Comment on "Fast and Accurate Modeling of Molecular Atomization Energies with Machine Learning"
对M的信的评论Rupp等人,物理修订信函108 058301(2012)。
2012-08-06 cond-mat.mtrl-sci physics.chem-ph
Accelerated sampling by infinite swapping of path integral molecular dynamics with surface hopping
Duke University(杜克大学);Peking University(北京大学)
本文提出通过无限交换极限的多级环聚合物表示加速多级量子系统的热平衡采样,结合表面跃迁方法与平均场路径积分分子动力学,并提出多尺度积分器提升采样效率。
2018-01-29 cs.NA math.NA physics.chem-ph
Accurate molecular energies by extrapolation of atomic energies using an analytic quantum mechanical model
使用一种新的分析量子力学方法的基础上斯莱特的Xalpha方法,我们表明,一个相当准确的估计分子的总能量可以得到其组成原子的确切能量。由此确定的56个分子的G2组的总能量的平均绝对误差为约16千卡/摩尔,相当于或优于一些流行的纯和混合密度泛函模型。
2005-03-17 cond-mat.mtrl-sci cond-mat.other physics.chem-ph
Boson Sampling for Molecular Vibronic Spectra
预计量子计算机在执行某些计算时比任何经典机器都更有效。不幸的是,与构建全尺寸量子计算机相关的技术挑战还没有允许实验验证这种期望。最近,玻色子采样已经成为一个问题,被怀疑是棘手的任何经典计算机,但有效地实现了线性量子光学设置。因此,玻色子采样可能为扩展丘奇-图灵论题提供了一个实验上可实现的挑战,这种非凡的可能性激发了人们对玻色子采样的兴趣,至少在复杂性理论问题上是如此。在这项工作中,我们表明,玻色子采样装置的成功开发不仅会回答这样的问题,而且还产生了一个实用的工具,困难的分子计算。具体来说,我们表明,玻色子采样装置与修改后的输入状态,可以用来产生分子振动光谱,包括复杂的影响,如杜辛斯基旋转。
2014-12-29 physics.chem-ph physics.comp-ph physics.optics
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
Continuum limit and preconditioned Langevin sampling of the path integral molecular dynamics
我们调查的连续极限,珠的数量趋于无穷大的环状聚合物表示的热平均值。研究轨迹采样方程的连续极限,揭示了可能的预处理技术的采样环聚合物配置与大量的珠。我们提出了两个预处理的Langevin采样动力学,这被证明具有改善的稳定性和采样精度。我们提出了一个仔细的模式分析的预处理动力学,并显示其连接到正常模式,分期坐标和松原模式表示环聚合物。在势为二次势的情况下,我们证明了预条件质量修正的Langevin动力学的连续极限指数快速地收敛到其平衡点,这表明有限维动力学具有与维数无关的收敛速率.此外,预处理技术可以自然地应用于非绝热区域的多能级量子系统,这是兼容的各种数值方法。
2020-02-05 physics.chem-ph physics.comp-ph
Towards automated sampling of polymorph nucleation and free energies with SGOOP and metadynamics
了解不同多晶型物成核背后的驱动力对于材料科学和制药工业具有重要意义。这包括理解控制成核过程的反应坐标以及正确计算不同多晶型物的相对自由能。在这里,我们演示了尿素成核从熔体的典型情况下,如何可以学习这样的1维反应坐标作为预先指定的序参量的函数,并使用它来执行有效的偏置全原子分子动力学模拟。使用“序参量的光谱间隙优化(SGOOP)”方法[P. Tiwary和B. J. Berne,Proc. Natl. Acad. Sci.(2016)],并使用良好的回火元自适应模拟偏置。反应坐标提供了洞察不同的结构和热力学序参量所发挥的作用,和有偏见的模拟获得准确的相对自由能为不同的多晶型。这包括准确预测尿素经历相变和亚稳多晶型物之一变成最稳定构象的近似压力。我们相信,在这样的工作中所展示的想法将有助于在复杂的,通用的系统中的成核的有效采样。
2021-08-24 cond-mat.soft cond-mat.stat-mech physics.chem-ph
Fast and Accurate Modeling of Molecular Atomization Energies with Machine Learning
我们引入了一个机器学习模型来预测一组不同的有机分子的原子化能量,仅基于核电荷和原子位置。求解分子薛定谔方程的问题被映射到一个非线性统计回归问题的复杂性降低。回归模型进行训练,并与混合密度泛函理论计算的原子化能量进行比较。对七千多个有机小分子进行交叉验证,得出的平均绝对误差约为10 kcal/mol。证明了该方法对分子原子化势能曲线预测的适用性。
2011-09-12 cond-mat.dis-nn cond-mat.mtrl-sci physics.chem-ph
Predicting hydration free energies of the FreeSolv database of druglike molecules with molecular density functional theory
我们评估了分子密度泛函理论(MDFT)的性能,以预测小药物样分子基准FreeSolv的水合自由能。超网状链近似(HNC)中的MDFT结合压力校正预测FreeSolv数据库的实验水合自由能在1 kcal/mol以内,平均计算时间为每个分子2 cpu. min。这与基于模拟的自由能计算的精度相同,后者通常需要每个分子数百个CPU. h或数十个GPU. h。
2020-06-25 physics.chem-ph
Accuracy of basis-set extrapolation schemes for DFT-RPA correlation energies in molecular calculations
在完全基组极限下,在密度泛函理论(DFT)框架下构建了原子和分子随机相位近似(RPA)相关能的参考基准集。这套是用来评估一些流行的RPA全电子分子计算外推方案的准确性。结果表明,对于绝对能量准确的结果,明显优于原始数据,是可以实现的两点外推计划的基础上五倍和六倍zeta基组。此外,我们表明,结果与基准也可以通过使用基于四重和五重zeta基组的半经验外推程序。最后,我们分析了不同的原子化能量外推方案的性能。
2013-02-21 cond-mat.mtrl-sci physics.chem-ph
Calculation of molecular free energies in classical potentials
分子的自由能可以通过量子计算或简正模经典计算来计算。然而,第一个可以计算不切实际的大分子和第二个是基于谐波动力学的假设。提出了一种新的、精确的、完整的标准经典势下分子自由能的计算方法。在这种方法中,我们通过放松依赖于该分子中的一组原子的坐标的势项来变换分子,并计算与变换相关的自由能差。然后,由于转换后的分子可以被视为非相互作用系统,与这些原子的自由能进行了分析或数值计算。这种两步计算可以应用于计算分子的自由能或一般环境中分子之间的自由能差(可能很大)。我们提出了化学反应自由能计算在经典分子模拟中的潜在应用。
2015-07-16 physics.chem-ph
Quantum equation of motion for computing molecular excitation energies on a noisy quantum processor
分子激发能的计算对于预测具有化学和技术意义的光诱导反应是必不可少的。虽然这项任务所需的经典计算资源规模很小,但量子算法成为有前途的替代方案。特别是,扩展的变变分量子本征求解器算法的计算的激发能是一个有吸引力的选择。然而,目前缺乏这样的算法相关的分子系统,是服从短期,嘈杂的硬件。在这项工作中,我们提出了一个扩展的经典运动方程方法的量子算法计算分子激发能的噪声量子计算机。特别是,我们证明了这种方法的效率在IBM量子计算机上的LiH分子的激发能的计算。
2020-08-17 cond-mat.str-el physics.chem-ph quant-ph
Quantum Computing for Molecular Vibronic Spectra and Gaussian Boson Sampling
玻色子采样(BS)是一个多模线性光学问题,在经典计算机上是难以解决的。最近有人提出,分子振动光谱(MVS)的计算是复杂的BS。本文讨论了BS和MVS的对应关系,并简要介绍了利用量子器件实现分子光谱过程的实验演示。这两种理论的相似性导致了另一种BS设置,称为“振动BS”。本文还解释了振子BS的层次结构,它包括原始BS和其他高斯BS。
2018-03-27 physics.chem-ph physics.optics quant-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
Empirical corrections and pair interaction energies in the fragment molecular orbital method
结合Hartree-Fock方法和三个经验修正(HF-3c),得到了FMO的能量和解析梯度。将FMO的辅助基组方法推广到对相互作用能量分解分析。针对包括3种蛋白质的几种典型系统评价FMO准确度。对相互作用能计算与不同的方法在FMO进行了比较的水簇和蛋白质配体复合物。
2018-06-20 physics.chem-ph
Molecular Similarity in Machine Learning of Energies in Chemical Reaction Networks
针对化学反应网络中过渡态结构能量预测的挑战,本研究探讨了结构描述符的局限性,发现基于DFT与耦合簇方法能量差的$Δ$-机器学习优于直接学习,并指出需更复杂的描述符以准确预测过渡态能量。
2025-04-25 physics.chem-ph physics.comp-ph
Free energies of molecular clusters determined by guided mechanical disassembly
分子团簇的过量自由能是亚稳汽相液滴成核模型中的关键量;它通常被视为两相之间存在界面时产生的自由能。我们展示了如何这个数量可以提取从模拟的机械解体的集群使用引导粒子在分子动力学。我们拆卸集群的大小范围从5到27氩类Lennard-Jones原子,热化在60 K,并获得多余的自由能,通过Jarzynski等式,这是与以前的研究一致。我们只模拟感兴趣的簇,与需要在大小不同的簇之间进行一系列比较的方法相反。我们将讨论该方案的优点和缺点,以及如何将其应用于更复杂的复杂系统。
2015-05-22 cond-mat.stat-mech physics.atm-clus physics.chem-ph
Systematic improvement of molecular excited state calculations by inclusion of nuclear quantum motion: a mode-resolved picture and the effect of molecular size
分子激发态的能量是电子薛定谔方程的解,经常与实验进行比较。同时,已知核量子运动是重要的,并且引起激发态能量的红移。然而,目前还不清楚是否将核量子运动的分子激发态计算导致其预测精度的系统性改善,使进一步的调查是必要的。在这里,我们提出了这样的调查,采用两个第一性原理的方法捕获量子涨落的影响,激发态的能量,我们适用于Thiel集的有机分子。我们表明,占零点运动导致大大改善的协议与实验相比,“静态”计算,只占电子效应,和红移的幅度可以变得高达1.36 eV。此外,我们还发现原子核量子运动对激发态能量的影响很大程度上取决于分子的大小,分子越小,红移越大。我们的方法也使得有可能分析的贡献,个别振动的正常模式的激发态能量的红移,并在几个分子中,我们确定了有限数量的模式主导这种效果。总的来说,我们的研究提供了一个基础,系统地量化的激发态能量的移动,由于核量子运动,并在微观水平上理解这种效果。
2021-06-25 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
A simple many-body based screening optimization and mixing ansatz for improvement of GW/BSE excitation energies of molecular systems
我们提出了一个简单的基于多体的筛选混合策略,大大提高性能的Bethe-Salpeter(BS)方法预测的分子系统的激发能。这种策略使我们能够通过最佳地利用抵消效应,几乎再现高度相关的运动方程耦合团簇单双(EOM-CCSD)的结果。
2017-08-21 physics.chem-ph
Equivariant Flows: sampling configurations for multi-body systems with symmetric energies
Freie Universität Berlin(柏林自由大学);Rice University(莱斯大学)
流是精确似然生成神经网络,它将样本从简单的先验分布转换为感兴趣的概率分布的样本。玻尔兹曼发生器(BG)结合了流和统计力学,对强相互作用的多体系统(如具有1000个原子的蛋白质)的平衡态进行采样。为了扩展和推广这些结果,必须将概率密度的自然对称性(物理学中由能量函数的不变性定义)构建到流中。在这里,我们开发的理论工具,用于构建等变流,并证明了一个BG是等变的旋转和粒子排列可以推广到采样nontrivially新的配置,一个nonequivariant BG不能。
2019-10-02 cs.LG physics.chem-ph physics.comp-ph
Stochastic Optimal Control for Collective Variable Free Sampling of Molecular Transition Paths
University of Oxford(牛津大学);University of Amsterdam(阿姆斯特丹大学);Google DeepMind(谷歌DeepMind)
本文将分子跃迁路径采样关联到Schrödinger桥与随机最优控制,提出不依赖集体变量的PIPS机器学习方法,并在丙氨酸二肽、聚脯氨酸和Chignolin上生成低能跃迁路径。
2023-07-18 cs.LG physics.chem-ph q-bio.BM
Lattice energies of molecular solids from the random phase approximation with singles corrections
本文采用无规相近似(RPA)方法,考虑单关联能贡献,计算了十种分子固体的晶格能。虽然RPA给出太弱的结合,平均低估了参考数据$13.7$ \%,但是当在GW单激发(GWSE)水平包括单激发时,获得了大大改善的结果,与参考数据的平均绝对差仅为$3.7$ \%。与以前的结果相一致,我们发现一个很好的协议与参考数据的氢键系统,而结合是太弱的色散力占主导地位的系统。事实上,RPA+GWSE方法的总体精度与参考数据的估计精度相似。
2016-06-22 physics.chem-ph
Thermodynamic Sampling of Molecular Conformations
柔性分子的扭转空间蒙特卡罗模拟通常基于这样的假设,即在没有原子相互作用的情况下,所有二面角的值具有相等的概率。在本文中,它表明,这种假设是无效的。使用二面角或其他内部坐标的热力学采样必须考虑构象空间中的正确度量和转动惯量张量的构象依赖性。度量和转动惯量项作为构象相关因子出现在配分函数中,并通过适当分离内部自由度和旋转自由度获得。这两个因素的重要性进行了讨论的一些短肽以及折叠和展开状态的蛋白质。它的结论是热力学蒙特卡罗模拟的蛋白质折叠,忽略这些校正因子往往低估了折叠状态的稳定性。
2004-01-09 cond-mat.stat-mech physics.chem-ph
Hierarchical modeling of molecular energies using a deep neural network
我们引入了分层交互粒子神经网络(HIP-NN)来模拟量子计算数据集的分子性质。受多体展开的启发,HIP-NN将能量等属性分解为分层项的总和。这些项是由一个神经网络产生的--一个由许多非线性变换组成的网络--作用于分子的一个表示。HIP-NN在131 k基态有机分子的数据集上实现了最先进的性能,并以0.26 kcal/mol的平均绝对误差预测能量。通过最小的调整,我们的模型在分子动力学轨迹数据集上也具有竞争力。除了实现准确的能量预测外,HIP-NN的分层结构还有助于识别模型不确定性区域。
2017-09-29 physics.chem-ph stat.ML
High-throughput free energies and water maps for drug discovery by molecular density functional theory
类药物分子的水合自由能是药物发现的关键数据。需要数十万次评估,这排除了原子模拟和自由能方法的详尽使用。相反,目前的对接和筛选过程今天依赖于数字上有效的评分功能,失去了大部分的原子尺度的信息,因此仍然容易出错。在这篇文章中,我们将展示如何概率描述的分子液体中实施的分子密度泛函理论预测水合自由能的一个国家的最先进的基准的小药物样分子在0.5千焦/摩尔(0.1千卡/摩尔)的原子模拟,随着水和极化图,计算时间兼容的筛选和对接。
2018-06-08 physics.chem-ph
Binding energies of molecular solids from fragment and periodic approaches
本文采用Hartree-Fock(HF)和二阶Møller-Plesset微扰理论(MP2)计算了四种分子固体的结合能。我们得到的能量内多体膨胀(MBE),以及使用周期性边界条件(PBC)比较这两种方法。我们研究的系统是甲烷、二氧化碳、氨和甲醇。我们使用紧收敛设置来获得具有高精度的结合能,我们估计的不确定性仅为百分之零点几。我们讨论了几个问题,影响结果的质量,需要考虑达到MBE和PBC内的高精度。例如,PBC中的HF和MP2能量受益于实空间库仑截止技术的使用,MBE中的能量的收敛通过修改求和的阶数来改善。最后,数值噪声的一些分子束外延的贡献难以评估和效果减少使用较小的基组的关键条款。
2022-08-12 cond-mat.mtrl-sci physics.chem-ph
Path integral molecular dynamics with surface hopping for thermal equilibrium sampling of nonadiabatic systems
Duke University(杜克大学)
本文提出了一种新的环状聚合物表示方法,用于多级量子系统的热平均计算,并开发了路径积分分子动力学与表面跳跃方法来采样环状聚合物的构型空间。
2017-04-02 cs.NA math.NA physics.chem-ph
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
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
Precise determination of excitation energies in condensed-phase molecular systems based on exciton-polariton measurements
精确测定凝聚相分子系统的激发能对于理解系统-环境相互作用以及用于研究系统动力学的理论模型的必要输入数据是重要的。激发能通常通过拟合所测量的光谱来确定,所述光谱包含由于环境的热随机动力学而产生的宽且未分辨的峰。在这里,我们提出了一种精确的能量测定的方法,通过强耦合的分子系统的光学腔和测量所产生的极化激元的能量。研究了由环境引起的热涨落对极化激元的影响,得到了极化激元线宽与分子数的幂次标度关系。幂指数提供了有关环境动态的重要信息。
2019-10-15 cond-mat.mes-hall physics.chem-ph
Electrostatic solvation free energies of charged hard spheres using molecular dynamics with density functional theory interactions
确定水溶液中单离子的溶剂化自由能是物理化学中最基本的问题之一,但仍有许多未解决的问题。特别是,分解成简单和直观的贡献的溶剂化自由能的能力将有重要的影响模型的电解质溶液。在这里,我们提供的各种类型的单离子溶剂化自由能的定义基于不同的模拟协议。采用密度泛函理论相互作用势结合分子动力学模拟(DFT-MD)计算了带电硬球的溶剂化自由能,并与Born(线性响应)模型进行了比较,分离了电荷和空穴的影响.我们表明,使用未校正的埃瓦尔德求和导致非物理值的单离子溶剂化自由能和充电的阳离子的自由能是近似线性的函数的电荷,但有一个小的非线性小阴离子。用量子力学确定的硬球的电荷水合不对称性(CHA)比类似的真实离子大得多。这表明,真正的离子,特别是阴离子,是显着更复杂的比简单的带电硬球,一个常用的表示。
2017-07-18 cond-mat.soft cond-mat.stat-mech physics.chem-ph
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
A quantum chemical study from a molecular perspective: ionization and electron attachment energies for species often used to fabricate single-molecule junctions
准确测定嵌入分子结中的分子的最低电子附着($EA$)和电离($IP$)能量对于正确估计\emph{e.g.}、电流($I$)或偏置($V$)的幅度(其中$I-V$曲线表现出显著的非欧姆行为)是重要的。用于制备n型导电单分子结的几种典型分子的最低电子附着能和电离能的基准计算(4,4 '-联吡啶、1,4-二氰基苯和4,4'-二氰基-1,1 '-联苯)和p型导电(苯二硫醇,联苯二硫醇,己烷单硫醇,基于EOM-CCSD(equation-of-motion coupled-cluster singles and doubles)的量子化学方法,研究了正己二硫醇与正己二硫醇之间的相互作用。它们表明与目前分子运输方法中获得的结果存在显着差异。本研究强调,除了一个可靠的量子化学方法,基组比无处不在的双zeta设置用于运输计算更好的是必要的。后者对于正确地确定$EA$是特别关键的问题,这在不包括足够的扩散基函数的情况下是不可能的。主导分子轨道(MO)的空间分布是另一个重要的问题,本研究引起了人们的注意,因为它敏感地影响由于在电极中形成的图像电荷的MO-能量移动$Φ$。目前的结果不能证实电极之间中点的点状MO的常见假设,其实质上影响实际的$Φ$值。
2015-09-18 physics.chem-ph physics.comp-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
Enhancing Diffusion-Based Sampling with Molecular Collective Variables
FAIR at Meta(Meta的FAIR);MIT(麻省理工学院);University of Geneva(日内瓦大学);ETH Zurich(苏黎世联邦理工学院)
通过引入集体变量的偏置,提升扩散采样在分子采样中的效率和模式发现能力,首次实现反应采样的高精度模拟。
2025-12-30 cond-mat.mtrl-sci cs.LG physics.chem-ph
A sparse-sampling approach for the fast computation of matrices: application to molecular vibrations
本文基于稀疏采样和压缩感知的思想,提出了一种从数值模拟中计算矩阵的新方法。该方法是有用的问题,其中确定一个矩阵的条目构成的计算瓶颈。我们将这种新方法应用于计算化学中的一个重要问题:根据电子结构计算确定分子振动,我们的结果表明,在某些情况下可以改进该过程的整体缩放。此外,我们的方法提供了一个通用框架,用于引导廉价的低精度计算,以减少所需的昂贵的高精度计算的数量,从而在实际计算中显着的3倍速度。
2014-10-17 physics.chem-ph quant-ph
New Approach for the Electronic Energies of the Hydrogen Molecular Ion
本文给出了氢分子离子H2+的电子能量本征值的解析解,即单电子双固定中心问题。这些都是在磁量子数m为零时离散态可数无穷大的同态情形下给出的。在这种情况下,这些解是一组两个耦合的三项递归关系的根。本征解是从实验数学的应用程序中获得的,使用计算机代数作为其主要工具,并通过数值和代数演示来证明。最后,本征能的数学性质被确定。本征能与Lambert W函数的推广有关。
2006-07-08 physics.chem-ph physics.comp-ph
Exploring High Dimensional Free Energy Landscapes: Temperature Accelerated Sliced Sampling
集体变量的偏置采样被广泛用于加速分子模拟中的稀有事件和探索自由能表面。然而,这些方法的计算效率随着集合变量数量的增加而降低,这严重限制了增强采样方法的预测能力。在这里,我们提出了一种方法,称为温度加速切片采样(TASS),结合温度加速的分子动力学与伞形采样和metadenics采样集体变量空间中的一个有效的方式。该方法可以采样大量的集合变量,有利于控制勘探广泛和无约束自由能盆地。TASS也被证明可以实现快速的自由能收敛,并且实际上可以与从头计算分子动力学技术一起使用。
2016-12-25 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
Sampling mobility profiles of confined fluids with equilibrium molecular dynamics simulations
我们展示了如何评估流动性配置文件,表征运输的约束流体的扰动下,从平衡分子模拟。的关联函数与格林-久保形式主义是很难准确地采样,我们考虑两个互补的策略:提高空间采样由于一个新的估计的本地通量涉及的力量作用在粒子上,除了他们的位置和速度,并提高时间采样由于爱因斯坦-Helfand的方法,而不是格林-久保之一。我们说明这种方法的情况下,限制在平行的墙壁之间的二元混合物,压力或化学电势梯度。所有的平衡方法相比,标准的非平衡分子动力学(NEMD),并提供正确的迁移率分布。我们恢复定量流体粘度和扩散-粘弹性流动性的大部分孔隙。有趣的是,局部通量的迁移率分布矩阵是不对称的,不像总通量的Onsager矩阵。即使是计算效率最高的平衡方法(Einstein-Helfand结合基于力的估计)仍然不如NEMD有效,以确定一个单一的流动性配置文件。然而,平衡方法同时提供对所有扰动的所有响应,而NEMD需要模拟几种类型的扰动来确定各种响应,每种响应具有不同的幅度来检查线性状态的有效性。虽然NEMD对于本实施例似乎更有竞争力,但是对于更复杂系统,特别是对于响应于压力、盐浓度和电势梯度的电解质溶液,平衡应该是不同的。
2020-06-30 physics.chem-ph physics.comp-ph
Accelerating ab initio path integral molecular dynamics with multilevel sampling of potential surface
提出了一种多级采样的方法来采样路径积分形式的势能面。目的是减少从头算路径积分分子动力学(AI-PIMD)模拟中能量和力的从头算计算次数,而不影响整体精度。为了验证该方法的有效性,计算了爱因斯坦晶体的内能和自由能,并与解析解进行了比较。作为一个初步的应用程序,我们评估的方法在一个现实的模型,FCC阶段的致密原子氢,其中的计算结果表明,加速率约为3至4倍的两个级别的实施,并可以增加到10倍,如果使用外推。该方法仅用16个微珠进行从头算势采样,就能得到收敛良好的内能。压力的残余误差仅约为3GPa,而对于具有相同数量的珠的普通AI-PIMD计算,其约为20 GPa。用AI-PIMD热力学积分方法计算了300 K下FCC相致密氢的振动自由能,得到密度为$r_{s}=0.912$时FCC相的振动自由能约为0.51 eV/质子.
2014-12-19 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Ab initio molecular dynamics calculations of ion hydration free energies
我们应用从头算分子动力学(AIMD)方法结合热力学积分或“量子路径”技术来计算Li+,Cl-和Ag+离子的固有水合自由能。使用Perdew-Burke-Ernzerhof泛函,为经典力场应用开发的自适应方法,并对表面势(phi)贡献进行一致假设,我们获得了绝对AIMD水合自由能(Δ G(hyd))在Tissandier的几千卡/摩尔内,或优于4%[J. Phys. Chem. A 102,7787(1998)]的实验值与SPC/E水模型预测增加。不受表面电位影响的Li+/Cl-和Ag+/Cl- AIMD Δ G(hyd)之和分别在实验值的2.6%和1.2%范围内。我们还报道了在水中过渡金属离子Ag++Ni+-> Ag+ Ni ~(2+)氧化还原反应的自由能变化。该反应的预测表明,现有的估计三角洲G(hyd)的不稳定的辐解中间体,如镍+可能需要进行广泛的修订。
2010-09-21 cond-mat.soft cond-mat.stat-mech physics.chem-ph
Robust and efficient configurational molecular sampling via Langevin Dynamics
University of Edinburgh(爱丁堡大学)
本文评估了多种数值方法用于求解分子动力学中的随机微分方程,通过 Baker-Campbell-Hausdorff 展开研究采样精度,发现某些方案在谐振子中能精确计算构型平均,从而在生物分子建模中提升性能,同时在溶剂化和非溶剂化模拟中实现更高的准确性与计算效率。
2013-04-24 cond-mat.stat-mech cs.NA math.NA
Supercell convergence of charge-transfer energies in pentacene molecular crystals from constrained DFT
单态裂变(SF)是一种多激子产生过程,可以利用它来提高光伏器件的效率。实验上,衍生自并五苯分子的系统已显示出具有高产率的超快SF。电荷转移(CT)配置可能发挥重要作用,在这些系统中的SF过程中的中间体。在分子晶体中,静电屏蔽效应和能带形成在降低CT态的能量,增强它们有效参与SF的潜力方面是重要的。为了模拟这些,它希望采用一种计算方法,这是可以接受的准确性,相对便宜,这和规模以及更大的系统,从而使研究的屏蔽效果。我们提出了一种新的,静电校正的约束密度泛函理论(cDFT)的方法作为一个低成本的解决方案,计算CT能量的分子晶体,如并五苯。在这里,我们考虑的上下文中的ONETEP线性缩放DFT代码的实现,但我们的静电校正方法是在原则上适用于任何约束DFT实现的组合,也在线性缩放框架之外。我们的新开发的方法使我们能够估计CT能量在无限晶体极限,并与这些验证集群近似的准确性。
2016-03-22 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Eliminating Delocalization Error to Improve Heterogeneous Catalysis Predictions with Molecular DFT+U
近似的半局域密度泛函理论(DFT)是已知的低估表面形成能,但矛盾的过度绑定吸附在催化过渡金属氧化物表面,由于离域误差。低成本的DFT+U方法仅提高了前过渡金属氧化物的表面形成能或后过渡金属氧化物的吸附能。在这项工作中,我们证明了这种无效性是由于传统的使用金属中心的原子轨道作为DFT+U中的投影仪。我们分析表面形成过程中的电子密度重排和金红石过渡金属氧化物上的O原子吸附,以强调当相应的密度重排在金属和氧位点高度离域时,标准的DFT+U校正无法调整性能。为了同时改善这两种表面性质,同时保持单位点DFT+U校正的简单性,我们系统地构建了DFT+U的多原子中心分子轨道类投影仪。我们展示了这种分子DFT+U方法,用于调整代表性早期(即,TiO 2)和后期(即,PtO2)过渡金属氧化物。分子DFT+U同时校正了金红石型TiO 2(110)和Pt O2(110)多层模型的吸附能和表面形成能,解决了半局域DFT对表面稳定性和表面反应性的矛盾描述。
2021-11-23 cond-mat.mtrl-sci physics.chem-ph
Nonadiabatic Forward-Flux Sampling of Rare Molecular Gas-Phase Ammonia Photodissociation
University of Vienna(维也纳大学)
该研究开发的非绝热前向通量采样(NAFFS)方法可高效模拟全维分子系统中的稀有非绝热过程,以气相氨光解离为基准验证,其采样的反应轨迹统计权重正确,模拟时间大幅缩短。
2026-08-11 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
How accurate are simulations and experiments for the lattice energies of molecular crystals?
本文利用扩散蒙特卡洛方法计算 X23 全部 23 种分子晶体的晶格能,证明高精度显式相关电子结构计算已至少与实验推导结果同样可靠。
2024-02-20 cond-mat.mtrl-sci physics.chem-ph
Simulation of geometric and electronic degrees of freedom using a kink-based path integral formulation: application to molecular systems
本文对以前应用于原子体系的基于扭结的路径积分方法进行了改进,并将其用于分子体系的研究。该方法允许原子和电子自由度的同时进化。CH $_4 $、NH $_3 $和H $_2 $ O的结果表明,该方法对几何构型和能量都是准确的。与DFT和MP2水平计算的比较表明,路径积分方法产生的能量与MP2的能量和几何结构的DFT和MP2的结果接近一致。
2005-02-21 physics.chem-ph
Quantum Machine Learning of Molecular Energies with Hybrid Quantum-Neural Wavefunction
提出混合量子-神经波函数框架,结合量子电路与深度神经网络学习分子波函数,在数值与超导量子实验上实现近化学精度,并具强抗噪性。
2025-09-09 physics.chem-ph quant-ph
Metadynamics for Automatic Sampling of Quantum Property Manifolds: Exploration of Molecular Biradicality Landscapes
我们提出了一个一般的扩展的元adaptics允许自动采样的量子性质流形(ASQPM)引起的功能景观,类似于在玻恩-奥本海默近似的框架中的势能面。为此,我们采用广义电子集体变量进行偏置的分子动力学模拟的量子化学方法,探索所需的属性流形的框架。我们说明了我们的方法的“biradicity景观”的例子,我们通过引入自然轨道占用数(NOONs)作为电子集体变量驱动的动态探索。我们证明了该方法的适用性上的模拟\textit{p} -二甲苯和[8]轮烯允许自动提取的双自由基的几何形状。在[8]轮烯的情况下,ASQPM代谢导致预测可以通过合适的化学取代来稳定的双自由基支架,导致设计表现出双自由基功能的新型功能分子。
2019-09-19 physics.chem-ph
Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models
Freie Universität Berlin(柏林自由大学);Zuse School ELIZA(祖泽ELIZA学院);Technische Universität Berlin(柏林工业大学);Berlin Institute for the Foundations of Learning and Data(柏林学习与数据基础研究所);Shanghai Jiao Tong University(上海交通大学);Technische Universität München(慕尼黑工业大学);Rice University(莱斯大学);Microsoft Research AI4Science(微软研究院AI4Science)
本文提出了一种基于能量的扩散模型,通过福克-普朗克方程导出的正则化项来提高分子动力学模拟中的一致性和采样效率。
2026-01-14 cs.AI cs.LG physics.chem-ph
Best of Both Worlds: Uniform sampling in Cartesian and Cayley Molecular Assembly Configuration Space
EASAL(efficient atlasing and sampling of assembly landscape)是一种用于表征、可视化、采样和计算小分子组装势能面积分的几何方法。EASAL的效率来自于这样一个事实,即小装配景观允许使用所谓的凯莱参数(原子间距离)的几何表示和采样的装配配置空间区域;这导致他们的隔离,凸化,定制采样和系统遍历使用一个全面的拓扑路线图,确保合理覆盖的关键,但狭窄的区域低有效尺寸。然而,这本身是不够的构型熵和其他积分的准确计算,需要估计的自由能和动力学-其中,它是必不可少的,以获得均匀的采样在适当的carnival或模空间参数化。通过两个参数化之间的映射的雅可比矩阵对凯莱采样进行标准调整充满了来自病态雅可比矩阵的挑战。本文形式化和分析这些挑战,提供修改EASAL,确保凯莱采样的优势,同时确保一定的最小距离和覆盖范围之间的关系采样配置-在笛卡尔空间。将修饰的EASAL的性能与基本EASAL进行比较,并提供了人和大鼠胰岛淀粉样多肽(HiAPP、PDB-2KJ 7和RiAPP PDB-2KB 8)二聚化的数据(两者仅在37个残基中的6个残基上不同,但前者聚集成原纤维,而后者不)。
2014-09-03 physics.bio-ph physics.chem-ph