Everything everywhere all at once: a probability-based enhanced sampling approach to rare events
Italian Institute of Technology(意大利理工学院)
本文提出了一种基于概率的增强采样方法,用于高效研究稀有事件的自由能面和过渡态。
2025-03-27 cond-mat.stat-mech physics.comp-ph
Computing committors via Mahalanobis diffusion maps with enhanced sampling data
对蛋白质折叠和分子构象变化等现象的研究是化学物理的中心主题。分子动力学(MD)模拟是研究生物分子中跃迁过程的主要工具,但它受到感兴趣的过程和原子振动之间的巨大时间尺度间隙的阻碍,这决定了时间步长。因此,必须将MD模拟与其他技术结合起来,以便量化在大时间尺度上发生的转变过程。在这项工作中,Mahalanobis内核的扩散映射,一个无网格的方法近似的后向Kolmogorov算子(BKO)的集体变量,升级到纳入标准的增强采样技术,如元自适应。由此产生的算法,我们称之为“目标措施Mahalanobis扩散图”(tm-mmap),是适合于一个中等数量的集体变量,其中一个可以近似的扩散张量和自由能。施加适当的边界条件允许使用近似的BKO来求解提交函数,并利用过渡路径理论来找到描绘过渡通道和过渡速率的无功电流。所提出的算法,tm-mmap,进行了测试的二维Moro-Cardin双井系统与位置相关的扩散系数和丙氨酸二肽在两个集体变量,其中的提交人,反应电流,和过渡率进行比较,通过有限元法(FEM)计算。最后,TM-MMAP适用于丙氨酸二肽在四个集体变量,其中使用有限元是不可行的。
2022-11-02 cond-mat.stat-mech cs.NA math.NA
Ceci n'est pas un committor, yet it samples like one: efficient sampling via approximated committor functions
Italian Institute of Technology(意大利理工学院)
本文提出了一种基于近似承诺函数的高效采样方法,通过简化学习准则减少计算成本,实现反应路径的高效探索。
2026-02-27 physics.chem-ph physics.comp-ph
SelfTICA: contrastive learning of dynamical representations for rare-event sampling and characterization
College of Pharmaceutical Sciences, Zhejiang University(浙江大学药学院);Italian Institute of Technology(意大利理工学院)
提出自监督对比学习框架SelfTICA,通过时间延迟分子构型定义正负对,学习动力学表示并提取慢模式集体变量,无需预定义亚稳态或高质量动力学数据,加速稀有事件采样。
2026-09-10 physics.chem-ph physics.comp-ph
Correlation-Free Transition Path Sampling through Shooting Point Generation Guided by Committor Learning
University of Vienna(维也纳大学);University of Augsburg(奥格斯堡大学)
本文提出GenAIMMD算法,结合committor学习与条件玻尔兹曼生成器,实现无需先验反应坐标的无相关、可并行过渡路径采样,并在二维模型和聚合物系统中验证了性能提升。
2026-09-18 cond-mat.stat-mech cs.LG physics.comp-ph
Learning multistate kinetics with a variational multistate committor network
Laboratoire de Physique et Chimie Theoriques, Universite de Lorraine and CNRS(洛林大学与法国国家科学研究中心理论与化学物理实验室);University of Chicago(芝加哥大学);Theoretical and Computational Biophysics Group, Beckman Institute for Advanced Science and Technology, University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校贝克曼先进科学技术研究所理论与计算生物物理学组);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
该研究提出变分多态承诺子网络(VMCN),结合分子模拟数据与边界条件训练,可恢复分子系统亚稳态结构、估计动力学,还能与Gen-COMPAS结合用于chignolin的多态跃迁网络采样。
2026-09-07 physics.chem-ph physics.comp-ph physics.data-an
Following the Committor Flow: A Data-Driven Discovery of Transition Pathways
针对分子系统稀有事件过渡路径发现难题,提出基于转换概率的迭代框架,通过有偏采样训练神经网络、提取过渡通道并迭代优化,可准确估计反应速率,在多个基准系统验证有效。
2025-07-29 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Iterative Neural Variational Solver of Committor Function in Under-damped Langevin Dynamics
Peking University(北京大学);City University of Hong Kong(香港城市大学)
本研究针对欠阻尼朗之万动力学中承诺子函数计算的开放挑战,提出基于生成元分解的迭代神经变分求解方案,经基准系统验证,为稀有跃迁研究提供实用数值工具。
2026-10-16 cs.LG physics.comp-ph
Navigating committor landscape of biomolecules with a general pairwise interaction model
College of Pharmaceutical Sciences, Zhejiang University(浙江大学药学院);State Key Laboratory of Porous Materials for Separation and Conversion, Collaborative Innovation Center of Chemistry for Energy Material, Shanghai Key Laboratory of Molecular Catalysis and Innovative Materials, MOE Key Laboratory of Computational Physical Science, Department of Chemistry, Fudan University(复旦大学化学系)
提出基于AlphaFold 3范式的提交者学习框架,通过轻量级原子嵌入和简化Pairformer架构,准确捕捉生物系统动力学特征,揭示了chignolin折叠的过渡态结构和杯芳烃主客体系统的结合路径调控机制。
2026-07-09 cond-mat.stat-mech physics.comp-ph
Interplay of fast and slow dynamics in rare transition pathways: the disk-to-slab transition in the 2d Ising model
罕见的长寿命稳定状态之间的过渡经常被分析的自由能景观计算为几个集体变量的函数。在这里,使用几何相位之间的转换为例,我们证明了沿着这些变量的系统的有效动态是一个重要的组成部分,在描述罕见的事件和静态的角度提供的自由能单独可能是误导。特别是,我们调查的磁盘到板过渡的二维伊辛模型开始计算的二维自由能景观和提交概率的分布。虽然乍一看,提交者似乎与自由能不相容,但它们可以使用二维Smoluchowski方程相互协调,该方程将自由能景观与状态相关扩散系数相结合。这些结果表明,动力学信息不仅需要计算速率常数,但忽略动力学也可能导致一个给定的过程的机制的不准确的理解。
2017-05-15 physics.chem-ph physics.comp-ph
Understanding Reaction Mechanisms from Start to Finish
Van ’t Hoff Institute for Molecular Sciences, Universiteit van Amsterdam(范特霍夫分子科学研究所,阿姆斯特丹大学);Institute of Computer Science, Goethe University Frankfurt(法兰克福歌德大学计算机科学学院);Frankfurt Institute for Advanced Studies(法兰克福高等研究院)
本文提出一种迭代路径采样策略,用于高自由能壁垒系统的-committor函数计算,通过训练神经网络提高精度,解决增强采样中的循环问题。
2025-07-05 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Path Sampling for Rare Events Boosted by Machine Learning
Department of Chemistry and Chemical Theory Center, University of Minnesota Minneapolis, MN USA(化学系和化学理论中心,明尼苏达大学)
通过整合机器学习的AIMMD算法,提升过渡路径采样在复杂分子过程机理研究中的效率与可解释性。
2026-02-05 cond-mat.soft cond-mat.stat-mech cs.LG
Computing Transition Pathways for the Study of Rare Events Using Deep Reinforcement Learning
National University of Singapore(新加坡国立大学)
本文将高维复杂系统的跃迁路径计算建模为路径空间代价最小化问题,提出融合物理势能力的 DDPG actor-critic 深度强化学习方法,并在多个基准系统上验证其全局寻路效果。
2024-04-08 cs.LG cs.NA math.NA
Nonparametric Reaction Coordinate Optimization with Histories: A Framework for Rare Event Dynamics
Faculty of Biological Sciences, University of Leeds(生物学学院,利兹大学);Astbury Center for Structural Molecular Biology, University of Leeds(结构分子生物学中心,利兹大学)
该研究提出了一种非参数反应坐标优化框架,利用轨迹历史克服传统方法的局限,实现对稀有事件动力学的高效分析。
2026-03-03 cs.LG math.PR physics.chem-ph
Computing Transition Rates for Rare Event: When Kramers Theory meets Free Energy Landscape
计算与稀有事件动力学相关的反应轨迹和自由能(FE)景观是理解复杂系统动力学的关键。分析FE表面上发生的基本动力学已成为中央计算过渡率。在生物物理学和软凝聚态物质中最常遇到的过阻尼极限中,Kramers理论(KT)已被证明在恢复正确的动力学方面相当成功。然而,在构型熵与能量竞争的复杂系统中获得速率常数的额外计算在概念上和计算上仍然具有挑战性。建立在KT和metadadenics框架,速率表示在沿最小FE路径测量的FE障碍的高度和配置熵的辅助措施。我们适用于两个不同的问题,我们的方法与模拟和实验表现出良好的一致性,并可以提出显着的改进标准KT。
2018-03-19 cond-mat.soft cond-mat.stat-mech physics.bio-ph
Computing return times or return periods with rare event algorithms
同一事件两次发生之间的平均时间,称为其重现时间(或重现期),是实际应用中有用的统计概念。例如,保险公司或公共机构可能会对巴黎塞纳河10米洪水的重现时间感兴趣。然而,由于它们的稀缺性,可靠地估计罕见事件的返回时间是非常困难的,无论是使用观测数据或直接数值模拟。对于罕见事件,返回时间的估计可以从轨迹块上的可观测值的极值建立。在这里,我们表明,这个估计可以改进,以保持准确的块大小的顺序的返回时间。更重要的是,我们表明,这种方法可以推广到估计返回时间的数值算法专门设计的样本罕见的事件。到目前为止,这些算法通常计算概率,而不是返回时间。我们提出的方法提供了一个计算上非常有效的方法来估计数值的罕见事件的返回时间的动力系统,获得几个数量级的计算成本。我们说明了两种观测量,瞬时和时间平均的方法,使用两种不同的罕见事件算法,一个简单的随机过程,Ornstein-Uhlenbeck过程。作为实际应用于复杂系统的一个例子,我们最后讨论了物体在湍流中阻力的极值。
2020-03-11 cond-mat.stat-mech physics.comp-ph physics.data-an
Microscopically Computing Free-energy Profiles and Transition Path Time of Rare Macromolecular Transitions
我们引入了一个严格的方法来微观计算的可观的特征的热力学和动力学罕见的大分子过渡,它是可能的,以确定一个先验的慢反应坐标。为了采样统计上显着的反应途径的合奏,我们定义了一个有偏见的分子动力学(MD),其中跨越障碍的过渡加速,而不引入任何非物理外力。与其他有偏MD方法相比,在本方法中,为了加速过渡而产生的系统误差可以解析计算,因此可以进行校正。这允许作为反应坐标的函数的自由能分布的计算上有效的重建,并且允许计算相应的扩散系数。然后可以在主导反应途径(DRP)方法内容易地评估过渡路径时间。我们说明和测试这种方法通过表征热激活过渡的二维能量表面和一个小的蛋白质片段内的粗粒度模型的折叠。
2012-12-18 physics.chem-ph physics.comp-ph q-bio.BM
Inexact iterative numerical linear algebra for neural network-based spectral estimation and rare-event prediction
针对复杂系统动力学分析中关键自由度难识别的问题,提出非精确迭代线性代数方法,基于短轨迹数据集实现谱估计与稀有事件预测,在高低维模型上验证有效,并探讨了其对强化学习预测问题的意义。
2023-07-20 physics.comp-ph stat.ML
Reducing simulation-related emissions in rare-event searches through optimised event biasing
University of Birmingham, School of Physics and Astronomy(伯明翰大学物理与天文学学院);University of Hamburg, Institute for Experimental Physics(汉堡大学实验物理研究所)
本文针对稀有事件搜索中屏蔽模拟的重要性分裂偏倚技术进行优化,在统计精度与CPU时间间取得平衡,以减少模拟相关碳排放。
2026-09-09 hep-ex physics.comp-ph physics.ins-det
Computing non-equilibrium trajectories by a deep learning approach
针对非平衡系统中稀有事件计算难题,本文提出基于神经网络的deep gMAM方法,通过最小化几何作用量替代传统Freidlin-Wentzell作用量求解,并在双模态切换、准势估计及Burgers湍流极端事件中验证了有效性。
2022-10-08 physics.comp-ph stat.ML
A self-similarity principle for the computation of rare event probability
罕见和极端事件的概率是设计目的的一个重要量。然而,计算罕见事件的概率可能是昂贵的,因为只有少数事件,如果有的话,可以观察到。为此,有必要使用重要性分裂技术等方法加速对罕见事件的观测,这是这里的主要焦点。在这项工作中,它是如何一个家谱的重要性分裂技术可以更有效地,如果一个人知道如何罕见的事件发生的平均路径所遵循的可观的。使用蒙特卡罗模拟,它表明,可以估计这条路径使用较少的罕见路径。一个自相似模型制定和测试使用先验和后验分析。自相似原理也测试更复杂系统,包括湍流燃烧问题与$10^7$自由度。虽然自相似模型在一般情况下并不严格有效,但它仍然可以提供对稀有平均路径的良好近似,并且是获得混沌高维系统中稀有事件统计的有希望的途径。
2019-11-01 physics.comp-ph
Predicting Critical Transitions in Multiscale Dynamical Systems Using Reservoir Computing
研究了一类快慢非线性动力系统的罕见临界跃迁事件的预测问题。感兴趣的系统的状态是由一个缓慢的过程描述的,而一个更快的过程驱动其演化并诱导临界转变。通过利用水库计算的最新进展,我们提出了一个数据驱动的方法来预测未来的状态演变。我们表明,我们的方法是能够预测一个关键的过渡事件至少提前几个数值时间步长。我们证明了成功,以及我们的方法的局限性,使用三个例子的系统,从低维到高维的数值实验。我们讨论了我们的结果的数学和更广泛的影响。
2020-12-05 math.DS physics.comp-ph stat.ML
Multitask machine learning of collective variables for enhanced sampling of rare events
Harvard University(哈佛大学)
计算准确的反应速率是计算化学和生物学中的一个核心挑战,因为无偏分子动力学的自由能估计成本很高。在这项工作中,设计了一种数据驱动的机器学习算法,通过多任务神经网络学习集体变量,其中一个共同的上游部分将原子配置的高维数减少到低维的潜在空间,并且单独的下游部分将潜在空间映射到盆地类标签和势能的预测。由此产生的潜在空间被证明是一个有效的低维表示,捕捉反应的进展和指导有效的伞采样,以获得准确的自由能景观。该方法成功地应用于模型系统,包括5D Müller Brown模型,5D三阱模型和真空中的丙氨酸二肽。这种方法能够在复杂系统中实现能量控制反应的自动降维,提供了一个可以用有限数据训练的统一框架,并且优于单任务学习方法,包括自动编码器。
2020-12-07 cs.LG physics.chem-ph physics.comp-ph
Weighted Ensemble Milestoning (WEM): A Combined Approach for Rare Event Simulations
利用原子分子动力学直接模拟稀有事件是计算生物物理学中的一个重大挑战。完善的增强采样技术确实存在,以获得这样的系统的热力学函数。但是,发展从原子细节模拟获得长时间尺度过程动力学的方法是一个相对较不发达的领域。里程碑和加权系综(WE)方法是两种不同的分层策略,都显示出计算复杂的生物分子过程的长时间尺度的承诺。然而,两者都需要大量的计算资源投资。我们结合了WE和里程碑来计算数量级的可观测量,减少了CPU和挂钟时间。我们的加权系综里程碑方法(WEM)使用WE模拟收敛的过渡概率和里程碑之间的首次通过时间,其次是利用里程碑的理论框架,以提取整个过程的热力学和动力学性质。我们测试了我们的方法为一个简单的一维双阱势,一个11维的势能面与能量势垒,和生物分子模型系统丙氨酸二肽。我们能够恢复的自由能分布,时间关联函数,并在一个显着小的计算成本的势垒跨越事件的平均第一次通过时间。WEM有望将分子动力学模拟的适用性扩展到大系统的慢动力学,这远远超出了当今蛮力计算的范围。
2020-07-18 cond-mat.stat-mech physics.comp-ph
A Machine Learning Framework for Computing the Most Probable Paths of Stochastic Dynamical Systems
噪声诱导的亚稳态之间的跃迁现象的出现在广泛的非线性系统中起着基础性的作用。最可能路径的计算是理解跃迁行为机制的关键问题。打靶法是一种常用的求解Euler-Lagrange方程的方法,但在高维系统中失去了它的有效性。在目前的工作中,我们开发了一个机器学习框架来计算Onsager-Machlup行动功能理论意义上的最可能路径。具体地说,我们将哈密顿系统的边值问题转化为一个新的形式,并设计了一个神经网络来弥补打靶法的不足。几个典型算例的成功应用证明了该算法对同时具有(高斯)布朗噪声和(非高斯)Lévy噪声的随机系统的有效性和准确性.这一新的方法对于探索各科学领域中由随机涨落引发的罕见事件的内在机制是有效的。
2020-12-25 math.DS math.PR math.ST