細胞散粒子運動學（DPD）是一種離格細觀模擬技術，它涉及一組在連續空間和離散時間中運動的粒子。 粒子代表整個分子或流體區域，而不是單個原子，并且原子細節不被認為與所處理的過程相關。 粒子的內部自由度被整合出來，并被簡化的成對耗散力和隨機力所取代，以保持局部動量并確保正確的流體動力學行為。 這種方法的主要優點是，與使用傳統的 MD 模擬相比，它可以訪問更長的時間和長度尺度。

DPD 最初是由 Hoogerbrugge 和 Koelman 設計的，目的是避免所謂的晶格氣體自動機的晶格偽影，并解決超出分子動力學 (MD) 可用范圍的流體動力學時間和空間尺度。 隨后由 P. Espa?ol 重新制定并略微修改，以確保適當的熱平衡狀態。 提出了一系列新的 DPD 算法，這些算法具有降低的計算復雜性和更好的傳輸特性控制。

作用在 DPD 粒子 i 上的總非鍵合力由位于固定截止距離內的所有粒子 j 的三個成對加力的總和給出：

f i = ∑ j ≠ i ( F i j C + F i j D + F i j R ) {\displaystyle f_{i}=\sum _{j\neq i}(F_{ij}{C}+F_{ ij}{D}+F_{ij}{R})}

其中上式中的xxx項是保守力，第二項是耗散力，第三項是隨機力。 保守力賦予珠子化學特性，而耗散力和隨機力共同形成恒溫器，使系統的平均溫度保持恒定。 所有非鍵合力的一個關鍵特性是它們在局部保持動量，因此即使對于小粒子數也會出現流體的流體動力學模式。 局部動量守恒要求兩個相互作用的珠子之間的隨機力是反對稱的。 因此，每對相互作用的粒子只需要一次隨機力計算。 這將 DPD 與布朗動力學區分開來，在布朗動力學中，每個粒子都受到獨立于所有其他粒子的隨機力。 珠子可以通過用軟（通常是胡克）彈簧將它們綁在一起而連接成“分子”。 DPD 最常見的應用是保持粒子數、體積和溫度恒定，因此發生在 NVT 系綜中。 或者，壓力而不是體積保持恒定，因此模擬在 NPT 系綜中。

原則上，使用在 Beowulf 式集群中的多個處理器上運行的 DPD 并行實現，可以模擬非常大的系統，接近立方微米幾毫秒。 因為非鍵合力在 DPD 中是短程的，所以可以使用空間域分解技術非常有效地并行化 DPD 代碼。 在這個方案中，整個模擬空間被分成許多立方體區域，每個區域都分配給集群中的一個不同處理器。 每個處理器負責整合所有質心位于其空間區域內的珠子的運動方程。 只有位于每個處理器空間邊界附近的珠子才需要處理器之間的通信。

為了確保模擬高效，關鍵要求是需要處理器間通信的粒子間相互作用的數量遠小于每個處理器的大部分區域內的粒子間相互作用的數量。 空間。 粗略地說，這意味著分配給每個處理器的空間體積應該足夠大，以至于它的表面積（乘以與力截止距離相當的距離）遠小于它的體積。

已經使用 DPD 模擬了多種復雜的流體動力學現象，此處的列表必然是不完整的。 這些模擬的目標通常是將流體的宏觀非牛頓流動特性與其微觀結構相關聯。 這種 DPD 應用范圍從模擬混凝土的流變特性到模擬生物物理學中的脂質體形成，再到其他最近的三相現象，如動態潤濕。

DPD 方法在模擬包含可變形物體（如血細胞和聚合物膠束）的異質多相流中也很受歡迎。