Enhanced Conformational Sampling using Replica Exchange with Collective-Variable Tempering
用原子分子动力学计算研究RNA和蛋白质的构象变化常常需要适当的增强采样技术。在这里,我们介绍了一种新的方法,其中并发元adaptics集成在一个哈密尔顿复制交换计划。复制品的阶梯是用不同强度的偏置电位构建的,利用了良好回火的元自适应的可调性。使用这种方法,个别集体变量的自由能势垒显着降低相比,简单的力场缩放。所介绍的方法是灵活的,并允许自适应偏置电位自洽地构建了大量的简单的集体变量,如距离和二面角。以丙氨酸二肽为例进行了验证,并将该方法应用于四核苷酸构象取样的难题。
2015-02-07 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Unfolding Hidden Barriers by Active Enhanced Sampling
KLA-Tencor(科磊);University of California, Berkeley(加州大学伯克利分校)
基于集体变量(CV)或序参量的增强采样算法由于能够有效地探索复杂系统的粗糙势能面而获得了巨大的成功。然而,退化的微观配置,源自垂直于CV的正交空间,很可能会阴影“隐藏的障碍”,大大降低CV为基础的采样效率。在这里,我们证明了系统的机器学习CV,通过增强的采样,可以迭代地提升这种退化。我们介绍了一种主动学习方案,该方案由基于深度神经网络的参数CV学习器和基于CV的增强采样器组成。我们的主动增强采样(AES)算法能够根据历史样本识别信息量最少的区域,在CV学习器和采样器之间形成正反馈回路。这种方法能够通过逐步增强样品完整性和CV质量来全局保留动力学特征。
2017-11-10 cond-mat.stat-mech cs.LG physics.chem-ph
Reweighted Autoencoded Variational Bayes for Enhanced Sampling (RAVE)
在这里,我们提出了用于增强采样的重加权自编码变分贝叶斯(RAVE)方法,这是一种新的迭代方案,它使用变分自编码器的深度学习框架来增强分子模拟中的采样。RAVE涉及分子模拟和深度学习之间的迭代,以便沿着低维潜在空间产生越来越准确的概率分布,从而捕获分子模拟轨迹的关键特征。使用这种潜在的空间分布和从分子模拟中采样的各种试验反应坐标的分布之间的Kullback-Leibler发散,RAVE确定最佳的,然而物理上可解释的反应坐标和最佳概率分布。然后,两者都直接用作新的有偏模拟的偏置协议,该偏置协议再次被馈送到深度学习模块中,其中适当的权重考虑了偏置,该过程继续进行,直到期望的热力学可观测量的估计收敛。与最近使用深度学习进行增强采样的方法不同,RAVE的突出之处在于:(a)它自然地产生物理上可解释的反应坐标,(b)独立于现有的增强采样协议,以增强通过深度学习识别的潜在空间的波动,以及(c)它提供了轻松过滤掉深度学习过程中学习到的虚假解决方案的能力。RAVE的有用性和可靠性证明,通过将其应用到模型的潜力越来越复杂,包括计算的结合自由能配置文件的疏水配体-底物系统在明确的水与解离时间超过3分钟,在计算机的时间至少20倍,比伞采样或metadaptics所需的。
2018-02-09 cond-mat.soft cond-mat.stat-mech physics.chem-ph
Have you tried turning it off and on again? Stochastic resetting for enhanced sampling
本文系统介绍了随机重置这一无集合变量、高度并行且易实现的增强采样方法,阐述其加速稀有事件采样和推断动力学观测量的原理,并综述最新进展与实践指南。
2025-04-08 cond-mat.soft cond-mat.stat-mech physics.chem-ph
Training collective variables for enhanced sampling via neural networks based discriminant analysis
在分子动力学模拟中,一种常用的加速稀有事件采样的方法是引入一个势函数来增加选定的集体变量的波动。为了使这一战略取得成功,选择适当的变量至关重要。在这里,我们回顾了一些最近的发展,在数据驱动的设计集体变量,重点是结合Fisher的判别分析和神经网络。这种方法允许压缩到一个低维表示的亚稳态的波动。我们通过几个例子说明了这种方法在加速采样的有效性,同时也确定了在这个过程中发生最显着变化的物理描述符。
2021-01-18 physics.chem-ph physics.comp-ph
Reweighted Manifold Learning of Collective Variables from Enhanced Sampling Simulations
Nicolaus Copernicus University(尼古拉斯·哥白尼大学);Purdue University(普渡大学);University of North Texas(北得克萨斯大学)
针对增强采样数据因概率分布有偏而难以直接用于流形学习集体变量的问题,提出基于各向异性扩散映射的重加权流形学习框架,以恢复平衡密度并构建低维CVs。
2024-04-03 cs.LG physics.chem-ph physics.comp-ph
Data-Driven Collective Variables for Enhanced Sampling
设计一套适当的集体变量对几种增强抽样方法的成功至关重要。在这里,我们专注于如何获得这些变量的信息仅限于亚稳态。我们通过一个大的描述符集来描述这些状态,并采用神经网络在低维空间中压缩这些信息,使用Fisher线性判别作为目标函数,以最大限度地提高网络的判别能力。我们使用由原子距离组成的非线性可分离数据集,在丙氨酸二肽上测试了该方法。然后,我们研究了分子间的aldol反应,其特征在于由一个协调的机制。由此产生的变量是能够促进采样绘制非线性路径连接亚稳盆地之间的波动的物理空间。最后,我们通过研究它与物理变量的关系来解释神经网络的行为。通过识别其最相关的特征,我们能够获得对该过程的化学洞察。
2020-04-07 physics.chem-ph physics.comp-ph
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
Enhanced Representation-Based Sampling for the Efficient Generation of Datasets for Machine-Learned Interatomic Potentials
University of Stuttgart(斯图加特大学)
本文提出ERBS方法,通过增强采样生成高效数据集,提升机器学习相互原子势的训练效果和自扩散系数模拟精度。
2026-01-22 physics.chem-ph
Adaptive Inference and Convergence of Free Energy Landscapes Using Non-parametric Bayesian Enhanced Sampling
University of California, Irvine(加州大学尔湾分校);California Polytech State University(加州州立理工大学)
本研究开发整合高斯过程模型与自适应不确定性驱动增强采样方案,以自由能景观迭代估计训练模型,实时计算不确定性作收敛度量,为复杂分子过程提供可推广的增强采样策略。
2026-08-05 physics.chem-ph
Enhanced sampling reveals the main pathway of an organic cascade reaction
常规的分子动力学模拟由于形成过渡态的概率较低,通常无法模拟化学反应。因此,实施了增强的采样方法,以加速化学反应的发生。在这项研究中,我们提出了一个应用的metadhesics在模拟有机多步级联反应。反应轨迹的分析揭示了正向和反向反应的势垒高度。我们还提出了一个讨论的优点和缺点,使用分子动力学和内在反应坐标(IRC)算法生成的反应途径。
2022-10-13 physics.chem-ph
Exploring RNA structure and dynamics through enhanced sampling simulations
RNA的功能与其结构动力学密切相关。分子动力学模拟是有用的探索生物分子的灵活性,但严重限制了可访问的时间尺度。增强的采样方法允许有效地延长这一时间尺度,以探测生物相关的构象变化和化学反应。在这里,我们回顾了增强的采样技术在RNA系统的研究中的作用。我们讨论了这些方法的力场验证,探索构象景观和离子/配体-RNA相互作用,以及催化途径的应用相关的挑战和承诺。这些方法的重要技术方面,如有偏见的集体变量的选择和多副本模拟的分析,进行了详细研究。最后,这些方法在RNA动力学的表征中的作用的角度提供。
2018-01-02 physics.bio-ph physics.chem-ph physics.comp-ph
Integrated Tempering Enhanced Sampling Method as the Infinite Switching Limit of Simulated Tempering
University of California, Berkeley(加州大学伯克利分校);New York University(纽约大学);Duke University(杜克大学);Peking University(北京大学)
本文提出整合温控增强采样方法,通过数学验证其有效性,并展示其在分子动力学模拟中的效率提升。
2018-06-20 cs.NA math.NA physics.chem-ph
Differentiable Simulations for Enhanced Sampling of Rare Events
Massachusetts Institute of Technology(麻省理工学院);Charles University(查理大学)
模拟罕见事件,例如化学反应中反应物转化为产物,通常需要增强的采样技术,这些技术依赖于选择性选择的集体变量(CV)。我们建议使用微分模拟(DiffSim)的发现和增强化学转化的采样,而不需要诉诸预选CV,只使用一个距离度量。反应路径的发现和估计的偏置电位,提高了采样合并成一个单一的端到端的问题,解决了路径积分优化。这是通过在标准DiffSim上引入多项改进来实现的,例如部分反向传播和图形迷你算法,使DiffSim训练稳定而高效。DiffSim的潜力被证明在成功发现的过渡路径的穆勒-布朗模型潜力,以及一个基准的化学系统-丙氨酸二肽。
2023-01-27 cs.LG physics.chem-ph
Kinetics of drug release from clay using enhanced sampling methods
新药开发的关键步骤是设计药物-赋形剂复合物,以获得最佳的药物释放动力学。计算化学,特别是增强的采样分子动力学方法,可以在这方面发挥关键作用,最大限度地减少昂贵的实验和减少成本和时间的需要。在这里,我们表明,最近的进展,增强采样方法可以在这方面取得成果。我们证明了这些方法的潜力,通过模拟复杂的吡喹酮-蒙脱石在水中的释放动力学。吡喹酮在血吸虫病的治疗中有很好的应用前景,但其生物药剂学特性需要改进,而蒙脱石粘土等廉价材料将是一种非常方便的赋形剂。我们模拟了药物从表面和层间空间的释放,发现药物从层间空间扩散到溶液所需的时间控制了释放时间。
2022-08-30 physics.chem-ph
Electrochemistry-Enhanced Dynamic Paths Sampling Unveiling Nuclear Quantum Effects in Electrocatalysis
本研究开发了电化学驱动的量子动力学方法,在恒电位下无需预设反应坐标即可增强路径采样,应用于析氢反应Volmer步骤,发现核量子效应使速率常数改变超一个数量级。
2025-06-20 physics.chem-ph
Information Entropy is a General-Purpose Collective Variable for Enhanced Sampling
University of California, Los Angeles(加州大学洛杉矶分校)
本文提出信息熵作为通用集体变量,用于分子和凝聚相系统中的稀有事件采样,通过温度调节的元动力学方法平衡新颖性与热力学可达性,发现稳定盆地和反应路径。
2026-04-06 cond-mat.mtrl-sci physics.chem-ph
Enhanced Sampling of Protein Conformational Changes via True Reaction Coordinates from Energy Relaxation
针对增强采样中难以找到有效集体变量的问题,该研究利用广义功函数方法从能量弛豫模拟中获取控制构象变化和能量弛豫的真实反应坐标,将相关过程加速10^5至10^15倍,拓宽了分子动力学模拟的应用范围。
2024-12-05 physics.chem-ph
Enhanced motility in a binary mixture of active nano/microswimmers
本文研究通过在二元混合物中将运动性从高活性客体物种传递给低活性宿主物种来提升纳米/微型游泳者的运动性,数值模拟显示宿主物种运动性最高可增强四倍,可应用于化学、生物和医学领域。
2020-04-24 cond-mat.mes-hall cond-mat.soft cond-mat.stat-mech
Combining Enhanced Sampling with Experiment Directed Simulation of the GYG peptide
实验导向模拟是一种使分子动力学模拟与实验观察结果相匹配的技术。该方法提高了精度,但没有解决大型系统的分子动力学模拟的采样问题。这项工作结合了实验导向的模拟与并行回火和并行回火良好回火系综复制交换方法,以提高实验导向的模拟采样。这些方法在显式水中的GYG三肽上进行了证明。由实验导向模拟偏置的集体变量是化学位移,其中设定点由NMR实验确定。结果表明,在实验指导的模拟方法中,采用平行回火和平行回火的良回火系综来增强抽样是可能的。这种方法的组合提供了一种新的方法,既准确又详尽地模拟生物系统。
2018-04-13 physics.chem-ph
Rare Event Kinetics from Adaptive Bias Enhanced Sampling
我们介绍了一种新的增强采样方法命名为OPES洪水计算罕见事件的动力学原子分子动力学模拟。该方法来源于即时概率增强采样(OPES)方法[Invernizzi和Parrinello,JPC Lett. 2020],其最近被开发用于计算复杂系统的收敛自由能表面。在本文中,我们描述的理论细节的OPES泛技术,并展示了应用程序上的三个系统的日益复杂:障碍交叉在一个二维的双阱势,在气相中的丙氨酸二肽的构象转变,和折叠和展开的chignolin多肽在水环境中。从广泛的测试,我们表明,准确的动力学计算不仅需要的过渡态是无偏置,但沉积的偏压量也不应超过沿所选的集体变量测量的有效势垒高度。在这种情况下,也探讨了从偏置次优序参量计算速率的可能性。此外,我们描述了从有限的计算工作量获得准确的结果的最佳参数组合的选择。
2022-09-16 physics.chem-ph
Insights into Dermal Permeation of Skin Oil Oxidation Products from Enhanced Sampling Molecular Dynamics Simulation
本研究利用原子级分子动力学与增强采样模拟皮肤油脂氧化产物穿过角质层膜的过程,揭示微秒级充分采样的必要性及膜结构导致自由能收敛缓慢的机制。
2025-01-22 cond-mat.soft physics.bio-ph physics.chem-ph
Enhanced Diffusion Sampling: Efficient Rare Event Sampling and Free Energy Calculation with Diffusion Models
Microsoft Research AI for Science(微软研究院人工智能科学部)
本文提出增强扩散采样方法,通过精确的偏置协议生成偏置集合并利用精确重加权恢复平衡统计,实现高效稀有事件区域探索与自由能计算。
2026-06-28 cs.AI cs.LG physics.bio-ph