A unified thermostat scheme for efficient configurational sampling for classical/quantum canonical ensembles via molecular dynamics
我们展示了一个统一的二阶计划,用于构造简单,鲁棒和准确的算法,典型的恒温器的配置采样的规范合奏。当使用朗之万动力学,该计划导致BAOAB算法,最近已经调查。我们表明,该计划也是有用的其他类型的恒温器,如安德森恒温器和Nosé-胡佛链。两个一维模型和三个典型的现实分子系统,范围从气相,团簇,凝聚相的数值例子中使用的演示。在分子动力学中(当使用相同的时间间隔时),无论应用哪种类型的恒温器,用于估计坐标相关性质的准确度可以增加一个数量级。该方案是特别有用的路径积分分子动力学,因为它始终提高效率,为任何类型的恒温器的所有热力学性质的评估。
2017-07-17 cond-mat.stat-mech physics.atm-clus physics.bio-ph
An Efficient Integrator Scheme for Sampling the (Quantum) Isobaric-Isothermal Ensemble in (Path Integral) Molecular Dynamics Simulations
本文提出一种统一的中点积分器方案,可同时采样构型与体积分布,用于经典和量子等压-等温系综的高效模拟,在不增加计算代价下将时间步长提升5到10倍并保持相同精度。
2025-04-11 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Optimal Rejection-Free Path Sampling
提出一种无拒绝的路径采样框架,通过直接采样射击点并施加与自由能成反比的选择偏差,结合AIMMD迭代构建最优反应坐标,以适中成本同时获取分子机制、自由能和速率。
2025-03-26 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Enhanced Sampling of Configuration and Path Space in a Generalized Ensemble by Shooting Point Exchange
University of Vienna(维也纳大学)
许多分子过程的计算机模拟由于长寿命状态之间的罕见跃迁而导致的长时间尺度而变得复杂。在这里,我们提出了一种新的方法来模拟这种罕见的事件,它结合了过渡路径采样增强探索的配置空间。该方法依赖于配置和轨迹空间之间的交换移动,基于广义系综进行。该方案大大提高了过渡路径采样模拟的效率,特别是对于具有多个过渡通道的系统,并产生分子过程的热力学,动力学和反应坐标的信息,而不会扭曲它们的动力学。使用KPTP四肽中脯氨酸的异构化来说明该方法。
2023-03-22 cond-mat.stat-mech cs.LG physics.comp-ph
Molecular Dynamics in the Multicanonical Ensemble: Equivalence of Wang-Landau Sampling, Statistical Temperature Molecular Dynamics, and Metadynamics
我们显示了Wang-Landau迭代[PRL 86,2050(2001)],metadaptics [PNAS 99,12562(2002)]和统计温度分子动力学[PRL 97,050601(2006)],主要的Monte Carlo和分子动力学工作马匹从一个广义的,多正则系综采样之间的直接正式关系。我们表明,统计温度分子动力学(这是正式来自王-朗道方法),增加了核更新的统计温度的引入,产生的动力学是无法区分的相应的元自洽模拟。我们还表明,使用高斯核显着提高了统计温度分子动力学的性能,突出了这种改进的正式理解的实际好处。
2014-04-29 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Enhanced sampling of Crystal Nucleation with Graph Representation Learnt Variables
University of Maryland(马里兰大学)
本研究提出基于图神经网络的自动编码器方法,从晶体结构中学习低维变量,并在增强采样中偏置以观察状态转变和计算自由能,成功应用于铁和甘氨酸的成核研究,验证了方法的可靠性和通用性。
2023-10-11 cond-mat.mtrl-sci cond-mat.stat-mech cs.LG
Generalized-Ensemble Algorithms: Enhanced Sampling Techniques for Monte Carlo and Molecular Dynamics Simulations
在自旋玻璃、生物分子等多自由度的复杂系统中,常规的正则系综模拟存在准遍历性问题。广义系综模拟在势能空间中进行随机游走,克服了这一困难。通过单直方图和/或多直方图重新加权技术,仅从一次模拟运行,就可以获得作为温度的函数的物理量的正则系综平均值。在这篇文章中,我们回顾了广义集成算法。三个著名的方法,即多规范算法,模拟回火,复制交换方法,首先进行了描述。Monte Carlo和分子动力学版本的算法。然后,我们提出了五个新的广义集成算法,这是上述方法的扩展。
2003-08-18 cond-mat.stat-mech q-bio.QM
Sampling the isothermal-isobaric ensemble by Langevin dynamics
提出了一种基于Langevin运动方程的等温等压系综分子动力学模拟的新方法。随机耦合到所有的粒子和细胞的自由度是在一个正确的方式,在这个意义上,固定的构型分布被证明是一致的等温等压系综。为了将所提出的方法应用于计算机模拟,通过对单步传播子的Trotter分裂,发展了一种二阶对称数值积分格式。此外,对用户指定的热、压耦合时间尺度,提出了工作参数选择的实用指南。数值算例验证了该方法和软件实现的有效性。
2016-04-27 cond-mat.stat-mech
Weighted-ensemble Brownian dynamics simulation: Sampling of rare events in non-equilibrium systems
我们提供了一个算法的基础上加权集成(WE)的方法,准确地采样系统在稳态。将我们的方法应用于不同的一维和二维模型,我们成功地计算了$10^{-300}$阶的稳态概率,并再现了$10^{-280}$阶速率的Arrhenius定律。特别注意不存在细致平衡假设的非势系统的模拟。对于这一大类随机系统,稳态概率分布密度通常是未知的,并且不能在仿真过程中用作先验知识。我们比较了算法的效率与标准的布朗动力学模拟和其他WE方法。
2013-03-16 cond-mat.stat-mech
Non-Boltzmann Ensembles and Monte Carlo Simulation
基于Metropolis算法的Boltzmann采样已被广泛应用于正则系综的模拟。对平衡系统的力学性质(如能量)的估计可以通过对玻尔兹曼蒙特卡罗方法产生的大量微观状态进行平均来进行。然而,像熵这样的热性质不容易用这些方法获得。原因很简单。我们可以给每个微观状态分配一个能量的数值。但是我们不能给微观状态分配一个熵的数值。熵不是与任何一个微观状态相关联的属性,它是所有微观状态的集合属性。为了计算熵和其他热性质,在上个世纪70年代中期提出了一种称为伞采样的非玻尔兹曼蒙特卡罗技术。伞形抽样已经经历了几次变形,我们现在有,多正则蒙特卡罗,熵抽样,平坦直方图方法,王-朗道算法{ \it等}。这类方法产生非物理的非玻尔兹曼系综。然而,物理量可以通过对熵系综的微观态进行去加权,然后重新加权到所需的物理系综来计算。在这次演讲中,我将告诉你一些非玻尔兹曼蒙特卡罗方法,重点是最近的发展。
2017-09-27 cond-mat.stat-mech physics.comp-ph
Replica exchange and expanded ensemble simulations as Gibbs sampling: Simple improvements for enhanced mixing
在化学和生物物理学中,用于模拟复杂分子系统的副本交换和扩展系综算法的广泛普及已经产生了很大的兴趣,以增强这些协议的相空间混合,从而提高其效率。在这里,我们演示了这两类算法可以被认为是一种形式的吉布斯抽样马尔可夫链蒙特卡罗(MCMC)框架内。虽然更新的构象自由度的大都市蒙特卡罗或分子动力学可产生相关的样本,我们展示了如何明智的更新的热力学状态指数-对应于热力学参数,如温度或炼金术耦合变量-与这些配置可以大大增加混合,同时仍然从所需的分布采样。我们展示了常用的状态更新方法如何导致次优混合,并提出了一些简单,廉价的替代方案,可以增加整个马尔可夫链的混合,减少必要的模拟时间,以获得所需的精度估计。这些改进的计划证明了几个常见的应用程序,包括炼金术扩展合奏模拟,并行回火,和多维副本交换伞采样。
2011-09-26 cond-mat.stat-mech q-bio.BM
Identifying rare chaotic and regular trajectories in dynamical systems with Lyapunov weighted path sampling
根据初始条件的不同,动力系统的各个有限时间轨迹可以具有非常不同的混沌特性。在这里,我们提出了一个数值方法来识别轨迹与非典型的混乱,路径,要么更经常或更混乱的比平均水平。该方法是基于一个合奏的轨迹加权根据其混沌,李雅普诺夫加权路径合奏的定义。这种轨迹的集合是使用从过渡路径采样借用的算法进行采样的,过渡路径采样是一种最初开发用于研究长寿状态之间的罕见过渡的方法。我们证明了我们的方法,将其应用到几个系统的自由度从一个到几百个,在所有情况下,该算法发现罕见的途径与非典型的混乱。对于嵌入在溶剂中的双阱二聚体,这可以被看作是一个简单的模型的异构化分子,罕见的反应途径被发现的参数强烈有利于混沌动力学。
2010-04-15 cond-mat.stat-mech nlin.CD physics.chem-ph
Stochastic sampling of the isothermal-isobaric ensemble: phase diagram of crystalline solids from molecular dynamics simulation
提出了一种利用朗之万动力学对等温等压系综进行采样的方法,该方法结合了运动方程几何积分器的新特征。通过采用Trotter展开,该方法生成一个强大的,对称的和准确的数值算法。为了表明所提出的方法正确地采样相空间,在各向同性NPT系综中进行了两个分析示例的模拟。此外,这种方法允许研究固-相变,通过进行一个完全灵活的细胞分子动力学模拟。此外,我们还提出了一种有效的方法来确定沿等温路径的宽压力区间内的吉布斯自由能,这使得我们能够确定压力驱动固-固相变中的相变压力。计算结果表明,该方法非常适合于晶体相图的研究。
2018-06-28 cond-mat.stat-mech
Fast Adaptive Flat-histogram Ensemble for Calculating Density of States and Enhanced Sampling in Large Systems
提出了一种快速自适应平坦直方图集成(FAFE)算法,用于估计大系统的态密度(DOS)和增强采样。FAFE计算广义系综中任意扩展变量$U$的平均值,以形成曲线$β_{s}(U) \equiv \frac{\partial S(U)}{\partial U}$上的点,即对数DOS的导数。FAFE方法不同于Wang-Landau-like(WLL)方法,它在整个仿真过程中满足详细平衡条件,并自动生成非均匀的$(β_{i}, U_{i})$数据点,以跟踪不同$U$区域和不同系统中$β_{s}(U)$的真实变化率。结合$U-$压缩转换,FAFE将所需的仿真步骤从WLL中的$O(N^{3/2})$减少到$O(N^{1/2})$,其中$N$是系统大小。我们证明了FAFE在Lennard-Jones液体中的效率,具有几个$N$值。更重要的是,我们展示了它在发现和识别不同的宏观状态,包括亚稳态相共存区域的能力。
2008-11-12 cond-mat.stat-mech
Sampling Lattices in Semi-Grand Canonical Ensemble with Autoregressive Machine Learning
高效准确地计算热力学势和可观测量是统计力学模拟在材料科学中应用的关键。然而,这种计算通常依赖于朴素的蒙特卡罗方法,难以扩展到许多最先进学科中的复杂材料,例如高熵合金或多组分催化剂的设计。为了解决这个问题,我们通过将基于机器学习的生成建模的采样工具转换为半巨正则系综来适应材料空间。此外,我们表明,由此产生的模型是可转移的范围广泛的热力学条件,可以实现任何内能模型U,允许集成到许多现有的材料工作流程。我们证明了这种方法的适用性模拟的基准系统(银钯,铜金),表现出不同的热力学行为,在他们的相图。最后,我们讨论了模型开发中存在的挑战和未来改进的有前途的研究方向。
2021-07-14 cond-mat.stat-mech
Sampling motif-constrained ensembles of networks
网络特性的统计显著性取决于满足特定特性但在其他方面是随机的零模型。指数随机图模型是生成这种约束集合的原则性理论框架,但由于模型不一致,或者由于不可能从中对网络进行采样,因此在实践中经常失败。这些问题影响了网络的重要情况下,规定的聚类系数或小连通子图(图案)的数量。在本文中,我们使用的Wang-Landau方法,以获得一个多典型的采样,克服了这两个问题。我们的样本,在多项式时间内,网络工程与任意程度的序列,从合奏与强加的图案计数。将这种方法应用于社交网络,我们研究了传递性和同质性之间的关系,我们量化了不同类型的基序之间的相关性,发现单个基序可以解释高达60%的基序配置文件的变化。
2015-11-17 cond-mat.stat-mech cs.SI physics.soc-ph
Sampling diffusive transition paths
我们解决的问题,采样双端扩散路径。合奏的路径表示使用对称版本的Onsager-Machlup公式,它只需要评估的力场,并在直接的时间离散化,产生一个对称的积分器,是准确的二阶。有效地对该集合进行采样需要避免与对路径的无穷小布朗增量进行采样相关联的众所周知的刚度问题,以及与对长路径的粗糙特征进行采样相关联的不同类型的刚度。采用快速采样算法(FSA)消除了细特征的采样刚性,引入滑动采样算法(S&S)避免了粗特征的采样刚性。S&S算法的一个关键特征是,它使大规模并行计算机能够对时间较长的扩散轨迹进行采样。我们使用该算法对低温下38原子Lennard-Jones团簇结构互变的跃迁路径系综进行了采样。
2007-02-17 cond-mat.stat-mech
Unbiasing Enhanced Sampling on a High-dimensional Free Energy Surface with Deep Generative Model
Purdue University(普渡大学)
针对高维自由能面增强采样的去偏差难题,提出基于分数扩散模型的深度生成去偏差方法,在TAMD模拟中验证其性能优于传统方法,可处理更多CV的模拟并生成准确无偏构象系综。
2023-12-18 cond-mat.stat-mech cs.LG physics.chem-ph
Training neural network ensembles via trajectory sampling
University of Nottingham(诺丁汉大学);University College London(伦敦大学学院)
本文提出利用随机系统中的稀有轨迹采样技术来定义和训练神经网络集成,通过偏置轨迹以最小化时间积分损失,并在简单监督学习任务中验证了其可行性及潜在优势。
2023-05-10 cond-mat.dis-nn cond-mat.stat-mech cs.LG
Approximating Free Energy and Committor Landscapes in Standard Transition Path Sampling using Virtual Interface Exchange
跃迁路径取样(TPS)是研究稀有跃迁的一种有效技术,特别是当机制未知且无法获得反应坐标时。TPS的直接应用并不直接提供自由能景观,也不提供动力学,这促使了路径采样扩展的发展,例如过渡界面采样(TIS)和重新加权路径集合(RPE),它们能够同时访问动力学和热力学。然而,执行TIS比TPS更复杂,并且仍然需要(一些)对定义接口的反应的洞察力。虽然现在可以有效地计算TIS的路径集合的软件包,但直接从单个TPS模拟计算自由能将是有用的。为了实现这一点,我们开发了一种近似的方法,表示虚拟接口交换,利用废弃物回收的形式拒绝的途径。该方法产生一个近似的重新加权的路径集合,允许从一个单一的TPS的自由能景观的即时视图,以及使一个完整的提交者分析。
2019-07-09 cond-mat.soft cond-mat.stat-mech physics.chem-ph
A projected complex Langevin sampling method for bosons in the canonical and microcanonical ensembles
提出投影复Langevin采样方法,通过复值Lagrange乘子在每次迭代中精确强制约束,有效解决了相互作用Bose气体在正则与微正则系综下的符号问题,并提升了数值稳定性与精度。
2025-03-03 cond-mat.quant-gas cond-mat.stat-mech quant-ph
Multicanonical Monte Carlo Ensemble Growth Algorithm
提出了一种新的模拟随机链平衡热力学性质的蒙特卡罗增长方法。该方法是基于计算在能量空间中的状态密度的多规范技术。这样的量与温度无关,因此微正则和正则热力学量,包括自由能、熵和热平均值,可以通过用玻尔兹曼因子重新加权来获得。我们提出的算法结合了两种方法:第一种是蒙特卡洛系综增长方法,其中被认为是在状态空间中的样本的“人口”,而不是传统的采样长随机游走,或迭代单链增长。第二种是平坦直方图蒙特卡罗,类似于流行的Wang-Landau抽样,或多规范链增长抽样。我们讨论的性能和相对简单的算法,我们将其应用到已知的测试用例。
2020-02-16 cond-mat.stat-mech
Structuring and sampling complex conformation space: Weighted ensemble dynamics simulations
基于多个模拟轨迹,从分散选择的初始构象出发,设计加权系综动力学方法,通过对随机映射向量的方差-协方差矩阵的谱分析,稳健而系统地探索复杂构象空间的层次结构.矩阵的非简并基态直接预示了模拟数据的遍历性。基态可以作为轨迹的统计权重,以正确地重建平衡性质,即使每个轨迹只探索构象空间的一部分。否则,退化度只是给出了在个体轨迹时间尺度下系统的亚稳态数目。对特征向量的操纵导致将轨迹分类为状态内的非过渡轨迹和状态之间的过渡轨迹。过渡态也可以在没有系统的先验知识的情况下预测。我们演示了应用程序的一般方法都与一维玻璃态电位系统和一个明确的溶剂中的丙氨酸二肽。
2009-08-26 cond-mat.soft cond-mat.stat-mech
Optimized Sampling of Mixed-State Observables
统计系综的量子动力学模拟提出了一个重大的计算挑战,由于事实上,混合状态需要表示。如果基础动力学是完全幺正的,例如在有限温度下的超快相干控制中,近似时间相关观测量的一种方法是通过求解一组具有随机相位的波函数的薛定谔方程来采样密度算子。我们发现,平均而言,随机相位波函数表现良好的合奏与高混合度,而在较高的纯度确定性采样的能量最低的本征态变得优越。我们证明了最小化的最坏情况下的计算任意可观的错误是唯一达到基于本征态的采样。我们表明,这个错误可以用来形成一个定性估计的集合纯度的本征态为基础的方法的采样性能优于随机相位波函数。此外,我们提出了改进这两个计划,从采样过程中删除冗余信息,以加速其收敛。最后,我们指出了如何利用低秩观测量的结构来进一步改进基于本征态的采样方案。
2019-11-06 cond-mat.stat-mech quant-ph
Multicanonical sampling of rare events in random matrices
本文提出了一种基于多重蒙特卡罗方法的随机矩阵最大特征值大偏差的计算方法。该方法成功地测试了高斯正交系综(GOE),稀疏随机矩阵,矩阵的组成部分是均匀密度。具体而言,在这些情况下,估计矩阵的所有特征值为负的概率下降到$\sim 10^{-200}$的值,这是一个朴素随机抽样无效的区域。该方法可以应用于任何矩阵的集合,并用于采样任何统计特征的罕见事件。
2013-03-04 cond-mat.dis-nn cond-mat.stat-mech
Free-Energy Calculations in Protein Folding by Generalized-Ensemble Algorithms
我们回顾了广义系综算法在蛋白质折叠自由能计算中的应用。两个著名的方法是多规范算法和复制交换方法;后者也被称为并行回火。我们提出了一种新的广义集成算法,结合了这两种方法的优点,它被称为复制交换多规范算法。我们还给出了一个多维扩展的复制交换方法。它的实现作为一个伞形采样方法,我们称之为复制交换伞形采样,是一个强大的算法,可以在广泛的反应坐标空间的自由能。
2001-02-16 cond-mat.stat-mech q-bio
Minibatch training of neural network ensembles via trajectory sampling
University of Nottingham(诺丁汉大学)
提出基于minibatch的轨迹采样方法高效训练神经网络集成,在MNIST上实现两个数量级的计算加速,并证明更长轨迹能提升推理精度且降低更新成本。
2023-06-27 cond-mat.dis-nn cond-mat.stat-mech cs.LG
Expanded ensemble method for bubble nucleation
针对一级相变中临界气泡成核概率极低且现有采样方法受凝聚势垒限制的问题,提出扩展系综采样方法,以规避势垒并实现大体积高效模拟。
2025-02-20 cond-mat.stat-mech hep-lat