Deep learning the slow modes for rare events sampling
增强采样方法的发展极大地扩展了原子模拟的范围，允许使用可访问的计算资源来研究长时间现象。许多这样的方法依赖于确定一组适当的集体变量。这些都是为了描述系统的模式，最缓慢地接近平衡。一旦确定，这些模式的平衡将通过选择的增强采样方法来加速。确定集体变量的一个有吸引力的方法是将它们与转移算子的本征函数和本征值联系起来。不幸的是，这需要事先了解系统的长期动态，而这通常是不可用的。然而，我们最近已经表明，它确实是可能的，以确定有效的集体变量开始有偏的模拟。在本文中，我们将机器学习的力量和最近开发的即时概率增强采样方法的效率带到这种方法上。其结果是一个强大的和强大的算法，给定的初始增强采样模拟试验集体变量或广义系综，提取转移算子特征函数使用神经网络模拟器，然后加速它们，以促进罕见事件的采样。为了说明这种方法的一般性，我们将其应用到几个系统，从一个小分子的构象转变到一个迷你蛋白质的折叠和材料结晶的研究。
2021-07-22 physics.chem-ph physics.comp-ph
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
Neural network based path collective variables for enhanced sampling of phase transformations
我们提出了一个严格的1D路径集体变量的构造，以采样凝聚态物质中的结构相变。路径集合变量被定义在由全局集合变量跨越的空间中，全局集合变量用作从局部结构单元导出的分类器。一个可靠的识别局部结构环境是通过采用基于神经网络的分类。随后使用的1D路径集体变量与增强的采样技术，探索在钼的固-固相变过程中的相边界的复杂迁移。
2019-05-04 cond-mat.mtrl-sci cond-mat.stat-mech 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
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
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
A unified framework for machine learning collective variables for enhanced sampling simulations: $\texttt{mlcolvar}$
本文提出 Python 库 $\ exttt{mlcolvar}$，统一支持降维、亚稳态分类和慢模式识别等集体变量构建，并通过 PLUMED 接口与多任务学习框架服务于增强采样模拟。
2023-06-13 physics.comp-ph
Temperature Accelerated Monte Carlo (TAMC): a method for sampling the free energy surface of non-analytical collective variables
介绍了一种新的方法来模拟稀有事件的物理。该方法是温度加速分子动力学的一种扩展，当用来描述罕见事件的集体变量是非分析性的或如此复杂以至于计算它们的导数是不实际的时，该方法就被使用了。我们通过研究Lennard-Jones颗粒样品中的均匀结晶来说明该方法的功能。通过引入一个新的集体变量，我们称之为有效核尺寸$\mathcal N$的过程进行了研究。我们计算了自由能垒和临界核的尺寸，结果与文献中的数据一致。我们还进行了模拟，在液相区的相图。我们发现一个自由能曲线单调增长的核的大小，符合液体域。
2011-02-01 physics.comp-ph
Deep learning path-like collective variable for enhanced sampling molecular dynamics
本研究提出名为DeepLNE的新型类路径集合变量，结合可微广义自动编码器与连续k近邻选择，无需预定义界标即可学习反应路径，在玩具模型和RNA四环模拟中实现了增强采样与自由能收敛。
2024-02-02 physics.bio-ph physics.chem-ph physics.comp-ph
From enhanced sampling to reaction profiles
Istituto Italiano di Tecnologia（意大利理工学院）
该研究提出了一种基于神经网络的增强采样方法，通过投影数据到低维流形以区分不同盆地，从而提高采样效率并清晰表示反应自由能图谱。
2021-07-17 physics.comp-ph
Molecular enhanced sampling with autoencoders: On-the-fly collective variable discovery and accelerated free energy landscape exploration
大分子和生物分子折叠景观通常包含高自由能势垒，这阻碍了通过标准分子动力学模拟对构型空间的有效采样。偏置采样可以人为地沿着预先指定的集体变量（CV）驱动模拟，但成功与否关键取决于与重要集体动力学运动相关的良好CV的可用性。非线性机器学习技术可以识别这样的CV，但通常不提供与执行偏置采样所需的原子坐标的显式关系。在这项工作中，我们使用自联想人工神经网络（“自动编码器”）来学习非线性CV，这些CV是原子坐标的显式且可微的函数。我们的方法在探索配置空间方面提供了大量的加速，并且通过其同时发现和直接加速数据驱动CV的能力与现有方法区分开来。我们展示了模拟丙氨酸二肽和色氨酸笼的方法，并在OpenMM中开发了一个开源和免费的实现。
2018-10-30 physics.bio-ph physics.comp-ph stat.ML
Enhanced Sampling in Molecular Dynamics Using Metadynamics, Replica-Exchange, and Temperature-Acceleration
我们回顾了在分子动力学模拟中进行增强采样的方法。我们认为集体变量偏置和回火的基础上的方法，并提供历史和当代的观点。在集体变量偏置，我们首先讨论的方法源于热力学积分，使用平均力偏置，包括自适应偏置力算法和温度加速。然后，我们转向使用偏置电位的方法，包括伞形采样和元自相关。接下来我们考虑平行回火和复制交换方法。最后，我们简要介绍了一些组合方法。
2014-01-02 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Combining transition path sampling with data-driven collective variables through a reactivity-biased shooting algorithm
本文提出一种基于反应性的射击算法，通过机器学习从过渡路径采样中迭代提取集体变量，无需先验知识即可提高稀有事件采样效率，并在多个体系中验证了其重建自由能剖面的能力。
2024-04-03 physics.comp-ph
Great Restraining Wall in Multidimensional Collective Variable Space
Institute of Systems and Physical Biology, Shenzhen Bay Laboratory（深圳湾实验室系统物理生物学研究所）
本文提出了一种名为巨大限制墙（GW）的方法，通过新的核密度估计衍生的限制势能，解决高维集体变量空间中采样效率和稳定性问题，提升自由能表面的精准采样能力。
2026-01-14 physics.comp-ph
Efficient Monte Carlo sampling of metastable systems using non-local collective variable updates
CMAP, CNRS, École polytechnique, Institut Polytechnique de Paris（巴黎综合理工学院）；Laboratoire de Physique de l’École normale supérieure ENS, Université PSL, CNRS, Sorbonne Université, Université de Paris（巴黎高等师范学院）；CERMICS, CNRS, ENPC, Institut Polytechnique de Paris（巴黎国立路桥学校）；MATHERIALS team-project, Inria Paris（法国国家数字科学研究所）
本文提出一种非局部集体变量更新算法，用于高效采样 metastable 系统，通过证明算法可逆性并展示其在分子系统中的性能提升。
2026-04-17 cond-mat.stat-mech physics.comp-ph
Advanced simulations with PLUMED: OPES and Machine Learning Collective Variables
本文介绍了PLUMED中两项先进增强采样技术：统一的OPES偏置方法和基于机器学习的集体变量构建方法，并提供了实用指南以促进其在生物分子模拟中的应用。
2024-10-23 physics.bio-ph physics.chem-ph physics.comp-ph
Building Maps in Collective Variable Space
增强的采样技术，如伞式采样和metadaptics现在经常用来提供信息的热力学势，或自由能，如何取决于少数集体变量。通过使用这些技术提取的自由能表面提供了构型系综的简化或粗粒度表示。在这项工作中，我们将讨论如何辅助变量可以映射到集体变量（CV）空间，以及如何依赖的原子坐标的函数的平均值的值上的一个小数目的CV，从而可以可视化。我们表明，这些地图允许一个分析的物理学的分子系统的调查和质量的减少表示的系统，是编码在一组CV。我们应用这种方法来分析CV的简并性，并计算CV空间中的熵和焓表面，无论是丙氨酸二肽的构象转变和二氧化碳分子晶体在压力下的相变。
2018-08-30 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Human learning for molecular simulations: the Collective Variables Dashboard in VMD
Collective Variables Dashboard是一个软件工具，用于在可定制的集体变量空间中实时、无缝地探索分子结构和轨迹。仪表板源于集体变量模块与可视化软件VMD的集成，并增加了一个完全可扩展的图形界面，为集体变量的设计和分析提供交互式工作流程。典型的用例包括用于增强采样和自由能模拟的集合变量的先验设计，以及对集合变量空间中任何类型的模拟或结构集合的事后分析。这些情况的组合通常发生在初步模拟时，有偏见或无偏见，揭示了一组优化的集体变量是必要的，以改善进一步模拟中的采样。然后，仪表板提供了一种高效的方式，可以直观地探索可能的集体变量的空间，在现有数据上验证它们，并使用集体变量模块在进一步的偏置模拟中直接使用所产生的集体变量定义。我们说明了两个应用程序上的仪表板的使用：发现坐标来描述配体从蛋白质结合位点解结合，并设计基于体积的变量来偏置跨膜孔的水合作用。
2021-10-17 physics.comp-ph
Enhanced sampling of robust molecular datasets with uncertainty-based collective variables
Massachusetts Institute of Technology（麻省理工学院）；University of Vienna（维也纳大学）
本研究提出利用不确定性作为集体变量指导分子数据采样，通过高斯混合模型度量驱动偏置分子动力学，在丙氨酸二肽上验证了其克服势垒、增强主动学习数据集的效果。
2024-02-06 cs.LG physics.comp-ph
Collective Variables for Free Energy Surface Tailoring -- Understanding and Modifying Functionality in Systems Dominated by Rare Events
我们介绍了一种方法，用于阐明和修改系统的功能占主导地位的罕见事件，依赖于其底层的自由能表面的自动调谐。所提出的方法旨在构建集体变量（CV），编码的重要信息，关于罕见事件的系统的利益。使用谐波线性判别分析（HLDA）来识别适当的CV，HLDA是一种基于机器学习的方法，其仅在从系统的相关亚稳态中的短普通模拟收集的数据上进行训练。利用所得到的CV的可解释形式，确定系统的罕见跃迁的临界相互作用势被识别并有目的地修改，以根据需要改变功能的方式来定制自由能表面。该方法的适用性示出在三个不同的系统的上下文中，从而表明，热力学和动力学性质可以被修改，几乎没有先验知识或直觉。
2021-08-28 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Neural networks-based variationally enhanced sampling
复杂自由能表面的采样是现代原子模拟方法的主要挑战之一。在这样的表面中存在动力学瓶颈，常常使得直接方法无用。一种流行的策略是识别少量关键的集体变量，并引入能够支持其波动的偏差势，以加速采样。在这里，我们建议使用机器学习技术结合最近的变分增强采样方法[Valsson和Parrinello，Physical Review Letters 2014]来确定这种潜力。这是通过将偏差表示为神经网络来实现的。在强化学习方案中确定的参数，旨在最大限度地减少变分增强采样功能。这就需要开发一种新的、更有效的最小化技术。神经网络的表现力允许在具有快速变化的自由能表面的系统中加速采样，消除边界效应伪影，并朝着能够处理多个集体变量的方向又迈进了一步。
2019-09-23 physics.comp-ph
Resetting Metadynamics
本文首次将随机重置与 Metadynamics 结合，在集合变量次优时仍可获得接近最优变量的加速，并能提取无偏平均首次通过时间。
2023-07-12 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Effective Data-Driven Collective Variables for Free Energy Calculations from Metadynamics of Paths
针对机器学习集体变量依赖含物理路径与过渡态的高质量数据集这一难题，本文利用路径元动力学在轨迹空间生成数据，并以深度目标判别分析构建CV，在二维模型势和丙氨酸二肽异构化中验证其自由能预测效果。
2024-04-08 physics.comp-ph
Exploration vs Convergence Speed in Adaptive-bias Enhanced Sampling
在自适应偏置增强采样方法中，向系统添加偏置电势以驱动亚稳态之间的转变。偏置电位是几个集体变量的函数，并根据底层自由能表面逐渐修改。我们表明，当集体变量是次优的，有一个探索收敛的权衡，必须选择一个快速收敛的偏见，这将导致更少的过渡，或较慢收敛的偏见，可以更有效地探索相空间，但可能需要更长的时间来产生一个准确的自由能估计。最近提出的On-the-fly Probability Enhanced Sampling（OPES）方法专注于快速收敛，但也有快速探索的情况。出于这个原因，我们引入了一个新的变种的OPES方法，专注于快速逃离亚稳态，在收敛速度的代价。我们说明了这种方法的好处原型系统，并表明它优于流行的元自适应方法。
2022-04-22 physics.comp-ph
Let's Stalk About Membranes: Committor-Based Enhanced Sampling of Stalk Formation
Italian Institute of Technology（意大利理工学院）；University of Genova（热那亚大学）；INFN sezione di Genova（意大利国家核物理研究所热那亚分部）
研究膜融合中柄形成这一关键步骤，采用基于反应坐标函数的增强采样策略，通过机器学习获取有效集体变量，实现均匀采样，获得自由能估计和柄形成机理洞察。
2026-07-23 cond-mat.soft physics.comp-ph
Predictive Collective Variable Discovery with Deep Bayesian Models
University of Notre Dame（圣母大学）；Technical University of Munich（慕尼黑工业大学）
生物化学和材料科学中考虑的复杂原子系统模型的时空尺度限制需要开发增强的采样方法。通过增强的采样方法探索构型空间的潜在加速取决于集体变量（CV）的选择。在这项工作中，我们制定的CV的发现作为一个贝叶斯推断的问题，并考虑CV作为隐藏的发电机的全原子的轨迹。使用有限的训练数据生成精细尺度原子结构样本的能力使我们能够计算可观测量的估计以及我们对它们的概率置信度。该方法是基于机器学习和变分推断的新兴方法进步。所发现的CV与物理化学性质有关，这对于理解机制，特别是在未探索的复杂系统中至关重要。我们提供了定量评估的CV在其预测能力丙氨酸二肽（ALA-2）和ALA-15肽。
2019-01-16 cs.LG physics.chem-ph physics.comp-ph
Exploring the Potential of Parallel Biasing in Flat Histogram Methods
Metadaptics是高级采样算法的“平坦直方图”类的成员，已广泛用于分子模拟中，以驱动对由高自由能势垒分离的状态的探索，并促进对定义在集体变量（CV）上的自由能景观的全面采样，集体变量（CV）表征系统的状态。通常，当探索大量CV时，这些方法会遇到严重的限制。最近提出的一个变种，平行偏置元自洽（PBMetaD），承诺通过交换标准方法所需的$n$维自由能景观为$n$一维边际自由能景观，以帮助探索自由能景观以及多个重要的集体变量。在这项研究中，我们系统地研究了平行偏置如何影响自由能景观的收敛，以及相对于标准方法的每个变量，以及平行偏置策略在使用高级采样计算自由能时解决常见瓶颈的有效性。
2021-09-10 physics.chem-ph physics.comp-ph
Reinforced dynamics for enhanced sampling in large atomic and molecular systems
Princeton University（普林斯顿大学）；Institute of Applied Physics and Computational Mathematics（应用物理与计算数学研究所）；CAEP Software Center for High Performance Numerical Simulation（中国工程物理研究院高性能数值模拟软件中心）；Beijing Institute of Big Data Research（北京大数据研究院）
提出了一种新的方法，有效地探索配置空间和计算大的原子和分子系统的自由能，激励与强化学习的类比。这种新方法有两个主要组成部分。像元自适应，它允许一个有效的探索的配置空间，通过添加一个自适应计算的偏置电位的原始动态。与深度强化学习一样，这种偏置潜力是使用深度神经网络进行动态训练的，从探索中明智地收集数据，神经网络模型中的不确定性指标扮演着奖励函数的角色。使用神经网络的参数化使得处理具有大量集合变量的情况变得可行。这样做的潜在好处是，精确地选择正确的集合变量对于捕捉系统的结构转换来说已经变得不那么重要了。通过研究丙氨酸二肽和三肽的全原子，明确的溶剂模型，以及具有20个集体变量的聚丙氨酸-10分子的系统来说明该方法。
2018-02-19 cs.LG physics.bio-ph physics.chem-ph
A Unified Approach to Enhanced Sampling
采样问题是原子模拟的核心，多年来，许多不同的增强采样方法已经被提出来解决这个问题。这些方法通常分为两大类。一方面，诸如伞形采样和元自相关等方法基于少量的序参量或集合变量来构建偏置电位。另一方面，回火方法，如副本交换，结合不同的热力学系综在一个单一的扩展合奏。相反，我们采用一个统一的观点，专注于不同方法采样的目标概率分布。这使我们能够引入一类新的集体变量为基础的偏置电位，可用于采样任何扩展的合奏通常通过副本交换采样。我们还提供了一种实际的实施方式，通过适当地调整最近开发的即时概率增强采样方法的迭代方案[Invernizzi和Parrinello，J. Phys. Chem. Lett. 11.7（2020）]，其最初被引入用于类似元自相关的采样。所得到的方法是非常普遍的，可以用来实现不同类型的增强采样。它也是可靠和简单的使用，因为它只提供了几个和强大的外部参数，并有一个简单的重新加权方案。此外，它可以与任何数量的并行副本一起使用。我们展示了我们的方法的多功能性与应用程序的multicanonical和multithermal-multibaric模拟，热力学集成，伞形采样，以及它们的组合。
2020-08-07 physics.comp-ph
Accurate multiple time step in biased molecular simulations
许多最近推出的增强采样技术是基于偏置粗描述符（集体变量）的分子系统的飞行。有时，计算这样的集体变量是昂贵的，并成为分子动力学模拟的瓶颈。这里讨论了一种在多时间步长框架内处理平滑偏置力的算法。该实现是简单的，并允许在使用昂贵的集体变量时加快速度。当使用大规模并行或基于GPU的分子动力学软件时，增益可以是实质性的。此外，一个理论框架，以评估采样精度的介绍，它可以用来评估选择的集成时间步长在单和多时间步长偏置模拟。
2014-12-12 cond-mat.stat-mech physics.bio-ph physics.chem-ph
RiD-kit: Software package designed to do enhanced sampling using reinforced dynamics
本文提出基于集体变量的增强采样软件包RiD-kit，可处理大量CVs并高效应用于生物分子、化学反应和材料等大系统，提供了跨平台的用户友好命令行工作流。
2024-08-26 cond-mat.dis-nn physics.bio-ph physics.chem-ph
A critical comparison of general-purpose collective variables for crystal nucleation
晶体的成核是科学和技术中的一个突出现象，仍然缺乏完整的原子尺度理解。大量的工作已经致力于确定序参量能够跟踪的过程中，从早期的核开始，他们成熟到临界尺寸，直到一个扩展的晶体的生长。我们严格评估和比较两个强大的基于距离的集体变量，一个有效的熵来自液态理论和路径变量的基础上排列不变的向量使用的Kob-Andersen二进制混合物和增强的采样技术相结合。我们的研究结果揭示了一个相当的能力，驱动成核时，施加偏置电位，和可比的自由能障碍和结构特征。然而，我们也发现了一个不完美的相关性与提交者概率的障碍顶部，这是绕过改变序参量的定义。
2023-01-23 cond-mat.stat-mech physics.chem-ph 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
Making the best of a bad situation: a multiscale approach to free energy calculation
许多增强的采样技术依赖于识别描述系统的所有慢模式的一些集体变量。通过在这个缩减的空间中构建偏置势，人们就能够有效地采样并重建自由能景观。在元自适应算法等方法中，这些集合变量的质量在收敛效率中起着关键作用。不幸的是，在许多感兴趣的系统中，不可能确定一个最佳的集体变量，并且必须处理系统的非理想情况，其中一些慢模式没有被加速。我们提出了一个两步的方法，其中，考虑到残留的多尺度性质的问题，是能够显着加快收敛。要做到这一点，我们结合了探索性的元吸附运行与优化的自由能之间的差异亚稳态，最近提出的变分增强采样方法的基础上。该方法简单、物理图象清晰，具有很好的并行性，特别适合于复杂系统。
2019-02-22 physics.comp-ph
Thermal aliases in quantum noise: sampling clocks and pulse widths
Southern University of Science and Technology（南方科技大学）；International Quantum Academy, Shenzhen（深圳量子研究院）；Shenzhen Branch, Hefei National Laboratory（合肥国家实验室深圳分部）
该研究针对耦合谱未知的平稳高斯振子环境，推导整数时间采样格点的热别名带宽阈值，提出分数时钟与双宽度设计，结合二进制读出协议，实现无法获取模式分辨访问时的热模型测试。
2026-10-14 physics.comp-ph quant-ph
Data-driven path collective variables
Sorbonne Université（索邦大学）；Institut des Sciences du Calcul et des Données（计算与数据科学研究所）；Muséum National d’Histoire Naturelle（法国国家自然历史博物馆）；Institut de Minéralogie, de Physique des Matériaux et de Cosmochimie（矿物学、材料物理与宇宙化学研究所）；Physicochimie des Électrolytes et Nanosystèmes Interfaciaux（电解质与界面纳米系统物理化学实验室）；Institut Universitaire de France（法国大学研究院）
本文提出一种数据驱动的路径集合变量方法，通过核岭回归提交者概率生成一维可解释变量，在沉淀模型和离子缔合应用中验证其有效性，并揭示全局描述符与溶剂化壳层的关键作用。
2023-12-21 cs.LG physics.chem-ph physics.comp-ph
How to Differentiate Collective Variables in Free Energy Codes: Computer-Algebra Code Generation and Automatic Differentiation
集体变量的正确选择是分子动力学模拟中偏置采样自由能重构方法的核心。例如，PLUMED 2库提供了几个复杂的CV选择，在C++框架中实现;但是，由于需要为所有函数的解析导数提供代码，因此开发新的CV仍然很耗时。我们提出了两种解决方案，即（a）符号微分和代码生成，（b）自动代码微分，在这两种情况下利用开源库（SymPy和Stan Math分别）。这两种方法进行了详细的演示和讨论，实施一个现实的例子CV，局部曲率半径的聚合物。用户可以使用代码作为模板，使用高级构造和自动梯度计算来简化自己的CV的实现。
2018-02-27 physics.comp-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
A Variational Approach to Enhanced Sampling and Free Energy Calculations
广泛使用的采样方法，如分子动力学或蒙特卡罗，探索复杂的自由能景观的能力受到动力学瓶颈的存在严重阻碍。已经提出了大量的解决方案来缓解这个问题。许多是基于引入偏置电位，这是一个功能的一个小数目的集体变量。然而，构建这样一种偏见并不简单。在这里，我们引入了一个泛函的偏置电位和相关的变分原理。使泛函最小化的偏置以简单的方式与自由能表面相关。这种变分原理可以转化为一种实用、高效、灵活的采样方法。一些数值例子，其中包括一个三维自由能表面的测定。我们认为，除了在数值上的优势，我们的变分方法提供了一个方便的角度来看，在采样问题与新的眼睛。
2014-08-07 cond-mat.soft cond-mat.stat-mech physics.chem-ph
Enhanced Sampling in the Well-Tempered Ensemble
我们引入了以能量为集体变量时，由良调元自适应采样的有偏系综--良调系综。WTE可以被设计为具有与正则系综近似相同的平均能量，但波动要大得多。这两个属性导致了相空间的极快探索。当WTE与平行回火相结合时，可获得更高的效率。无偏玻尔兹曼平均值是用最近发展起来的重新加权方法在飞行中计算的[M. Bonomi等人，J. Comput. 30，1615（2009）]。我们应用WTE和它的平行回火变体的2D伊辛模型和去模型的HIV蛋白酶，表明在这两个代表性的情况下，收敛速度加快的数量级。
2010-04-13 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Enhanced Sampling in the Age of Machine Learning: Algorithms and Applications
College of Pharmaceutical Sciences, Zhejiang University（浙江大学药学院）；Italian Institute of Technology（意大利理工学院）；Zhejiang Provincial Key Laboratory for Intelligent Drug Discovery and Development（浙江省智能药物研发重点实验室）
本文探讨了机器学习在增强采样中的应用，重点介绍了数据驱动的集体变量构建、偏置方案改进及强化学习等方法，展示了其在生物分子过程等领域的广泛应用。
2025-09-04 physics.comp-ph
Metadynamics sampling in atomic environment space for collecting training data for machine learning potentials
机器学习势（MLP）的通用数学形式将原子间势发展的核心转移到收集适当的训练数据上。理想情况下，训练集应该包含不同的局部原子环境，但传统方法倾向于重复采样类似的配置，这主要是由于玻尔兹曼统计。因此，实践者手动挑选大量不同的配置，大大延长了开发周期。在这里，我们提出了一种新的采样方法，优化收集不同的，但相关的配置半自动。这是通过将元数据与局部原子环境的描述符一起作为集合变量来应用来实现的。因此，模拟自动转向未访问的局部环境空间，使得每个原子经历不同的化学环境而没有冗余。我们将所提出的亚自洽采样应用于H：Pt（111）、GeTe和Si系统。在整个示例中，少量的元自适应轨迹可以提供训练高保真MLP所需的参考结构。通过提出一种针对MLP的半自动采样方法，本工作为MLP在许多具有挑战性的应用中的更广泛应用铺平了道路。
2020-12-24 physics.comp-ph
Rethinking Metadynamics: from bias potentials to probability distributions
元自适应是一种非常流行的增强型采样方法，基于动态构建偏置势，该偏置势是选定数量的集体变量的函数。我们在这里提出了一个视角的变化，将重点从偏差转移到概率分布重建，同时保留了元自相关的一些关键特征，例如对自由能估计的灵活动态调整。其结果是一种增强的采样方法，它在收敛速度上有了大幅提高，特别是在处理次优和/或多维集合变量时。该方法是特别强大的，易于使用，事实上，它只需要几个简单的参数设置，它有一个简单的重新加权计划，以恢复无偏的合奏统计。此外，它提供了更多的控制相空间的期望的探索，因为沉积的偏置不允许无限增长，它不会推动模拟到无趣的高自由能区域。我们证明了该方法的性能在一些有代表性的例子。
2020-02-14 physics.comp-ph
Collective Variables for Crystallization Simulations -- from Early Developments to Recent Advances
结晶是材料科学、生物学和环境学中最重要的物理化学过程之一。几十年的实验和理论努力已经被用来理解这种根本的突破性转变。虽然实验提供了晶体的平衡结构和形状，但它们仅限于揭示分子如何聚集形成晶核，然后转化为大块晶体。计算机模拟，主要是分子动力学（MD），可以提供这样的结晶事件的早期阶段的微观细节。结晶是一个罕见的事件，发生的时间尺度比一个典型的平衡MD模拟可以采样长得多。MD方法的这种不充分的采样可以通过使用增强采样（ES）模拟来容易地规避。ES方法通过施加偏置电位来增强系统的缓慢自由度（称为集体变量（CV））的波动，从而在短时间尺度内将系统从一种状态转换到另一种状态。ES方法最关键的部分是找到合适的CV，这通常需要直觉和几个试错优化步骤。多年来，大量的CV已被开发并应用于结晶研究。在这篇综述中，我们提供了一个简要的概述CV已经开发和使用ES模拟研究从熔体或溶液结晶。这些CV主要可以分为四种类型：（i）基于球形颗粒的CV，（ii）基于分子模板的CV，（iii）基于物理性质的CV，以及（iv）通过降维技术获得的CV。我们提出了基于上下文的CV的演化，讨论了当前的挑战，并提出了未来的方向，以进一步开发有效的CV的研究结晶的复杂系统。
2022-09-28 cond-mat.soft physics.comp-ph
Simulating rare events using a Weighted Ensemble-based string method
我们引入了一个扩展的加权包围（WE）路径采样方法，限制采样到一个一维的路径通过一个高维相空间。我们的方法，这是基于有限温度弦方法，允许平衡和非平衡系统的有效采样。从WE方法获得的采样引导序参量空间的Voronoi曲面细分的自适应细化，其生成点在收敛时与主反应途径一致。我们证明了这种方法的应用程序驱动布朗运动的几个简单的，二维模型和构象变化的氮调节蛋白C接收域使用弹性网络模型。二维模型的简单性使我们能够直接将WE方法的效率与传统的蛮力模拟和其他路径采样算法进行比较，而蛋白质构象变化的例子则展示了该方法如何用于有效地研究许多集体变量空间中的转换。
2012-12-13 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Enhancing entropy and enthalpy fluctuations to drive crystallization in atomistic simulations
结晶是一个非常实用的过程，其中罕见但关键的波动导致从液体开始形成固相。就像所有的一阶相变一样，焓和熵之间存在相互作用。基于这一思想，为了在分子模拟中驱动结晶，我们引入了两个集体变量，一个是熵，另一个是熵。以这种方式定义，这些集体变量不会预先判断系统将具体化为什么样的结构。我们通过研究分别以面心立方和体心立方晶体结构结晶的钠和铝的情况，展示了这种方法的实用性。使用这两个通用的集体变量，我们进行变分增强的采样和回火metadhesics模拟，并发现系统之间的液体和固体相自发地和可逆地转变。
2017-03-28 cond-mat.mtrl-sci cond-mat.stat-mech physics.comp-ph
Chasing Collective Variables using Autoencoders and biased trajectories
CERMICS, Ecole des Ponts（巴黎高科路桥学院 CERMICS 实验室）；MATHERIALS team-project, Inria Paris（法国国家信息与自动化研究所巴黎中心 MATHERIALS 团队）
自由能偏置方法已被证明是一种强有力的工具，可以通过修改采样措施来加速分子重要构象变化的模拟。然而，这些方法大多依赖于低维慢自由度的先验知识，即集体变量（CV）。或者，可以使用机器学习（ML）和降维算法来识别这样的CV。在这种情况下，已经提出了使用自适应偏置以迭代方式学习CV的方法：在每次迭代时，学习的CV用于执行自由能自适应偏置以生成新数据并学习新CV。在本文中，我们介绍了一种新的迭代方法，涉及CV学习与自动编码器：自由能偏置和迭代学习与自动编码器（FEBILAE）。我们的方法包括一个重新加权方案，以确保学习模型在每次迭代时优化相同的损失，并实现CV收敛。以丙氨酸二肽体系和溶剂化的chignolin微蛋白体系为例，我们提出了我们的算法的结果，使用扩展的自适应偏置力作为自由能自适应偏置方法。
2021-10-19 cs.LG physics.bio-ph physics.comp-ph
Efficient Rare Event Sampling with Unsupervised Normalising Flows
本文提出 FlowRES 框架，利用无监督归一化流生成高质量非局域蒙特卡洛提议以高效采样稀有事件，无需先验数据或集体变量，且能处理多路径系统。
2024-01-02 cond-mat.dis-nn cond-mat.soft cond-mat.stat-mech
