd->enerpart_lambda[0])/(simtemp->temperatures[i]*BOLTZ)
1250                     + enerd->term[F_EPOT]*(1.0/(simtemp->temperatures[i])- 1.0/(simtemp->temperatures[fep_state]))/BOLTZ;
1251             }
1252             else
1253             {
1254                 scaled_lamee[i] = (enerd->enerpart_lambda[i+1]-enerd->enerpart_lambda[0])/(expand->mc_temp*BOLTZ);
1255                 /* mc_temp is currently set to the system reft unless otherwise defined */
1256             }
1257
1258             /* save these energies for printing, so they don't get overwritten by the next step */
1259             /* they aren't overwritten in the non-free energy case, but we always print with these
1260                for simplicity */
1261         }
1262     }
1263     else
1264     {
1265         if (ir->bSimTemp)
1266         {
1267             for (i = 0; i < nlim; i++)
1268             {
1269                 scaled_lamee[i] = enerd->term[F_EPOT]*(1.0/simtemp->temperatures[i] - 1.0/simtemp->temperatures[fep_state])/BOLTZ;
1270             }
1271         }
1272     }
1273
1274     for (i = 0; i < nlim; i++)
1275     {
1276         pfep_lamee[i] = scaled_lamee[i];
1277
1278         weighted_lamee[i] = dfhist->sum_weights[i] - scaled_lamee[i];
1279         if (i == 0)
1280         {
1281             maxscaled   = scaled_lamee[i];
1282             maxweighted = weighted_lamee[i];
1283         }
1284         else
1285         {
1286             if (scaled_lamee[i] > maxscaled)
1287             {
1288                 maxscaled = scaled_lamee[i];
1289             }
1290             if (weighted_lamee[i] > maxweighted)
1291             {
1292                 maxweighted = weighted_lamee[i];
1293             }
1294         }
1295     }
1296
1297     for (i = 0; i < nlim; i++)
1298     {
1299         scaled_lamee[i]   -= maxscaled;
1300         weighted_lamee[i] -= maxweighted;
1301     }
1302
1303     /* update weights - we decide whether or not to actually do this inside */
1304
1305     bDoneEquilibrating = UpdateWeights(nlim, expand, dfhist, fep_state, scaled_lamee, weighted_lamee, step);
1306     if (bDoneEquilibrating)
1307     {
1308         if (log)
1309         {
1310             fprintf(log, "\nStep %d: Weights have equilibrated, using criteria: %s\n", (int)step, elmceq_names[expand->elmceq]);
1311         }
1312     }
1313
1314     lamnew = ChooseNewLambda(nlim, expand, dfhist, fep_state, weighted_lamee, p_k,
1315                              ir->expandedvals->lmc_seed, step);
1316     /* if using simulated tempering, we need to adjust the temperatures */
1317     if (ir->bSimTemp && (lamnew != fep_state)) /* only need to change the temperatures if we change the state */
1318     {
1319         int   i, j, n, d;
1320         real *buf_ngtc;
1321         real  told;
1322         int   nstart, nend, gt;
1323
1324         snew(buf_ngtc, ir->opts.ngtc);
1325
1326         for (i = 0; i < ir->opts.ngtc; i++)
1327         {
1328             if (ir->opts.ref_t[i] > 0)
1329             {
1330                 told              = ir->opts.ref_t[i];
1331                 ir->opts.ref_t[i] =  simtemp->temperatures[lamnew];
1332                 buf_ngtc[i]       = sqrt(ir->opts.ref_t[i]/told); /* using the buffer as temperature scaling */
1333             }
1334         }
1335
1336         /* we don't need to manipulate the ekind information, as it isn't due to be reset until the next step anyway */
1337
1338         nstart = 0;
1339         nend   = mdatoms->homenr;
1340         for (n = nstart; n < nend; n++)
1341         {
1342             gt = 0;
1343             if (mdatoms->cTC)
1344             {
1345                 gt = mdatoms->cTC[n];
1346             }
1347             for (d = 0; d < DIM; d++)
1348             {
1349                 v[n][d] *= buf_ngtc[gt];
1350             }
1351         }
1352
1353         if (IR_NPT_TROTTER(ir) || IR_NPH_TROTTER(ir) || IR_NVT_TROTTER(ir))
1354         {
1355             /* we need to recalculate the masses if the temperature has changed */
1356             init_npt_masses(ir, state, MassQ, FALSE);
1357             for (i = 0; i < state->nnhpres; i++)
1358             {
1359                 for (j = 0; j < ir->opts.nhchainlength; j++)
1360                 {
1361                     state->nhpres_vxi[i+j] *= buf_ngtc[i];
1362                 }
1363             }
1364             for (i = 0; i < ir->opts.ngtc; i++)
1365             {
1366                 for (j = 0; j < ir->opts.nhchainlength; j++)
1367                 {
1368                     state->nosehoover_vxi[i+j] *= buf_ngtc[i];
1369                 }
1370             }
1371         }
1372         sfree(buf_ngtc);
1373     }
1374
1375     /* now check on the Wang-Landau updating critera */
1376
1377     if (EWL(expand->elamstats))
1378     {
1379         bSwitchtoOneOverT = FALSE;
1380         if (expand->bWLoneovert)
1381         {
1382             totalsamples = 0;
1383             for (i = 0; i < nlim; i++)
1384             {
1385                 totalsamples += dfhist->n_at_lam[i];
1386             }
1387             oneovert = (1.0*nlim)/totalsamples;
1388             /* oneovert has decreasd by a bit since last time, so we actually make sure its within one of this number */
1389             /* switch to 1/t incrementing when wl_delta has decreased at least once, and wl_delta is now less than 1/t */
1390             if ((dfhist->wl_delta <= ((totalsamples)/(totalsamples-1.00001))*oneovert) &&
1391                 (dfhist->wl_delta < expand->init_wl_delta))
1392             {
1393                 bSwitchtoOneOverT = TRUE;
1394             }
1395         }
1396         if (bSwitchtoOneOverT)
1397         {
1398             dfhist->wl_delta = oneovert; /* now we reduce by this each time, instead of only at flatness */
1399         }
1400         else
1401         {
1402             bIfReset = CheckHistogramRatios(nlim, dfhist->wl_histo, expand->wl_ratio);
1403             if (bIfReset)
1404             {
1405                 for (i = 0; i < nlim; i++)
1406                 {
1407                     dfhist->wl_histo[i] = 0;
1408                 }
1409                 dfhist->wl_delta *= expand->wl_scale;
1410                 if (log)
1411                 {
1412                     fprintf(log, "\nStep %d: weights are now:", (int)step);
1413                     for (i = 0; i < nlim; i++)
1414                     {
1415                         fprintf(log, " %.5f", dfhist->sum_weights[i]);
1416                     }
1417                     fprintf(log, "\n");
1418                 }
1419             }
1420         }
1421     }
1422     sfree(pfep_lamee);
1423     sfree(scaled_lamee);
1424     sfree(weighted_lamee);
1425     sfree(p_k);
1426
1427     return lamnew;
1428 }