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
Stochastic Resetting for Enhanced Sampling
提出了一种利用随机重置增强分子动力学模拟采样的方法。从晶体成核到蛋白质折叠,各种现象都发生在标准模拟无法达到的时间尺度上。这通常是由宽的过渡时间分布引起的,其中极慢的事件具有不可忽略的概率。随机重置,即,在随机时间重新开始模拟,最近被证明可以显著加快遵循这种分布的过程。在这里,我们首次采用重置来增强分子模拟的采样。我们表明,它加速了长时间尺度的过程,从简单的模型到分子系统的例子高达一个数量级。最重要的是,我们恢复的平均过渡时间没有重置-通常太长,直接采样-从加速模拟在一个单一的重新启动率。随机重置可以作为一种独立的方法使用,也可以与其他采样算法结合使用,以进一步加速模拟。
2022-10-02 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Molecular free energies, rates, and mechanisms from data-efficient path sampling simulations
本研究开发了一种算法,从机器学习引导的路径采样数据中近似平衡路径集合,以适中的计算成本同时提供稀有分子事件的高效采样、机制、自由能和速率,并在迷你蛋白chignolin折叠上验证了其数据高效性。
2023-07-28 cond-mat.stat-mech 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
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
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
Phase equilibrium of liquid water and hexagonal ice from enhanced sampling molecular dynamics simulations
本文采用增强采样分子动力学模拟研究了由TIP 4P/Ice原子间相互作用势模型模拟的液态水和冰Ih之间的相平衡。我们的方法是基于计算冰Ih液体自由能的差异,可逆地访问两个阶段的模拟。通过引入静态偏置电位作为序参量的函数,实现了可逆的相互转换。调整序参量使氧在冰Ih中结晶为六方金刚石结构。我们分析了系统尺寸对冰Ih-液体自由能差的影响,并在热力学极限下得到了270 K的熔化温度。这一结果与热力学积分(272 K)和共存模拟(270 K)的估计一致。由于序参量不包括有关质子坐标的信息,自发形成的固体构型包含如冰Ih所预期的质子无序。
2020-05-11 cond-mat.mtrl-sci cond-mat.stat-mech physics.chem-ph
Caliber based spectral gap optimization of order parameters (SGOOP) for sampling complex molecular systems
在现代多体系统的模拟中,大部分计算复杂性转移到识别缓慢变化的分子序参量,称为集体变量(CV)或反应坐标。大量的增强采样方法是基于这些低维序参量的识别和偏置,其波动在驱动感兴趣的罕见事件中是重要的。这里描述了一种新的算法,用于寻找最佳的低维集体变量,用于增强的采样偏置方法,如伞形采样,元自适应和相关方法,当有限的先验静态和动态信息是已知的系统,并指定了一个更大的候选CV集。该算法涉及估计这些候选CV的最佳组合,如通过被视为CV的函数的动态的谱间隙的最大路径熵估计所量化的。通过多个实际的例子,我们展示了这个后处理过程可以导致CV的优化和几个数量级的改进,通过元自洽计算的自由能的收敛,基本上给出了即使从不成功的元自洽运行中提取有用信息的能力。
2015-11-08 cond-mat.soft cond-mat.stat-mech physics.chem-ph
Enhanced Sampling with Machine Learning: A Review
Institute for Physical Science and Technology, University of Maryland(马里兰大学物理科学与技术研究所);Biophysics Program, University of Maryland(马里兰大学生物物理学项目);Department of Chemistry and Biochemistry, University of Maryland(马里兰大学化学与生物化学系)
本综述从共同视角系统梳理机器学习与增强分子动力学的融合,重点介绍降维、强化学习和基于流的方法等成功策略,并展望该快速演进领域的开放问题。
2023-06-16 cond-mat.stat-mech cs.LG physics.chem-ph
Differentiable sampling of molecular geometries with uncertainty-based adversarial attacks
Massachusetts Institute of Technology(麻省理工学院)
神经网络(NN)原子间势提供势能面的快速预测,与用于产生训练数据的电子结构方法的精度紧密匹配。然而,NN预测仅在学习良好的训练域中是可靠的,并且在外推时显示出不稳定的行为。不确定性量化方法可以标记预测置信度低的原子配置,但是到达这样的不确定区域需要对NN相空间进行昂贵的采样,通常使用原子模拟。在这里,我们利用自动微分驱动原子系统对高可能性,高不确定性的配置,而不需要分子动力学模拟。通过对不确定性度量执行对抗攻击,对扩展NN的训练域的信息几何进行采样。当与主动学习循环结合时,该方法引导并改进NN潜力,同时减少对地面实况方法的调用次数。这种效率被证明采样的动力学障碍和集体变量的分子,并可以扩展到任何NN潜在的架构和材料系统。
2021-03-29 cond-mat.stat-mech cs.LG physics.chem-ph
Quantum symmetry from enhanced sampling methods
本文用路径积分方法解决了双电子系统的负号采样问题。我们表明,这个问题可以重新表示为一个计算自由能的差异和采样的统计分布的尾部。使用Metadoptics,可以解决像两个电子被限制在量子点中这样的现实问题。我们相信,这是一个可以扩展到更复杂系统的策略。
2018-05-04 cond-mat.stat-mech quant-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
Superposition Enhanced Nested Sampling
物理学、天文学和应用数学中的许多问题的理论分析需要对表现出破遍历性的多模态参数空间进行有效的数值探索。蒙特卡罗方法被广泛用于处理这类问题,但这样的模拟受到普遍存在的采样问题的困扰:对特定状态进行采样的概率与其熵权成比例。设计一种能够有效地对整个相空间进行采样的算法是一个长期存在的问题。在这里,我们报告了一个新的混合方法探索的多峰参数空间表现出破碎遍历。叠加增强巢式抽样(SENS)结合了巢式抽样的无偏/无热抽样和全局优化的优点,在不增加参数的情况下大大提高了效率。我们报告了广泛的测试,这种新的方法为原子团簇,已知有能源景观,传统的采样方案遭受破坏遍历。我们还介绍了一种新的嵌套采样并行化算法。
2014-06-02 astro-ph.IM cond-mat.stat-mech physics.data-an
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
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
From Enhanced Sampling to Human-Readable Representations of Protein Dynamics
School of Molecular Sciences, Arizona State University(亚利桑那州立大学分子科学学院);Department of Basic Science & Humanities, Institute of Engineering & Management, School of UEM(UEM学院工程学院与管理学院基础科学与人文系)
本文提出一种自动化框架,将增强采样轨迹转化为蛋白质动力学的人可读表示,通过结合频率选择性非谐振模分析和加权动态交叉相关矩阵分析,识别相关和反相关运动的残基对和域,生成物理可解释的CVs,应用于五种蛋白质并展示其在生物相关域和运动识别中的有效性。
2026-05-07 cond-mat.stat-mech
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
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
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
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
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
Effective Sampling in the Configurational Space by the Multicanonical-Multioverlap Algorithm
我们提出了一个新的广义集成算法,我们称之为多anonical-multioverlap算法。该方法利用非Boltzmann权因子实现了在多维能量重叠空间中的随机游走,并在包含特定构型的构型空间中进行了广泛的探索,其中构型相对于参考态的重叠是结构相似性的度量。我们应用多通道-多重叠分子动力学方法,在真空中对五肽-甲硫氨酸脑啡肽进行了模拟。我们还应用多正则和多重叠分子动力学方法,这个系统的比较的目的。我们发现,多正则-多重叠分子动力学方法比其他两种方法更能在包含特定构型的构型空间中实现有效采样。从多通道-多重叠分子动力学模拟的结果进一步得到了甲硫氨酸-脑啡肽系统的一个新的局域最小态。
2006-10-06 cond-mat.stat-mech
Enhanced diffusion of molecular motors in the presence of adenosine triphosphate and external force
在恒定外力作用下,分子马达的扩散被认为是一个简单的理论模型的基础上。马达由布朗粒子在一系列周期性放置在直线上的抛物线势中运动表示,并且通过化学反应将势从一个抛物线随机切换到另一个抛物线,这对应于马达蛋白中ATP的水解或合成。结果发现,扩散系数作为力的函数表现出峰值。这种扩散增强的机制和观察它的生物旋转马达F1-ATP酶的可能性,进行了讨论。
2016-05-31 cond-mat.stat-mech
Comparing parallel and simulated tempering enhanced sampling algorithms at phase transition regimes
两种重要的增强采样算法,模拟(ST)和并行(PT)回火,通常使用遍历模拟可能难以实现时,例如,由于相空间分离的大自由能障碍。对于一阶相变周围的系统也是如此,这种情况在文献中仍然没有充分探讨这种方法。在这篇文章中,我们做了一个比较研究之间的PT和ST的伊辛(一个格子气体的流体语言)和BEG(一个格子气体与空位)模型在相变制度。我们表明,虽然这两种方法是等价的,在足够长的模拟的限制,PT是更有利的ST相对于所有的分析:收敛到平稳性;频率的隧道相位之间的共存;和时间位移的热力学量的关联函数的衰减。定性参数,为什么人们可能会期望更好的结果,从PT比ST附近的相变条件也提出。
2010-11-10 cond-mat.stat-mech
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
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
Rational Construction of Stochastic Numerical Methods for Molecular Sampling
University of Edinburgh(爱丁堡大学)
本文通过Baker-Campbell-Hausdorff引理形式展开Langevin动力学数值方法的不变测度,比较不同积分器的不变分布,发现一种方法在高摩擦极限下具有超收敛性(四阶精度),并可简化为Brownian动力学的Euler-Maruyama方法的非马尔可夫修正,在分子模拟中显著提高构型采样精度。
2012-05-04 cond-mat.stat-mech cs.NA math.NA
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
Characterizing Surface Wetting and Interfacial Properties using Enhanced Sampling (SWIPES)
我们介绍了一个准确和有效的方法来表征表面润湿和界面性质,如接触角的液滴在固体表面上,和汽-液表面张力的流体。该方法利用分子模拟结合间接伞采样技术,系统地润湿表面,并估计相应的自由能。为了说明该方法,我们研究了一个家庭的Lennard-Jones表面的润湿水。我们估计接触角的表面与水的广泛的吸引力,通过使用我们的方法,也通过使用液滴形状。值得注意的是,随着地表水吸引力的增加,我们的方法能够捕捉到从部分润湿到完全润湿的过渡。最后,该方法实现简单,计算效率高,在大约5纳秒的模拟时间内提供准确的接触角估计。
2018-11-13 cond-mat.soft cond-mat.stat-mech
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
Comment on "Solving Statistical Mechanics Using VANs": Introducing saVANt - VANs Enhanced by Importance and MCMC Sampling
Technische Universität Berlin(柏林工业大学);Fraunhofer Heinrich Hertz Institute(弗劳恩霍夫研究所海因里希赫兹研究所);Berlin Big Data Center(柏林大数据中心);Berliner Zentrum für Maschinelles Lernen(柏林机器学习中心);Department of Brain and Cognitive Engineering, Korea University(韩国大学脑与认知工程系);Max-Planck-Institut für Informatik(马克斯-普朗克计算机科学研究所);RIKEN Center for AIP(理化学研究所先进物理与智能中心)
在对Wu等人的“使用变分自回归网络解决统计力学”的评论中,我们对他们的方法提出了一个微妙而有力的修改。我们发现,他们的方法的固有的抽样误差可以通过使用基于神经网络的MCMC或重要性抽样,从而导致物理量的渐近无偏估计进行校正。这种修改是可能的,因为VAN的奇异属性,即它们提供精确的样本概率。通过这些修改,我们相信他们的方法可以对物理学的各个重要领域产生更大的影响,包括强相互作用场论和统计物理。
2019-03-26 cond-mat.stat-mech cs.LG stat.ML
Enhanced sampling and applications in protein folding in explicit solvent
本文提出了一种模拟大型复杂系统的单拷贝回火方法。在广义系综中,该方法使用从一个新的积分恒等式计算的热平均能量的运行时估计来指导连续的温度空间随机行走。我们首先在二维伊辛模型和Lennard-Jones液体系统中验证了该方法。然后将其应用于三种小蛋白质,trpzip 2,trp-cage和villin headpiece在显式溶剂中的折叠。在0.5~1微秒内,所有三个系统都被折叠到原子精度:最佳折叠构象的α碳均方根偏差分别为0.2 A,0.4 A和0.4 A,对于trpzip 2,trp-cage和villin headpiece。
2010-05-26 cond-mat.stat-mech physics.bio-ph physics.comp-ph