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
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
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
Efficiently Sampling Conformations and Pathways Using the Concurrent Adaptive Sampling (CAS) Algorithm
分子动力学（MD）模拟在获得生物分子的热力学和动力学性质方面是有用的，但是受到时间尺度障碍的限制，即，我们可能不能有效地获得特性，因为我们需要使用飞秒时间步长来运行微秒或更长的模拟。虽然有几种现有的方法来克服这个时间尺度的障碍，并有效地采样热力学和/或动力学性质，问题仍然存在，能够采样未知的系统，处理高维空间的集体变量，并集中计算工作在缓慢的时间尺度。因此，一种新的采样方法，称为“并发自适应采样（CAS）算法”，已被开发来解决这三个问题，并有效地获得构象和途径。与大多数反应坐标依赖方法不同，该方法不限于仅使用一个或两个集体变量。相反，它可以使用大量的集体变量，并使用宏状态（集体变量空间的分区）来增强采样。探索是通过运行大量的短模拟，并使用聚类技术来加速采样。在本文中，我们介绍了新的方法，并显示结果，从二维模型和生物分子，如五丙氨酸和三嗪聚合物。
2017-05-02 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
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
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
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
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
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
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
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
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 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
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
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
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
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
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
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
Deep Learning Collective Variables from Transition Path Ensemble
本文提出将转变路径系综数据加入 Deep Targeted Discriminant Analysis 集体变量训练，以提升分子动力学稀有转变采样的准确性与收敛速度。
2023-03-02 cond-mat.stat-mech physics.bio-ph 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
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
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
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
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
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
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
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 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
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
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
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
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
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
Electronic Collective Variables for Chemical Reactions
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）
本文提出一种基于原子电荷的电子集体变量，用于描述反应进程的电子部分，通过神经网络模型训练实现高效采样，并展示其在多种反应环境中的有效性。
2026-03-31 physics.chem-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
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
A Mesoscopic Ginzburg--Landau Model for Vibrational Strong Coupling Enhanced Rayleigh Scattering in Molecular Liquids
University of Pennsylvania（宾夕法尼亚大学）；Tel Aviv University（特拉维夫大学）
研究分子液体中振动强耦合增强瑞利散射，构建介观金兹堡 - 朗道模型，含两个耦合场，校准参数后能捕捉相关现象并做出预测，为实验测试提供方向。
2026-07-20 cond-mat.stat-mech physics.chem-ph
Learning Collective Variables with Synthetic Data Augmentation through Physics-Inspired Geodesic Interpolation
Massachusetts Institute of Technology（麻省理工学院）；Systems Biology Program（系统生物学项目）；Department of Materials Science and Engineering（材料科学与工程系）
提出一种无模拟的数据增强策略，通过物理启发的测地线插值生成类似蛋白质折叠转变的合成数据，以提升集体变量学习的准确性和采样效率。
2024-07-19 cs.LG physics.chem-ph q-bio.BM
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
