Gaussian Mixture Based Enhanced Sampling
化学和物理学中的许多过程发生在无法使用标准分子动力学模拟探索的时间尺度上。这使得必须使用强化抽样。在这里,我们介绍了一种增强的采样方法,该方法是基于构建一个模型的概率密度,从该模型中推导出的偏置电位。该模型依赖于这样一个事实,即在一个物理系统中,大多数访问的配置可以被分组为孤立的亚稳态岛。对于每个岛,我们关联一个适合高斯混合的分布。不同的分布与自洽计算的系数线性组合在一起。值得注意的是,从这个有偏的动力学,不同的亚稳态之间的过渡率可以直接计算。
2019-11-25 cond-mat.stat-mech physics.chem-ph physics.comp-ph
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
Enhanced sampling of transition states
几个基本过程的自由能景观的特点是高势垒分离长寿命的亚稳态。为了探索这些类型的景观增强采样方法使用。虽然许多这样的方法能够获得足够的采样以提取自由能,但是过渡态通常被稀疏地采样。我们提出了一种基于变分增强采样方法的方法来增强过渡区的采样。为此,我们引入了一个动态的目标分布,它使用的瞬时自由能表面的导数来定位的过渡区域的飞行和调制采样不同区域的概率。最后,我们验证了这种方法在化学反应和成核过程的情况下在过渡态区域中丰富构型数目的有效性。
2018-12-21 cond-mat.stat-mech physics.chem-ph
Enhanced sampling methods for molecular dynamics simulations
增强的采样算法已经成为扩展分子动力学模拟的实用性并允许在给定量的模拟时间内对复杂系统的配置空间的较大部分进行采样的强有力的方法。本文综述了目前用于生物分子、软物质和分子晶体的分子模拟中增强采样的许多计算方法的统一原理和差异。事实上,尽管这些方法明显丰富和分歧,但其核心原理可以归结为数量相对有限的统计和物理原理。为了能够进行比较,使用类似的术语和符号介绍了各种方法。然后,我们说明了许多不同的方法结合原则,从一个较小的类增强采样的概念。这篇评论的目的是为科学家与分子动力学模拟和统计物理学的基础知识的理解谁想要更深入地了解的想法,各种增强的采样方法和它们之间的关系。这一活的审查是为了更新,以继续反映丰富的抽样方法,因为他们继续出现在文献中。
2022-08-25 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
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
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
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
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
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
Enhanced path sampling using subtrajectory Monte Carlo moves
路径采样允许通过路径空间中的蒙特卡罗(MC)探索来研究罕见事件,如化学反应、成核和蛋白质折叠。代替配置点,该方法采样短分子动力学(MD)轨迹与特定的开始和结束条件。在配置MC中,其效率高度依赖于MC移动的类型。在过去的二十年里,中央MC移动路径采样一直是所谓的射击移动,其中一个扰动的相位点的旧路径是向后和向前传播的时间,以产生一个新的path.Recently,我们提出了子轨迹移动,石头跳跃(SS)和网络投掷(WT),这是被证明是更有效的。然而,一步交叉要求使得它们在与外部MD程序组合时或当序参量确定昂贵时更难以实现。在这篇文章中,我们提出了解决这个问题的策略。最通用的解决方案是一个新的成员亚轨迹移动,铁丝网(WF),这是不那么节俭的SS,但更多才多艺。这使得它更容易链接路径采样代码与外部MD软件包,并提供了一个实用的解决方案的情况下,计算的序参量是昂贵的或不是一个简单的函数的几何形状。我们证明了WF移动在一个双阱Langevin模型,一个基于经典力场的薄膜断裂过渡,和一个较小的钌氧化还原反应在从头算水平,其中的序参量明确取决于电子密度。
2022-10-13 cond-mat.stat-mech 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
Multiscale reweighted stochastic embedding (MRSE): Deep learning of collective variables for enhanced sampling
机器学习方法为自动发现和表示仿真数据的基本特征提供了一个通用框架。这一任务在增强型采样模拟中尤为关键。在那里,我们寻求一些广义的自由度,称为集体变量(CV),以表示和驱动自由能景观的采样。理论上,这些CV应该分离不同的亚稳态,并对应于所研究的物理过程的慢自由度。为此,我们提出了一种新的方法,我们称之为多尺度加权随机嵌入(MRSE)。我们的工作建立在随机邻居嵌入的参数版本。该技术通过深度神经网络自动学习将高维特征空间映射到低维潜在空间的CV。我们介绍了随机近邻嵌入方法的几个新进展,使MRSE特别适合于增强的采样模拟:(1)加权回火随机采样作为一个地标选择方案,以获得训练数据集,平衡平衡的代表性和捕获重要的亚稳态躺在自由能较高;(2)通过高斯混合概率模型的高维特征空间的多尺度表示;以及(3)重新加权过程,以考虑来自有偏概率分布的训练数据。我们表明,MRSE构建低维CV,可以正确地表征不同的亚稳态在三个模型系统:Müller-Brown势,丙氨酸二肽,丙氨酸四肽。
2021-06-17 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
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 Algorithms
在具有多自由度的生物分子系统(特别是全原子模型)中,如蛋白质和核酸,存在大量的局域最低能态。在正则系综中的常规模拟几乎没有用处,因为它们往往会被困在这些能量局部最小值的状态中。因此,对增强型构象取样技术的需求很大。广义系综模拟在势能空间中进行随机游走,可以克服这一困难。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。本文综述了广义系综算法在生物分子系统中的应用。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,我们提出了这三个广义集成算法的各种扩展。短肽和蛋白质系统的方法的有效性进行了测试。
2010-12-28 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Enhanced sampling in generalized ensemble with large gap of sampling parameter: case study in temperature space random walk
我们提出了一个有效的采样方法计算的配分函数和加速配置采样。该方法在$λ$空间中执行随机游走,其中$λ$是表征正则系综的任何热力学变量,诸如倒数温度$β$或哈密顿量明确依赖的任何变量。(在$λ=β$的情况下为能量),定义为来自配分函数的动态更新的导数的值与从模拟直接测量的值之间的差。配分函数的高阶导数被包括以增强$λ$空间中的布朗运动。该方法对系统大小和$λ$窗口大小的敏感性比其他方法小得多。在二维伊辛模型上,证明了该方法渐近收敛于配分函数,且配分函数的对数误差比采用Wang-Landau递推格式的算法小得多.该方法也适用于非晶格模型蛋白质,$AB$模型,在这种情况下,许多低能量状态被发现在不同的模型。
2009-03-12 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
Integrated Alchemical and Conformational Enhanced Sampling for Solvation Free Energy Calculations
New York University(纽约大学);Massachusetts Institute of Technology(麻省理工学院);Indian Institute of Technology Kanpur(坎普尔印度理工学院)
该研究开发了集成λ-动力学、OPES与d-AFED的增强采样协议,提升了溶剂化自由能计算的精度与效率,为复杂体系的炼金术自由能方法应用奠定基础。
2026-08-14 physics.chem-ph physics.comp-ph
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
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
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
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
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
Hyperspatial Sampling: Circumventing Free-Energy Barriers via Replica Exchange with Extra Dimensions
NEC Laboratories Europe GmbH(NEC欧洲实验室有限公司);NEC OncoImmunity AS(NEC肿瘤免疫股份有限公司);NEC Secure System Platform Research Laboratories(NEC安全系统平台研究实验室)
研究针对模拟崎岖自由能景观系统的挑战,提出超空间副本交换(HS - REX)方法,通过额外维度扩展系统以规避障碍,仅惩罚溶质原子减少副本数,在双阱和丙氨酸二肽系统验证,实现增强遍历采样。
2026-07-27 cond-mat.soft cond-mat.stat-mech physics.chem-ph
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
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
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
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
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 Sampling for Efficient Learning of Coarse-Grained Machine Learning Potentials
Professorship of Multiscale Modeling of Fluid Materials, Department of Engineering Physics and Computation, TUM School of Engineering and Design, Technical University of Munich(多尺度流体材料建模教授职位,工程物理与计算系,技术大学慕尼黑工程与设计学院)
本研究通过增强采样改进粗粒化机器学习势的训练方法,提高其准确性和可靠性。
2025-11-27 cs.LG physics.chem-ph physics.comp-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
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
Improving the Efficiency of Variationally Enhanced Sampling with Wavelet-Based Bias Potentials
基于集体变量的增强采样方法通常用于具有亚稳态的系统,其中当使用常规分子动力学模拟时,高自由能势垒阻碍自由能景观的适当采样。一种这样的方法是变分增强采样(VES),其基于变分原理,其中通过最小化凸泛函来构造在一些选择的慢自由度或集体变量的空间中的偏置势。在实际应用中,偏置势被看作是在某个基函数集合上的线性展开。到目前为止,主要是在集体变量空间中离域的基函数,如平面波,切比雪夫或勒让德多项式,已被使用。然而,还没有一个广泛的研究如何收敛行为的影响,基函数的选择。特别是,它仍然是一个悬而未决的问题,如果本地化的基础函数可能会表现得更好。在这项工作中,我们实现,调整,并验证Daubechies小波作为VES的基函数。小波构造的正交和本地化的基础,表现出有吸引力的多分辨率属性。我们评估小波和其他基函数在各种系统上的性能,从模型电位到水中的碳酸钙缔合过程。我们观察到,小波表现出优异的性能和更强大的收敛行为比所有其他的基函数,以及更好的性能比元自适应。特别是,使用小波基产生小得多的波动的偏置电位在个别运行和独立运行之间的差异较小。基于我们的总体结果,我们可以推荐小波作为VES的基函数。
2022-05-25 cond-mat.soft cond-mat.stat-mech 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
Variational control forces for enhanced sampling of nonequilibrium molecular dynamics simulations
我们引入了一个变分算法来估计一个罕见的事件在非平衡分子动力学模拟的可能性,通过评估的最佳控制力。在选定的基础内的控制力的优化是可能的显式形式的成本函数的梯度在驱动轨迹的变化参数的变化的敏感性。我们认为概率的时间积分动态观测的特点是其大偏差函数,并发现在许多情况下,变分估计是定量准确的。此外,我们提供的表达式,以准确地纠正变分估计,可以直接评估。我们基准此算法对数值精确解的驱动粒子在周期性的潜力,其中的控制力可以表示与一个完整的基础模型。然后,我们证明了该算法的效用在一条线上的排斥粒子的模型,它经历了一个动态的相变,导致奇异变化的形式的最佳控制力。在这两个系统中,我们发现快速收敛,并能够评估大偏差函数的统计效率显着增加替代蒙特卡罗方法。
2021-01-12 cond-mat.stat-mech physics.chem-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
Propensity of water self-ions at air(oil)-water interfaces revealed by deep potential molecular dynamics with enhanced sampling
本研究基于深度势能分子动力学与增强采样,利用Voronoi集体变量模拟水自离子在空气/油-水界面的分布,发现空气-水界面存在稳定离子双层,而油-水界面氢氧根离子因正电荷分布而富集,有助于理解水界面酸碱性质。
2024-11-12 physics.chem-ph physics.comp-ph
Inverse Design Method with Enhanced Sampling for Complex Open Crystals: Application to Novel Zeolite Self-Assembly in a Coarse-Grained Model
本研究提出一种结合增强采样分子动力学与进化参数优化的逆向设计流程,在粗粒化模型中成功重现并发现了多种沸石骨架,为沸石合成方案筛选和新型结构发现提供了有效工具。
2024-10-29 cond-mat.mtrl-sci cond-mat.soft 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
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
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
Enhanced Sampling for Free Energy Profiles with Post-Transition-State Bifurcations
本文提出一种基于well-tempered metadynamics与深度学习单点能量估计的增强采样方法,无需DFT级从头算模拟即可获得具有过渡态后分岔的反应自由能面,并以SpnF催化的Diels-Alder反应为例验证了其对[4+2]与[6+4]路径的刻画能力。
2022-11-24 physics.chem-ph
Quantum error mitigation using energy sampling and extrapolation enhanced Clifford data regression
University of Copenhagen(哥本哈根大学);University of Southern Denmark(南丹麦大学);Technical University of Denmark(丹麦技术大学);University of Southampton(南安普顿大学)
本研究通过能量采样和非Clifford外推改进Clifford数据回归,提升量子化学模拟中噪声缓解效果。
2026-02-25 physics.chem-ph physics.comp-ph quant-ph
Extending and validating bubble nucleation rate predictions in a Lennard-Jones fluid with enhanced sampling methods and transition state theory
我们通过显式分子动力学模拟计算了Lennard-Jones流体中气泡的成核速率。我们的方法-基于最近的自由能方法(被称为重新加权Jarzynski采样),过渡态理论,和一个简单的recrossing校正-使我们能够探测一个相当宽的范围内的速率在几个过热和空化制度的一致的方式。从这种方法桥梁不同的独立文献研究相同的模型系统的速率预测。因此,我们发现,基于经典成核理论,直接蛮力分子动力学模拟,和播种率预测是一致的,我们的方法和彼此。公布的利率来自前向通量采样模拟,但是,发现异常值。这项研究有两个目的。首先,我们在材料科学和化学物理的一个典型问题上验证了常用建模技术和外推方法的可靠性。其次,我们进一步测试我们的高度通用的配方率计算,并建立其适用性的成核过程。
2022-11-14 cond-mat.soft physics.chem-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
Conformational Entropy as Collective Variable for Proteins
许多强化抽样方法,如伞式抽样、元统计学或变异强化抽样,都依赖于确定适当的集体变量。对于蛋白质,即使是很小的蛋白质,找到合适的集体变量也是一个挑战。在这里,我们建议,NMR $S^2$序参量可以用于这种效果。我们将这一说法的有效性追溯到$S^2$和熵之间的建议关系。使用$S^2$序参量和蛋白质焓的替代品结合Metadhesics或变分增强采样,我们能够可逆地折叠和展开一个小的蛋白质,并在一小部分的时间,是在无偏模拟所需的自由能。从更概念化的观点来看,这意味着将折叠描述为熵和焓之间的权衡结果。我们还使用$S^2$结合自由能洪水方法来计算该肽的去折叠速率。我们在不同温度下重复此计算以获得去折叠活化能。
2017-04-10 cond-mat.soft cond-mat.stat-mech physics.chem-ph
Reactive calcium carbonate precipitation from an atomic cluster expansion potential and enhanced sampling
CIC nanoGUNE(纳米古恩研究中心);Ikerbasque, Basque Foundation for Science(伊卡巴斯基克,巴斯克科学基金会)
研究人员结合原子簇展开机器学习势与增强采样技术,实现了碳酸钙沉淀早期阶段的反应性模拟,揭示了离子聚集与化学反应性在形核早期的紧密耦合关系。
2026-09-04 cond-mat.mtrl-sci physics.chem-ph
HybridLinker: Topology-Guided Posterior Sampling for Enhanced Diversity and Validity in 3D Molecular Linker Generation
KAIST(韩国科学技术院);Seoul National University(首尔国立大学);McLean Hospital, Harvard Medical School(麦肯纳医院,哈佛医学院)
针对3D分子连接子生成中多样性与有效性难以兼得的问题,提出HybridLinker框架,利用预训练点云无关模型提供多样拓扑指导点云感知推理,并通过首个跨空间扩散后验采样方法LinkerDPS,在无需额外训练下同时提升有效性和多样性。
2025-05-27 cs.AI cs.LG physics.chem-ph
Machine Learning of Slow Collective Variables and Enhanced Sampling via Spatial Techniques
Nicolaus Copernicus University(尼古拉斯·哥白尼大学);Institute of Physics(物理研究所)
本文聚焦于利用数据空间特征而非时间轨迹来识别慢集体变量的机器学习技术,综述了该方向的最新进展并展望了热力学信息驱动的空间学习路径。
2024-12-30 cs.LG physics.chem-ph
METALICA: METAdynamics and repLICA exchange for enhanced diffusion sampling
University of British Columbia(英属哥伦比亚大学);University of Cambridge(剑桥大学)
METALICA通过副本交换在扩散模型上实现元动力学,沿集体变量累积偏置以高效采样稀有构象,并在蛋白质去折叠中成功发现第二个自由能最小值。
2026-09-17 cs.LG physics.bio-ph physics.chem-ph
Rayleigh-Gauss-Newton optimization with enhanced sampling for variational Monte Carlo
Courant Institute of Mathematical Sciences, New York University(纽约大学库朗数学科学研究所)
针对变分蒙特卡洛中神经波函数优化难、采样噪声大的问题,提出 Rayleigh-Gauss-Newton 优化器并结合 parallel tempering 增强采样,在大晶格 Ising 与 XXZ 模型上实现快速高精度基态能量估计。
2022-07-20 cs.LG cs.NA math.NA