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 <stdio.h>
  40 #include <math.h>
  41 #include "typedefs.h"
  42 #include "gromacs/utility/smalloc.h"
  43 #include "names.h"
  44 #include "gromacs/fileio/confio.h"
  45 #include "txtdump.h"
  46 #include "pbc.h"
  47 #include "chargegroup.h"
  48 #include "gromacs/math/vec.h"
  49 #include "nrnb.h"
  50 #include "mshift.h"
  51 #include "mdrun.h"
  52 #include "update.h"
  53 #include "physics.h"
  54 #include "mdatoms.h"
  55 #include "force.h"
  56 #include "bondf.h"
  57 #include "pme.h"
  58 #include "disre.h"
  59 #include "orires.h"
  60 #include "network.h"
  61 #include "calcmu.h"
  62 #include "constr.h"
  63 #include "gromacs/random/random.h"
  64 #include "domdec.h"
  65 #include "macros.h"
  66
  67 #include "gromacs/fileio/confio.h"
  68 #include "gromacs/fileio/gmxfio.h"
  69 #include "gromacs/fileio/trnio.h"
  70 #include "gromacs/fileio/xtcio.h"
  71 #include "gromacs/timing/wallcycle.h"
  72 #include "gromacs/utility/fatalerror.h"
  73 #include "gromacs/utility/gmxmpi.h"
  74
  75 static void init_df_history_weights(df_history_t *dfhist, t_expanded *expand, int nlim)
  76 {
  77     int i;
  78     dfhist->wl_delta = expand->init_wl_delta;
  79     for (i = 0; i < nlim; i++)
  80     {
  81         dfhist->sum_weights[i] = expand->init_lambda_weights[i];
  82         dfhist->sum_dg[i]      = expand->init_lambda_weights[i];
  83     }
  84 }
  85
  86 /* Eventually should contain all the functions needed to initialize expanded ensemble
  87    before the md loop starts */
  88 extern void init_expanded_ensemble(gmx_bool bStateFromCP, t_inputrec *ir, df_history_t *dfhist)
  89 {
  90     if (!bStateFromCP)
  91     {
  92         init_df_history_weights(dfhist, ir->expandedvals, ir->fepvals->n_lambda);
  93     }
  94 }
  95
  96 static void GenerateGibbsProbabilities(real *ene, double *p_k, double *pks, int minfep, int maxfep)
  97 {
  98
  99     int  i;
 100     real maxene;
 101
 102     *pks   = 0.0;
 103     maxene = ene[minfep];
 104     /* find the maximum value */
 105     for (i = minfep; i <= maxfep; i++)
 106     {
 107         if (ene[i] > maxene)
 108         {
 109             maxene = ene[i];
 110         }
 111     }
 112     /* find the denominator */
 113     for (i = minfep; i <= maxfep; i++)
 114     {
 115         *pks += exp(ene[i]-maxene);
 116     }
 117     /*numerators*/
 118     for (i = minfep; i <= maxfep; i++)
 119     {
 120         p_k[i] = exp(ene[i]-maxene) / *pks;
 121     }
 122 }
 123
 124 static void GenerateWeightedGibbsProbabilities(real *ene, double *p_k, double *pks, int nlim, real *nvals, real delta)
 125 {
 126
 127     int   i;
 128     real  maxene;
 129     real *nene;
 130     *pks = 0.0;
 131
 132     snew(nene, nlim);
 133     for (i = 0; i < nlim; i++)
 134     {
 135         if (nvals[i] == 0)
 136         {
 137             /* add the delta, since we need to make sure it's greater than zero, and
 138                we need a non-arbitrary number? */
 139             nene[i] = ene[i] + log(nvals[i]+delta);
 140         }
 141         else
 142         {
 143             nene[i] = ene[i] + log(nvals[i]);
 144         }
 145     }
 146
 147     /* find the maximum value */
 148     maxene = nene[0];
 149     for (i = 0; i < nlim; i++)
 150     {
 151         if (nene[i] > maxene)
 152         {
 153             maxene = nene[i];
 154         }
 155     }
 156
 157     /* subtract off the maximum, avoiding overflow */
 158     for (i = 0; i < nlim; i++)
 159     {
 160         nene[i] -= maxene;
 161     }
 162
 163     /* find the denominator */
 164     for (i = 0; i < nlim; i++)
 165     {
 166         *pks += exp(nene[i]);
 167     }
 168
 169     /*numerators*/
 170     for (i = 0; i < nlim; i++)
 171     {
 172         p_k[i] = exp(nene[i]) / *pks;
 173     }
 174     sfree(nene);
 175 }
 176
 177 real do_logsum(int N, real *a_n)
 178 {
 179
 180     /*     RETURN VALUE */
 181     /* log(\sum_{i=0}^(N-1) exp[a_n]) */
 182     real maxarg;
 183     real sum;
 184     int  i;
 185     real logsum;
 186     /*     compute maximum argument to exp(.) */
 187
 188     maxarg = a_n[0];
 189     for (i = 1; i < N; i++)
 190     {
 191         maxarg = max(maxarg, a_n[i]);
 192     }
 193
 194     /* compute sum of exp(a_n - maxarg) */
 195     sum = 0.0;
 196     for (i = 0; i < N; i++)
 197     {
 198         sum = sum + exp(a_n[i] - maxarg);
 199     }
 200
 201     /*     compute log sum */
 202     logsum = log(sum) + maxarg;
 203     return logsum;
 204 }
 205
 206 int FindMinimum(real *min_metric, int N)
 207 {
 208
 209     real min_val;
 210     int  min_nval, nval;
 211
 212     min_nval = 0;
 213     min_val  = min_metric[0];
 214
 215     for (nval = 0; nval < N; nval++)
 216     {
 217         if (min_metric[nval] < min_val)
 218         {
 219             min_val  = min_metric[nval];
 220             min_nval = nval;
 221         }
 222     }
 223     return min_nval;
 224 }
 225
 226 static gmx_bool CheckHistogramRatios(int nhisto, real *histo, real ratio)
 227 {
 228
 229     int      i;
 230     real     nmean;
 231     gmx_bool bIfFlat;
 232
 233     nmean = 0;
 234     for (i = 0; i < nhisto; i++)
 235     {
 236         nmean += histo[i];
 237     }
 238
 239     if (nmean == 0)
 240     {
 241         /* no samples! is bad!*/
 242         bIfFlat = FALSE;
 243         return bIfFlat;
 244     }
 245     nmean /= (real)nhisto;
 246
 247     bIfFlat = TRUE;
 248     for (i = 0; i < nhisto; i++)
 249     {
 250         /* make sure that all points are in the ratio < x <  1/ratio range  */
 251         if (!((histo[i]/nmean < 1.0/ratio) && (histo[i]/nmean > ratio)))
 252         {
 253             bIfFlat = FALSE;
 254             break;
 255         }
 256     }
 257     return bIfFlat;
 258 }
 259
 260 static gmx_bool CheckIfDoneEquilibrating(int nlim, t_expanded *expand, df_history_t *dfhist, gmx_int64_t step)
 261 {
 262
 263     int      i, totalsamples;
 264     gmx_bool bDoneEquilibrating = TRUE;
 265     gmx_bool bIfFlat;
 266
 267     /* assume we have equilibrated the weights, then check to see if any of the conditions are not met */
 268
 269     /* calculate the total number of samples */
 270     switch (expand->elmceq)
 271     {
 272         case elmceqNO:
 273             /* We have not equilibrated, and won't, ever. */
 274             return FALSE;
 275         case elmceqYES:
 276             /* we have equilibrated -- we're done */
 277             return TRUE;
 278         case elmceqSTEPS:
 279             /* first, check if we are equilibrating by steps, if we're still under */
 280             if (step < expand->equil_steps)
 281             {
 282                 bDoneEquilibrating = FALSE;
 283             }
 284             break;
 285         case elmceqSAMPLES:
 286             totalsamples = 0;
 287             for (i = 0; i < nlim; i++)
 288             {
 289                 totalsamples += dfhist->n_at_lam[i];
 290             }
 291             if (totalsamples < expand->equil_samples)
 292             {
 293                 bDoneEquilibrating = FALSE;
 294             }
 295             break;
 296         case elmceqNUMATLAM:
 297             for (i = 0; i < nlim; i++)
 298             {
 299                 if (dfhist->n_at_lam[i] < expand->equil_n_at_lam) /* we are still doing the initial sweep, so we're definitely not
 300                                                                      done equilibrating*/
 301                 {
 302                     bDoneEquilibrating  = FALSE;
 303                     break;
 304                 }
 305             }
 306             break;
 307         case elmceqWLDELTA:
 308             if (EWL(expand->elamstats)) /* This check is in readir as well, but
 309                                            just to be sure */
 310             {
 311                 if (dfhist->wl_delta > expand->equil_wl_delta)
 312                 {
 313                     bDoneEquilibrating = FALSE;
 314                 }
 315             }
 316             break;
 317         case elmceqRATIO:
 318             /* we can use the flatness as a judge of good weights, as long as
 319                we're not doing minvar, or Wang-Landau.
 320                But turn off for now until we figure out exactly how we do this.
 321              */
 322
 323             if (!(EWL(expand->elamstats) || expand->elamstats == elamstatsMINVAR))
 324             {
 325                 /* we want to use flatness -avoiding- the forced-through samples.  Plus, we need to convert to
 326                    floats for this histogram function. */
 327
 328                 real *modhisto;
 329                 snew(modhisto, nlim);
 330                 for (i = 0; i < nlim; i++)
 331                 {
 332                     modhisto[i] = 1.0*(dfhist->n_at_lam[i]-expand->lmc_forced_nstart);
 333                 }
 334                 bIfFlat = CheckHistogramRatios(nlim, modhisto, expand->equil_ratio);
 335                 sfree(modhisto);
 336                 if (!bIfFlat)
 337                 {
 338                     bDoneEquilibrating = FALSE;
 339                 }
 340             }
 341         default:
 342             bDoneEquilibrating = TRUE;
 343     }
 344     /* one last case to go though, if we are doing slow growth to get initial values, we haven't finished equilibrating */
 345
 346     if (expand->lmc_forced_nstart > 0)
 347     {
 348         for (i = 0; i < nlim; i++)
 349         {
 350             if (dfhist->n_at_lam[i] < expand->lmc_forced_nstart) /* we are still doing the initial sweep, so we're definitely not
 351                                                                     done equilibrating*/
 352             {
 353                 bDoneEquilibrating = FALSE;
 354                 break;
 355             }
 356         }
 357     }
 358     return bDoneEquilibrating;
 359 }
 360
 361 static gmx_bool UpdateWeights(int nlim, t_expanded *expand, df_history_t *dfhist,
 362                               int fep_state, real *scaled_lamee, real *weighted_lamee, gmx_int64_t step)
 363 {
 364     real     maxdiff = 0.000000001;
 365     gmx_bool bSufficientSamples;
 366     int      i, k, n, nz, indexi, indexk, min_n, max_n, totali;
 367     int      n0, np1, nm1, nval, min_nvalm, min_nvalp, maxc;
 368     real     omega_m1_0, omega_p1_m1, omega_m1_p1, omega_p1_0, clam_osum;
 369     real     de, de_function, dr, denom, maxdr;
 370     real     min_val, cnval, zero_sum_weights;
 371     real    *omegam_array, *weightsm_array, *omegap_array, *weightsp_array, *varm_array, *varp_array, *dwp_array, *dwm_array;
 372     real     clam_varm, clam_varp, clam_weightsm, clam_weightsp, clam_minvar;
 373     real    *lam_weights, *lam_minvar_corr, *lam_variance, *lam_dg;
 374     double  *p_k;
 375     double   pks = 0;
 376     real    *numweighted_lamee, *logfrac;
 377     int     *nonzero;
 378     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;
 379
 380     /* if we have equilibrated the weights, exit now */
 381     if (dfhist->bEquil)
 382     {
 383         return FALSE;
 384     }
 385
 386     if (CheckIfDoneEquilibrating(nlim, expand, dfhist, step))
 387     {
 388         dfhist->bEquil = TRUE;
 389         /* zero out the visited states so we know how many equilibrated states we have
 390            from here on out.*/
 391         for (i = 0; i < nlim; i++)
 392         {
 393             dfhist->n_at_lam[i] = 0;
 394         }
 395         return TRUE;
 396     }
 397
 398     /* If we reached this far, we have not equilibrated yet, keep on
 399        going resetting the weights */
 400
 401     if (EWL(expand->elamstats))
 402     {
 403         if (expand->elamstats == elamstatsWL)  /* Standard Wang-Landau */
 404         {
 405             dfhist->sum_weights[fep_state] -= dfhist->wl_delta;
 406             dfhist->wl_histo[fep_state]    += 1.0;
 407         }
 408         else if (expand->elamstats == elamstatsWWL) /* Weighted Wang-Landau */
 409         {
 410             snew(p_k, nlim);
 411
 412             /* first increment count */
 413             GenerateGibbsProbabilities(weighted_lamee, p_k, &pks, 0, nlim-1);
 414             for (i = 0; i < nlim; i++)
 415             {
 416                 dfhist->wl_histo[i] += (real)p_k[i];
 417             }
 418
 419             /* then increment weights (uses count) */
 420             pks = 0.0;
 421             GenerateWeightedGibbsProbabilities(weighted_lamee, p_k, &pks, nlim, dfhist->wl_histo, dfhist->wl_delta);
 422
 423             for (i = 0; i < nlim; i++)
 424             {
 425                 dfhist->sum_weights[i] -= dfhist->wl_delta*(real)p_k[i];
 426             }
 427             /* Alternate definition, using logarithms. Shouldn't make very much difference! */
 428             /*
 429                real di;
 430                for (i=0;i<nlim;i++)
 431                {
 432                 di = (real)1.0 + dfhist->wl_delta*(real)p_k[i];
 433                 dfhist->sum_weights[i] -= log(di);
 434                }
 435              */
 436             sfree(p_k);
 437         }
 438
 439         zero_sum_weights =  dfhist->sum_weights[0];
 440         for (i = 0; i < nlim; i++)
 441         {
 442             dfhist->sum_weights[i] -= zero_sum_weights;
 443         }
 444     }
 445
 446     if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMETROPOLIS || expand->elamstats == elamstatsMINVAR)
 447     {
 448
 449         de_function = 0;  /* to get rid of warnings, but this value will not be used because of the logic */
 450         maxc        = 2*expand->c_range+1;
 451
 452         snew(lam_dg, nlim);
 453         snew(lam_variance, nlim);
 454
 455         snew(omegap_array, maxc);
 456         snew(weightsp_array, maxc);
 457         snew(varp_array, maxc);
 458         snew(dwp_array, maxc);
 459
 460         snew(omegam_array, maxc);
 461         snew(weightsm_array, maxc);
 462         snew(varm_array, maxc);
 463         snew(dwm_array, maxc);
 464
 465         /* unpack the current lambdas -- we will only update 2 of these */
 466
 467         for (i = 0; i < nlim-1; i++)
 468         {   /* only through the second to last */
 469             lam_dg[i]       = dfhist->sum_dg[i+1] - dfhist->sum_dg[i];
 470             lam_variance[i] = pow(dfhist->sum_variance[i+1], 2) - pow(dfhist->sum_variance[i], 2);
 471         }
 472
 473         /* accumulate running averages */
 474         for (nval = 0; nval < maxc; nval++)
 475         {
 476             /* constants for later use */
 477             cnval = (real)(nval-expand->c_range);
 478             /* actually, should be able to rewrite it w/o exponential, for better numerical stability */
 479             if (fep_state > 0)
 480             {
 481                 de = exp(cnval - (scaled_lamee[fep_state]-scaled_lamee[fep_state-1]));
 482                 if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMINVAR)
 483                 {
 484                     de_function = 1.0/(1.0+de);
 485                 }
 486                 else if (expand->elamstats == elamstatsMETROPOLIS)
 487                 {
 488                     if (de < 1.0)
 489                     {
 490                         de_function = 1.0;
 491                     }
 492                     else
 493                     {
 494                         de_function = 1.0/de;
 495                     }
 496                 }
 497                 dfhist->accum_m[fep_state][nval]  += de_function;
 498                 dfhist->accum_m2[fep_state][nval] += de_function*de_function;
 499             }
 500
 501             if (fep_state < nlim-1)
 502             {
 503                 de = exp(-cnval + (scaled_lamee[fep_state+1]-scaled_lamee[fep_state]));
 504                 if (expand->elamstats == elamstatsBARKER || expand->elamstats == elamstatsMINVAR)
 505                 {
 506                     de_function = 1.0/(1.0+de);
 507                 }
 508                 else if (expand->elamstats == elamstatsMETROPOLIS)
 509                 {
 510                     if (de < 1.0)
 511                     {
 512                         de_function = 1.0;
 513                     }
 514                     else
 515                     {
 516                         de_function = 1.0/de;
 517                     }
 518                 }
 519                 dfhist->accum_p[fep_state][nval]  += de_function;
 520                 dfhist->accum_p2[fep_state][nval] += de_function*de_function;
 521             }
 522
 523             /* Metropolis transition and Barker transition (unoptimized Bennett) acceptance weight determination */
 524
 525             n0  = dfhist->n_at_lam[fep_state];
 526             if (fep_state > 0)
 527             {
 528                 nm1 = dfhist->n_at_lam[fep_state-1];
 529             }
 530             else
 531             {
 532                 nm1 = 0;
 533             }
 534             if (fep_state < nlim-1)
 535             {
 536                 np1 = dfhist->n_at_lam[fep_state+1];
 537             }
 538             else
 539             {
 540                 np1 = 0;
 541             }
 542
 543             /* logic SHOULD keep these all set correctly whatever the logic, but apparently it can't figure it out. */
 544             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;
 545
 546             if (n0 > 0)
 547             {
 548                 chi_m1_0 = dfhist->accum_m[fep_state][nval]/n0;
 549                 chi_p1_0 = dfhist->accum_p[fep_state][nval]/n0;
 550                 chi_m2_0 = dfhist->accum_m2[fep_state][nval]/n0;
 551                 chi_p2_0 = dfhist->accum_p2[fep_state][nval]/n0;
 552             }
 553
 554             if ((fep_state > 0 ) && (nm1 > 0))
 555             {
 556                 chi_p1_m1 = dfhist->accum_p[fep_state-1][nval]/nm1;
 557                 chi_p2_m1 = dfhist->accum_p2[fep_state-1][nval]/nm1;
 558             }
 559
 560             if ((fep_state < nlim-1) && (np1 > 0))
 561             {
 562                 chi_m1_p1 = dfhist->accum_m[fep_state+1][nval]/np1;
 563                 chi_m2_p1 = dfhist->accum_m2[fep_state+1][nval]/np1;
 564             }
 565
 566             omega_m1_0    = 0;
 567             omega_p1_0    = 0;
 568             clam_weightsm = 0;
 569             clam_weightsp = 0;
 570             clam_varm     = 0;
 571             clam_varp     = 0;
 572
 573             if (fep_state > 0)
 574             {
 575                 if (n0 > 0)
 576                 {
 577                     omega_m1_0 = chi_m2_0/(chi_m1_0*chi_m1_0) - 1.0;
 578                 }
 579                 if (nm1 > 0)
 580                 {
 581                     omega_p1_m1 = chi_p2_m1/(chi_p1_m1*chi_p1_m1) - 1.0;
 582                 }
 583                 if ((n0 > 0) && (nm1 > 0))
 584                 {
 585                     clam_weightsm = (log(chi_m1_0) - log(chi_p1_m1)) + cnval;
 586                     clam_varm     = (1.0/n0)*(omega_m1_0) + (1.0/nm1)*(omega_p1_m1);
 587                 }
 588             }
 589
 590             if (fep_state < nlim-1)
 591             {
 592                 if (n0 > 0)
 593                 {
 594                     omega_p1_0 = chi_p2_0/(chi_p1_0*chi_p1_0) - 1.0;
 595                 }
 596                 if (np1 > 0)
 597                 {
 598                     omega_m1_p1 = chi_m2_p1/(chi_m1_p1*chi_m1_p1) - 1.0;
 599                 }
 600                 if ((n0 > 0) && (np1 > 0))
 601                 {
 602                     clam_weightsp = (log(chi_m1_p1) - log(chi_p1_0)) + cnval;
 603                     clam_varp     = (1.0/np1)*(omega_m1_p1) + (1.0/n0)*(omega_p1_0);
 604                 }
 605             }
 606
 607             if (n0 > 0)
 608             {
 609                 omegam_array[nval]             = omega_m1_0;
 610             }
 611             else
 612             {
 613                 omegam_array[nval]             = 0;
 614             }
 615             weightsm_array[nval]           = clam_weightsm;
 616             varm_array[nval]               = clam_varm;
 617             if (nm1 > 0)
 618             {
 619                 dwm_array[nval]  = fabs( (cnval + log((1.0*n0)/nm1)) - lam_dg[fep_state-1] );
 620             }
 621             else
 622             {
 623                 dwm_array[nval]  = fabs( cnval - lam_dg[fep_state-1] );
 624             }
 625
 626             if (n0 > 0)
 627             {
 628                 omegap_array[nval]             = omega_p1_0;
 629             }
 630             else
 631             {
 632                 omegap_array[nval]             = 0;
 633             }
 634             weightsp_array[nval]           = clam_weightsp;
 635             varp_array[nval]               = clam_varp;
 636             if ((np1 > 0) && (n0 > 0))
 637             {
 638                 dwp_array[nval]  = fabs( (cnval + log((1.0*np1)/n0)) - lam_dg[fep_state] );
 639             }
 640             else
 641             {
 642                 dwp_array[nval]  = fabs( cnval - lam_dg[fep_state] );
 643             }
 644
 645         }
 646
 647         /* find the C's closest to the old weights value */
 648
 649         min_nvalm     = FindMinimum(dwm_array, maxc);
 650         omega_m1_0    = omegam_array[min_nvalm];
 651         clam_weightsm = weightsm_array[min_nvalm];
 652         clam_varm     = varm_array[min_nvalm];
 653
 654         min_nvalp     = FindMinimum(dwp_array, maxc);
 655         omega_p1_0    = omegap_array[min_nvalp];
 656         clam_weightsp = weightsp_array[min_nvalp];
 657         clam_varp     = varp_array[min_nvalp];
 658
 659         clam_osum   = omega_m1_0 + omega_p1_0;
 660         clam_minvar = 0;
 661         if (clam_osum > 0)
 662         {
 663             clam_minvar = 0.5*log(clam_osum);
 664         }
 665
 666         if (fep_state > 0)
 667         {
 668             lam_dg[fep_state-1]       = clam_weightsm;
 669             lam_variance[fep_state-1] = clam_varm;
 670         }
 671
 672         if (fep_state < nlim-1)
 673         {
 674             lam_dg[fep_state]       = clam_weightsp;
 675             lam_variance[fep_state] = clam_varp;
 676         }
 677
 678         if (expand->elamstats == elamstatsMINVAR)
 679         {
 680             bSufficientSamples = TRUE;
 681             /* make sure they are all past a threshold */
 682             for (i = 0; i < nlim; i++)
 683             {
 684                 if (dfhist->n_at_lam[i] < expand->minvarmin)
 685                 {
 686                     bSufficientSamples = FALSE;
 687                 }
 688             }
 689             if (bSufficientSamples)
 690             {
 691                 dfhist->sum_minvar[fep_state] = clam_minvar;
 692                 if (fep_state == 0)
 693                 {
 694                     for (i = 0; i < nlim; i++)
 695                     {
 696                         dfhist->sum_minvar[i] += (expand->minvar_const-clam_minvar);
 697                     }
 698                     expand->minvar_const          = clam_minvar;
 699                     dfhist->sum_minvar[fep_state] = 0.0;
 700                 }
 701                 else
 702                 {
 703                     dfhist->sum_minvar[fep_state] -= expand->minvar_const;
 704                 }
 705             }
 706         }
 707
 708         /* we need to rezero minvar now, since it could change at fep_state = 0 */
 709         dfhist->sum_dg[0]       = 0.0;
 710         dfhist->sum_variance[0] = 0.0;
 711         dfhist->sum_weights[0]  = dfhist->sum_dg[0] + dfhist->sum_minvar[0]; /* should be zero */
 712
 713         for (i = 1; i < nlim; i++)
 714         {
 715             dfhist->sum_dg[i]       = lam_dg[i-1] + dfhist->sum_dg[i-1];
 716             dfhist->sum_variance[i] = sqrt(lam_variance[i-1] + pow(dfhist->sum_variance[i-1], 2));
 717             dfhist->sum_weights[i]  = dfhist->sum_dg[i] + dfhist->sum_minvar[i];
 718         }
 719
 720         sfree(lam_dg);
 721         sfree(lam_variance);
 722
 723         sfree(omegam_array);
 724         sfree(weightsm_array);
 725         sfree(varm_array);
 726         sfree(dwm_array);
 727
 728         sfree(omegap_array);
 729         sfree(weightsp_array);
 730         sfree(varp_array);
 731         sfree(dwp_array);
 732     }
 733     return FALSE;
 734 }
 735
 736 static int ChooseNewLambda(int nlim, t_expanded *expand, df_history_t *dfhist, int fep_state, real *weighted_lamee, double *p_k,
 737                            gmx_int64_t seed, gmx_int64_t step)
 738 {
 739     /* Choose new lambda value, and update transition matrix */
 740
 741     int      i, ifep, jfep, minfep, maxfep, lamnew, lamtrial, starting_fep_state;
 742     real     r1, r2, de_old, de_new, de, trialprob, tprob = 0;
 743     real   **Tij;
 744     double  *propose, *accept, *remainder;
 745     double   pks;
 746     real     sum, pnorm;
 747     gmx_bool bRestricted;
 748
 749     starting_fep_state = fep_state;
 750     lamnew             = fep_state; /* so that there is a default setting -- stays the same */
 751
 752     if (!EWL(expand->elamstats))    /* ignore equilibrating the weights if using WL */
 753     {
 754         if ((expand->lmc_forced_nstart > 0) && (dfhist->n_at_lam[nlim-1] <= expand->lmc_forced_nstart))
 755         {
 756             /* Use a marching method to run through the lambdas and get preliminary free energy data,
 757                before starting 'free' sampling.  We start free sampling when we have enough at each lambda */
 758
 759             /* if we have enough at this lambda, move on to the next one */
 760
 761             if (dfhist->n_at_lam[fep_state] == expand->lmc_forced_nstart)
 762             {
 763                 lamnew = fep_state+1;
 764                 if (lamnew == nlim)  /* whoops, stepped too far! */
 765                 {
 766                     lamnew -= 1;
 767                 }
 768             }
 769             else
 770             {
 771                 lamnew = fep_state;
 772             }
 773             return lamnew;
 774         }
 775     }
 776
 777     snew(propose, nlim);
 778     snew(accept, nlim);
 779     snew(remainder, nlim);
 780
 781     for (i = 0; i < expand->lmc_repeats; i++)
 782     {
 783         double rnd[2];
 784
 785         gmx_rng_cycle_2uniform(step, i, seed, RND_SEED_EXPANDED, rnd);
 786
 787         for (ifep = 0; ifep < nlim; ifep++)
 788         {
 789             propose[ifep] = 0;
 790             accept[ifep]  = 0;
 791         }
 792
 793         if ((expand->elmcmove == elmcmoveGIBBS) || (expand->elmcmove == elmcmoveMETGIBBS))
 794         {
 795             bRestricted = TRUE;
 796             /* use the Gibbs sampler, with restricted range */
 797             if (expand->gibbsdeltalam < 0)
 798             {
 799                 minfep      = 0;
 800                 maxfep      = nlim-1;
 801                 bRestricted = FALSE;
 802             }
 803             else
 804             {
 805                 minfep = fep_state - expand->gibbsdeltalam;
 806                 maxfep = fep_state + expand->gibbsdeltalam;
 807                 if (minfep < 0)
 808                 {
 809                     minfep = 0;
 810                 }
 811                 if (maxfep > nlim-1)
 812                 {
 813                     maxfep = nlim-1;
 814                 }
 815             }
 816
 817             GenerateGibbsProbabilities(weighted_lamee, p_k, &pks, minfep, maxfep);
 818
 819             if (expand->elmcmove == elmcmoveGIBBS)
 820             {
 821                 for (ifep = minfep; ifep <= maxfep; ifep++)
 822                 {
 823                     propose[ifep] = p_k[ifep];
 824                     accept[ifep]  = 1.0;
 825                 }
 826                 /* Gibbs sampling */
 827                 r1 = rnd[0];
 828                 for (lamnew = minfep; lamnew <= maxfep; lamnew++)
 829                 {
 830                     if (r1 <= p_k[lamnew])
 831                     {
 832                         break;
 833                     }
 834                     r1 -= p_k[lamnew];
 835                 }
 836             }
 837             else if (expand->elmcmove == elmcmoveMETGIBBS)
 838             {
 839
 840                 /* Metropolized Gibbs sampling */
 841                 for (ifep = minfep; ifep <= maxfep; ifep++)
 842                 {
 843                     remainder[ifep] = 1 - p_k[ifep];
 844                 }
 845
 846                 /* find the proposal probabilities */
 847
 848                 if (remainder[fep_state] == 0)
 849                 {
 850                     /* only the current state has any probability */
 851                     /* we have to stay at the current state */
 852                     lamnew = fep_state;
 853                 }
 854                 else
 855                 {
 856                     for (ifep = minfep; ifep <= maxfep; ifep++)
 857                     {
 858                         if (ifep != fep_state)
 859                         {
 860                             propose[ifep] = p_k[ifep]/remainder[fep_state];
 861                         }
 862                         else
 863                         {
 864                             propose[ifep] = 0;
 865                         }
 866                     }
 867
 868                     r1 = rnd[0];
 869                     for (lamtrial = minfep; lamtrial <= maxfep; lamtrial++)
 870                     {
 871                         pnorm = p_k[lamtrial]/remainder[fep_state];
 872                         if (lamtrial != fep_state)
 873                         {
 874                             if (r1 <= pnorm)
 875                             {
 876                                 break;
 877                             }
 878                             r1 -= pnorm;
 879                         }
 880                     }
 881
 882                     /* we have now selected lamtrial according to p(lamtrial)/1-p(fep_state) */
 883                     tprob = 1.0;
 884                     /* trial probability is min{1,\frac{1 - p(old)}{1-p(new)} MRS 1/8/2008 */
 885                     trialprob = (remainder[fep_state])/(remainder[lamtrial]);
 886                     if (trialprob < tprob)
 887                     {
 888                         tprob = trialprob;
 889                     }
 890                     r2 = rnd[1];
 891                     if (r2 < tprob)
 892                     {
 893                         lamnew = lamtrial;
 894                     }
 895                     else
 896                     {
 897                         lamnew = fep_state;
 898                     }
 899                 }
 900
 901                 /* now figure out the acceptance probability for each */
 902                 for (ifep = minfep; ifep <= maxfep; ifep++)
 903                 {
 904                     tprob = 1.0;
 905                     if (remainder[ifep] != 0)
 906                     {
 907                         trialprob = (remainder[fep_state])/(remainder[ifep]);
 908                     }
 909                     else
 910                     {
 911                         trialprob = 1.0; /* this state is the only choice! */
 912                     }
 913                     if (trialprob < tprob)
 914                     {
 915                         tprob = trialprob;
 916                     }
 917                     /* probability for fep_state=0, but that's fine, it's never proposed! */
 918                     accept[ifep] = tprob;
 919                 }
 920             }
 921
 922             if (lamnew > maxfep)
 923             {
 924                 /* it's possible some rounding is failing */
 925                 if (gmx_within_tol(remainder[fep_state], 0, 50*GMX_DOUBLE_EPS))
 926                 {
 927                     /* numerical rounding error -- no state other than the original has weight */
 928                     lamnew = fep_state;
 929                 }
 930                 else
 931                 {
 932                     /* probably not a numerical issue */
 933                     int   loc    = 0;
 934                     int   nerror = 200+(maxfep-minfep+1)*60;
 935                     char *errorstr;
 936                     snew(errorstr, nerror);
 937                     /* if its greater than maxfep, then something went wrong -- probably underflow in the calculation
 938                        of sum weights. Generated detailed info for failure */
 939                     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);
 940                     for (ifep = minfep; ifep <= maxfep; ifep++)
 941                     {
 942                         loc += sprintf(&errorstr[loc], "%3d %17.10e%17.10e%17.10e\n", ifep, weighted_lamee[ifep], p_k[ifep], dfhist->sum_weights[ifep]);
 943                     }
 944                     gmx_fatal(FARGS, errorstr);
 945                 }
 946             }
 947         }
 948         else if ((expand->elmcmove == elmcmoveMETROPOLIS) || (expand->elmcmove == elmcmoveBARKER))
 949         {
 950             /* use the metropolis sampler with trial +/- 1 */
 951             r1 = rnd[0];
 952             if (r1 < 0.5)
 953             {
 954                 if (fep_state == 0)
 955                 {
 956                     lamtrial = fep_state;
 957                 }
 958                 else
 959                 {
 960                     lamtrial = fep_state-1;
 961                 }
 962             }
 963             else
 964             {
 965                 if (fep_state == nlim-1)
 966                 {
 967                     lamtrial = fep_state;
 968                 }
 969                 else
 970                 {
 971                     lamtrial = fep_state+1;
 972                 }
 973             }
 974
 975             de = weighted_lamee[lamtrial] - weighted_lamee[fep_state];
 976             if (expand->elmcmove == elmcmoveMETROPOLIS)
 977             {
 978                 tprob     = 1.0;
 979                 trialprob = exp(de);
 980                 if (trialprob < tprob)
 981                 {
 982                     tprob = trialprob;
 983                 }
 984                 propose[fep_state] = 0;
 985                 propose[lamtrial]  = 1.0; /* note that this overwrites the above line if fep_state = ntrial, which only occurs at the ends */
 986                 accept[fep_state]  = 1.0; /* doesn't actually matter, never proposed unless fep_state = ntrial, in which case it's 1.0 anyway */
 987                 accept[lamtrial]   = tprob;
 988
 989             }
 990             else if (expand->elmcmove == elmcmoveBARKER)
 991             {
 992                 tprob = 1.0/(1.0+exp(-de));
 993
 994                 propose[fep_state] = (1-tprob);
 995                 propose[lamtrial] += tprob; /* we add, to account for the fact that at the end, they might be the same point */
 996                 accept[fep_state]  = 1.0;
 997                 accept[lamtrial]   = 1.0;
 998             }
 999
1000             r2 = rnd[1];
1001             if (r2 < tprob)
1002             {
1003                 lamnew = lamtrial;
1004             }
1005             else
1006             {
1007                 lamnew = fep_state;
1008             }
1009         }
1010
1011         for (ifep = 0; ifep < nlim; ifep++)
1012         {
1013             dfhist->Tij[fep_state][ifep]      += propose[ifep]*accept[ifep];
1014             dfhist->Tij[fep_state][fep_state] += propose[ifep]*(1.0-accept[ifep]);
1015         }
1016         fep_state = lamnew;
1017     }
1018
1019     dfhist->Tij_empirical[starting_fep_state][lamnew] += 1.0;
1020
1021     sfree(propose);
1022     sfree(accept);
1023     sfree(remainder);
1024
1025     return lamnew;
1026 }
1027
1028 /* print out the weights to the log, along with current state */
1029 extern void PrintFreeEnergyInfoToFile(FILE *outfile, t_lambda *fep, t_expanded *expand, t_simtemp *simtemp, df_history_t *dfhist,
1030                                       int fep_state, int frequency, gmx_int64_t step)
1031 {
1032     int         nlim, i, ifep, jfep;
1033     real        dw, dg, dv, dm, Tprint;
1034     real       *temps;
1035     const char *print_names[efptNR] = {" FEPL", "MassL", "CoulL", " VdwL", "BondL", "RestT", "Temp.(K)"};
1036     gmx_bool    bSimTemp            = FALSE;
1037
1038     nlim = fep->n_lambda;
1039     if (simtemp != NULL)
1040     {
1041         bSimTemp = TRUE;
1042     }
1043
1044     if (mod(step, frequency) == 0)
1045     {
1046         fprintf(outfile, "             MC-lambda information\n");
1047         if (EWL(expand->elamstats) && (!(dfhist->bEquil)))
1048         {
1049             fprintf(outfile, "  Wang-Landau incrementor is: %11.5g\n", dfhist->wl_delta);
1050         }
1051         fprintf(outfile, "  N");
1052         for (i = 0; i < efptNR; i++)
1053         {
1054             if (fep->separate_dvdl[i])
1055             {
1056                 fprintf(outfile, "%7s", print_names[i]);
1057             }
1058             else if ((i == efptTEMPERATURE) && bSimTemp)
1059             {
1060                 fprintf(outfile, "%10s", print_names[i]); /* more space for temperature formats */
1061             }
1062         }
1063         fprintf(outfile, "    Count   ");
1064         if (expand->elamstats == elamstatsMINVAR)
1065         {
1066             fprintf(outfile, "W(in kT)   G(in kT)  dG(in kT)  dV(in kT)\n");
1067         }
1068         else
1069         {
1070             fprintf(outfile, "G(in kT)  dG(in kT)\n");
1071         }
1072         for (ifep = 0; ifep < nlim; ifep++)
1073         {
1074             if (ifep == nlim-1)
1075             {
1076                 dw = 0.0;
1077                 dg = 0.0;
1078                 dv = 0.0;
1079                 dm = 0.0;
1080             }
1081             else
1082             {
1083                 dw = dfhist->sum_weights[ifep+1] - dfhist->sum_weights[ifep];
1084                 dg = dfhist->sum_dg[ifep+1] - dfhist->sum_dg[ifep];
1085                 dv = sqrt(pow(dfhist->sum_variance[ifep+1], 2) - pow(dfhist->sum_variance[ifep], 2));
1086                 dm = dfhist->sum_minvar[ifep+1] - dfhist->sum_minvar[ifep];
1087
1088             }
1089             fprintf(outfile, "%3d", (ifep+1));
1090             for (i = 0; i < efptNR; i++)
1091             {
1092                 if (fep->separate_dvdl[i])
1093                 {
1094                     fprintf(outfile, "%7.3f", fep->all_lambda[i][ifep]);
1095                 }
1096                 else if (i == efptTEMPERATURE && bSimTemp)
1097                 {
1098                     fprintf(outfile, "%9.3f", simtemp->temperatures[ifep]);
1099                 }
1100             }
1101             if (EWL(expand->elamstats) && (!(dfhist->bEquil)))  /* if performing WL and still haven't equilibrated */
1102             {
1103                 if (expand->elamstats == elamstatsWL)
1104                 {
1105                     fprintf(outfile, " %8d", (int)dfhist->wl_histo[ifep]);
1106                 }
1107                 else
1108                 {
1109                     fprintf(outfile, " %8.3f", dfhist->wl_histo[ifep]);
1110                 }
1111             }
1112             else   /* we have equilibrated weights */
1113             {
1114                 fprintf(outfile, " %8d", dfhist->n_at_lam[ifep]);
1115             }
1116             if (expand->elamstats == elamstatsMINVAR)
1117             {
1118                 fprintf(outfile, " %10.5f %10.5f %10.5f %10.5f", dfhist->sum_weights[ifep], dfhist->sum_dg[ifep], dg, dv);
1119             }
1120             else
1121             {
1122                 fprintf(outfile, " %10.5f %10.5f", dfhist->sum_weights[ifep], dw);
1123             }
1124             if (ifep == fep_state)
1125             {
1126                 fprintf(outfile, " <<\n");
1127             }
1128             else
1129             {
1130                 fprintf(outfile, "   \n");
1131             }
1132         }
1133         fprintf(outfile, "\n");
1134
1135         if ((mod(step, expand->nstTij) == 0) && (expand->nstTij > 0) && (step > 0))
1136         {
1137             fprintf(outfile, "                     Transition Matrix\n");
1138             for (ifep = 0; ifep < nlim; ifep++)
1139             {
1140                 fprintf(outfile, "%12d", (ifep+1));
1141             }
1142             fprintf(outfile, "\n");
1143             for (ifep = 0; ifep < nlim; ifep++)
1144             {
1145                 for (jfep = 0; jfep < nlim; jfep++)
1146                 {
1147                     if (dfhist->n_at_lam[ifep] > 0)
1148                     {
1149                         if (expand->bSymmetrizedTMatrix)
1150                         {
1151                             Tprint = (dfhist->Tij[ifep][jfep]+dfhist->Tij[jfep][ifep])/(dfhist->n_at_lam[ifep]+dfhist->n_at_lam[jfep]);
1152                         }
1153                         else
1154                         {
1155                             Tprint = (dfhist->Tij[ifep][jfep])/(dfhist->n_at_lam[ifep]);
1156                         }
1157                     }
1158                     else
1159                     {
1160                         Tprint = 0.0;
1161                     }
1162                     fprintf(outfile, "%12.8f", Tprint);
1163                 }
1164                 fprintf(outfile, "%3d\n", (ifep+1));
1165             }
1166
1167             fprintf(outfile, "                  Empirical Transition Matrix\n");
1168             for (ifep = 0; ifep < nlim; ifep++)
1169             {
1170                 fprintf(outfile, "%12d", (ifep+1));
1171             }
1172             fprintf(outfile, "\n");
1173             for (ifep = 0; ifep < nlim; ifep++)
1174             {
1175                 for (jfep = 0; jfep < nlim; jfep++)
1176                 {
1177                     if (dfhist->n_at_lam[ifep] > 0)
1178                     {
1179                         if (expand->bSymmetrizedTMatrix)
1180                         {
1181                             Tprint = (dfhist->Tij_empirical[ifep][jfep]+dfhist->Tij_empirical[jfep][ifep])/(dfhist->n_at_lam[ifep]+dfhist->n_at_lam[jfep]);
1182                         }
1183                         else
1184                         {
1185                             Tprint = dfhist->Tij_empirical[ifep][jfep]/(dfhist->n_at_lam[ifep]);
1186                         }
1187                     }
1188                     else
1189                     {
1190                         Tprint = 0.0;
1191                     }
1192                     fprintf(outfile, "%12.8f", Tprint);
1193                 }
1194                 fprintf(outfile, "%3d\n", (ifep+1));
1195             }
1196         }
1197     }
1198 }
1199
1200 extern int ExpandedEnsembleDynamics(FILE *log, t_inputrec *ir, gmx_enerdata_t *enerd,
1201                                     t_state *state, t_extmass *MassQ, int fep_state, df_history_t *dfhist,
1202                                     gmx_int64_t step,
1203                                     rvec *v, t_mdatoms *mdatoms)
1204 /* Note that the state variable is only needed for simulated tempering, not
1205    Hamiltonian expanded ensemble.  May be able to remove it after integrator refactoring. */
1206 {
1207     real       *pfep_lamee, *scaled_lamee, *weighted_lamee;
1208     double     *p_k;
1209     int         i, nlim, lamnew, totalsamples;
1210     real        oneovert, maxscaled = 0, maxweighted = 0;
1211     t_expanded *expand;
1212     t_simtemp  *simtemp;
1213     double     *temperature_lambdas;
1214     gmx_bool    bIfReset, bSwitchtoOneOverT, bDoneEquilibrating = FALSE;
1215
1216     expand  = ir->expandedvals;
1217     simtemp = ir->simtempvals;
1218     nlim    = ir->fepvals->n_lambda;
1219
1220     snew(scaled_lamee, nlim);
1221     snew(weighted_lamee, nlim);
1222     snew(pfep_lamee, nlim);
1223     snew(p_k, nlim);
1224
1225     /* update the count at the current lambda*/
1226     dfhist->n_at_lam[fep_state]++;
1227
1228     /* need to calculate the PV term somewhere, but not needed here? Not until there's a lambda state that's
1229        pressure controlled.*/
1230     /*
1231        pVTerm = 0;
1232        where does this PV term go?
1233        for (i=0;i<nlim;i++)
1234        {
1235        fep_lamee[i] += pVTerm;
1236        }
1237      */
1238
1239     /* determine the minimum value to avoid overflow.  Probably a better way to do this */
1240     /* we don't need to include the pressure term, since the volume is the same between the two.
1241        is there some term we are neglecting, however? */
1242
1243     if (ir->efep != efepNO)
1244     {
1245         for (i = 0; i < nlim; i++)
1246         {
1247             if (ir->bSimTemp)
1248             {
1249                 /* Note -- this assumes no mass changes, since kinetic energy is not added  . . . */
1250                 scaled_lamee[i] = (enerd->enerpart_lambda[i+1]-enerd->enerpart_lambda[0])/(simtemp->temperatures[i]*BOLTZ)
1251                     + enerd->term[F_EPOT]*(1.0/(simtemp->temperatures[i])- 1.0/(simtemp->temperatures[fep_state]))/BOLTZ;
1252             }
1253             else
1254             {
1255                 scaled_lamee[i] = (enerd->enerpart_lambda[i+1]-enerd->enerpart_lambda[0])/(expand->mc_temp*BOLTZ);
1256                 /* mc_temp is currently set to the system reft unless otherwise defined */
1257             }
1258
1259             /* save these energies for printing, so they don't get overwritten by the next step */
1260             /* they aren't overwritten in the non-free energy case, but we always print with these
1261                for simplicity */
1262         }
1263     }
1264     else
1265     {
1266         if (ir->bSimTemp)
1267         {
1268             for (i = 0; i < nlim; i++)
1269             {
1270                 scaled_lamee[i] = enerd->term[F_EPOT]*(1.0/simtemp->temperatures[i] - 1.0/simtemp->temperatures[fep_state])/BOLTZ;
1271             }
1272         }
1273     }
1274
1275     for (i = 0; i < nlim; i++)
1276     {
1277         pfep_lamee[i] = scaled_lamee[i];
1278
1279         weighted_lamee[i] = dfhist->sum_weights[i] - scaled_lamee[i];
1280         if (i == 0)
1281         {
1282             maxscaled   = scaled_lamee[i];
1283             maxweighted = weighted_lamee[i];
1284         }
1285         else
1286         {
1287             if (scaled_lamee[i] > maxscaled)
1288             {
1289                 maxscaled = scaled_lamee[i];
1290             }
1291             if (weighted_lamee[i] > maxweighted)
1292             {
1293                 maxweighted = weighted_lamee[i];
1294             }
1295         }
1296     }
1297
1298     for (i = 0; i < nlim; i++)
1299     {
1300         scaled_lamee[i]   -= maxscaled;
1301         weighted_lamee[i] -= maxweighted;
1302     }
1303
1304     /* update weights - we decide whether or not to actually do this inside */
1305
1306     bDoneEquilibrating = UpdateWeights(nlim, expand, dfhist, fep_state, scaled_lamee, weighted_lamee, step);
1307     if (bDoneEquilibrating)
1308     {
1309         if (log)
1310         {
1311             fprintf(log, "\nStep %d: Weights have equilibrated, using criteria: %s\n", (int)step, elmceq_names[expand->elmceq]);
1312         }
1313     }
1314
1315     lamnew = ChooseNewLambda(nlim, expand, dfhist, fep_state, weighted_lamee, p_k,
1316                              ir->expandedvals->lmc_seed, step);
1317     /* if using simulated tempering, we need to adjust the temperatures */
1318     if (ir->bSimTemp && (lamnew != fep_state)) /* only need to change the temperatures if we change the state */
1319     {
1320         int   i, j, n, d;
1321         real *buf_ngtc;
1322         real  told;
1323         int   nstart, nend, gt;
1324
1325         snew(buf_ngtc, ir->opts.ngtc);
1326
1327         for (i = 0; i < ir->opts.ngtc; i++)
1328         {
1329             if (ir->opts.ref_t[i] > 0)
1330             {
1331                 told              = ir->opts.ref_t[i];
1332                 ir->opts.ref_t[i] =  simtemp->temperatures[lamnew];
1333                 buf_ngtc[i]       = sqrt(ir->opts.ref_t[i]/told); /* using the buffer as temperature scaling */
1334             }
1335         }
1336
1337         /* we don't need to manipulate the ekind information, as it isn't due to be reset until the next step anyway */
1338
1339         nstart = 0;
1340         nend   = mdatoms->homenr;
1341         for (n = nstart; n < nend; n++)
1342         {
1343             gt = 0;
1344             if (mdatoms->cTC)
1345             {
1346                 gt = mdatoms->cTC[n];
1347             }
1348             for (d = 0; d < DIM; d++)
1349             {
1350                 v[n][d] *= buf_ngtc[gt];
1351             }
1352         }
1353
1354         if (IR_NPT_TROTTER(ir) || IR_NPH_TROTTER(ir) || IR_NVT_TROTTER(ir))
1355         {
1356             /* we need to recalculate the masses if the temperature has changed */
1357             init_npt_masses(ir, state, MassQ, FALSE);
1358             for (i = 0; i < state->nnhpres; i++)
1359             {
1360                 for (j = 0; j < ir->opts.nhchainlength; j++)
1361                 {
1362                     state->nhpres_vxi[i+j] *= buf_ngtc[i];
1363                 }
1364             }
1365             for (i = 0; i < ir->opts.ngtc; i++)
1366             {
1367                 for (j = 0; j < ir->opts.nhchainlength; j++)
1368                 {
1369                     state->nosehoover_vxi[i+j] *= buf_ngtc[i];
1370                 }
1371             }
1372         }
1373         sfree(buf_ngtc);
1374     }
1375
1376     /* now check on the Wang-Landau updating critera */
1377
1378     if (EWL(expand->elamstats))
1379     {
1380         bSwitchtoOneOverT = FALSE;
1381         if (expand->bWLoneovert)
1382         {
1383             totalsamples = 0;
1384             for (i = 0; i < nlim; i++)
1385             {
1386                 totalsamples += dfhist->n_at_lam[i];
1387             }
1388             oneovert = (1.0*nlim)/totalsamples;
1389             /* oneovert has decreasd by a bit since last time, so we actually make sure its within one of this number */
1390             /* switch to 1/t incrementing when wl_delta has decreased at least once, and wl_delta is now less than 1/t */
1391             if ((dfhist->wl_delta <= ((totalsamples)/(totalsamples-1.00001))*oneovert) &&
1392                 (dfhist->wl_delta < expand->init_wl_delta))
1393             {
1394                 bSwitchtoOneOverT = TRUE;
1395             }
1396         }
1397         if (bSwitchtoOneOverT)
1398         {
1399             dfhist->wl_delta = oneovert; /* now we reduce by this each time, instead of only at flatness */
1400         }
1401         else
1402         {
1403             bIfReset = CheckHistogramRatios(nlim, dfhist->wl_histo, expand->wl_ratio);
1404             if (bIfReset)
1405             {
1406                 for (i = 0; i < nlim; i++)
1407                 {
1408                     dfhist->wl_histo[i] = 0;
1409                 }
1410                 dfhist->wl_delta *= expand->wl_scale;
1411                 if (log)
1412                 {
1413                     fprintf(log, "\nStep %d: weights are now:", (int)step);
1414                     for (i = 0; i < nlim; i++)
1415                     {
1416                         fprintf(log, " %.5f", dfhist->sum_weights[i]);
1417                     }
1418                     fprintf(log, "\n");
1419                 }
1420             }
1421         }
1422     }
1423     sfree(pfep_lamee);
1424     sfree(scaled_lamee);
1425     sfree(weighted_lamee);
1426     sfree(p_k);
1427
1428     return lamnew;
1429 }