Identification of molecular quantum states using phase-sensitive forces
提出一种基于参考力与信号力干涉的相敏态依赖力协议,可识别密集能级中的分子量子态、监测非弹性散射并在单次测量中排除大量候选态。
2020-04-11 physics.atom-ph physics.chem-ph quant-ph
Effect of rotational-state-dependent molecular alignment on the optical dipole force
基于分子与光场相互作用的分子光学元件(例如透镜或棱镜)的性质在关键方面取决于分子的量子态及其由光场产生的排列。然而,在以前的实验研究中,状态依赖的排列的影响从来没有被包括在估计的光学偶极力作用于分子上,而以前的理论研究采取了状态依赖的分子排列只考虑隐含。在这里,我们认为明确的分子排列的影响,并为此目的,引入一个有效的极化率,适当考虑分子的排列,并直接关系到依赖于光偶极力。我们说明的意义,包括分子排列的光学偶极力的轨迹研究,比较以前使用的近似与本方法。进行了轨迹模拟的线性分子系综的传播或驻波光场的温度和激光强度的范围内。结果表明,依赖于极化率的有效极化率可以提供正确的估计的光学偶极子力,在此基础上,适用于非极性分子的状态选择方法可以基于。我们注意到,一个类似的分析力作用在极性分子受到不均匀的静态电场揭示了类似的强烈依赖于分子取向。
2016-06-02 physics.chem-ph
Machine Learning of Accurate Energy-Conserving Molecular Force Fields
使用能量守恒-封闭的经典和量子力学系统的一个基本属性-我们开发了一种有效的梯度域机器学习(GDML)方法,使用有限数量的从头算分子动力学(AIMD)轨迹的样本来构建精确的分子力场。的GDML实现是能够再现全球的中等大小的分子的势能面的精度为0.3千卡$\text{mol}^{-1}$的能量和1千卡$\text{mol}^{-1}$ $\textÅ^{-1}$的原子力使用仅1000构象的几何形状的训练。我们证明了这种准确性的AIMD的分子轨迹,包括苯,甲苯,萘,乙醇,尿嘧啶和阿司匹林。在我们的工作中,通过在希尔伯特空间中学习服从能量守恒定律的向量值函数来完成构建保守力场的挑战。GDML方法能够以显式AIMD计算的一小部分成本对分子进行定量分子动力学模拟,从而允许构建具有高水平从头算方法的准确性和可转移性的有效力场。
2017-05-08 physics.chem-ph
Molecular Force Fields with Gradient-Domain Machine Learning: Construction and Application to Dynamics of Small Molecules with Coupled Cluster Forces
我们使用最近开发的对称梯度域机器学习(sGDML)方法[Chmiela等人,国家通信9,3887(2018); Sci. 3,e1603015(2017)]。这种方法能够准确地重建复杂的高维势能面,从从头计算分子动力学轨迹提取的分子构象只有几百个。sGDML方法的数据效率意味着这些构象的原子力可以用高水平的基于波函数的方法计算,例如“金标准”CCSD(T)方法。我们证明了sGDML模型的灵活性恢复本地和非本地的电子相互作用(如氢键,质子转移,孤对,在杂交状态的变化,空间排斥和$n\toπ^*$相互作用),而不施加任何限制的性质原子间的潜力。sGDML分子动力学轨迹的分析产生了新的定性的见解接近光谱精度的小分子的动力学和光谱。
2019-02-01 physics.chem-ph physics.comp-ph physics.data-an
Statistically Optimal Force Aggregation for Coarse-Graining Molecular Dynamics
机器学习的粗粒度(CG)模型具有模拟大分子复合物的潜力,超出了原子分子动力学的可能性。然而,训练准确的CG模型仍然是一个挑战。一种广泛使用的学习CG力场的方法将来自全原子分子动力学的力映射到CG表示,并将它们与平均CG力场相匹配。我们表明,有灵活性,如何映射到CG表示的所有原子的力量,最常用的映射方法是统计效率低下,甚至可能不正确的存在约束的所有原子模拟。我们定义了一个优化语句的力映射,并表明,大大改善CG力场可以从相同的模拟数据时,使用优化的力映射。该方法在微蛋白Chignolin和Tryptophan Cage上进行了演示,并作为开源代码发布。
2023-02-14 physics.bio-ph physics.chem-ph physics.comp-ph
General analytical nuclear force and molecular potential energy surface from full configuration interaction quantum Monte Carlo
全组态相互作用量子蒙特卡罗(FCIQMC)是一种最先进的随机电子结构方法,提供了一种在量子化学基础上计算分子体系的FCI能级态能的方法。然而,特别是为了在FCIQMC水平上探测{ \em动力学},有必要设计更有效的方案来从FCIQMC产生核力和势能面(PES)。在本文中,我们从FCIQMC导出了核力的一般公式,并阐明了合力的不同贡献。该方法克服了以往的限制,可与冻结核近似和自由选择轨道结合使用,使其有望用于更有效的核力计算。在对N $_2$分子的结合曲线进行数值检验后,利用FCIQMC能量和力,通过高斯过程回归得到了水分子的全维基态势能面。新的水FCIQMC PES可作为H $_2$ O基态核动力学、结构优化和振转光谱计算的基础。
2022-04-28 physics.chem-ph
Supervised Pretraining for Molecular Force Fields and Properties Prediction
ByteDance Inc.(字节跳动公司);Apple Inc.(苹果公司)
机器学习方法已成为流行的分子建模任务,包括分子力场和性质预测。传统的监督学习方法缺乏用于特定任务的标记数据,从而促使将大规模数据集用于其他相关任务。我们建议在8600万个分子的数据集上预训练神经网络,这些分子的原子电荷和3D几何形状作为输入,分子能量作为标签。实验表明,与从头开始训练相比,微调预训练模型可以显著提高七个分子性质预测任务和两个力场任务的性能。我们还证明了从预训练模型中学习的表示包含有关分子结构的足够信息,通过显示表示的线性探测可以预测许多分子信息,包括原子类型,原子间距离,分子支架类和分子片段的存在。我们的研究结果表明,监督预训练是分子建模中一个很有前途的研究方向
2022-11-23 cs.LG physics.chem-ph q-bio.BM
Teachers that teach the irrelevant: Pre-training machine learned interaction potentials with classical force fields for robust molecular dynamics simulations
University of California, Berkeley(加州大学伯克利分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
本文提出利用低质量的单分子非反应力场数据预训练,结合小量高成本标签进行微调,提升分子动力学模拟的稳定性与准确性。
2026-04-08 physics.chem-ph
Grappa -- A Machine Learned Molecular Mechanics Force Field
Heidelberg Institute for Theoretical Studies(海德堡理论研究所)
Grappa利用图注意力网络和Transformer从分子图预测MM参数,在保持计算效率的同时提升力场精度,适用于小分子至病毒粒子的MD模拟。
2024-08-01 cs.LG physics.chem-ph physics.comp-ph
Charge Transfer in Classical Molecular Dynamics Simulations of Met-enkephalin: Improving Traditional Force Field with Data Driven Models
电荷转移和极化效应是生物分子机理描述的重要组成部分。经典的定点电荷力场不能考虑原子电荷与结构变化之间不可忽略的相关性。在这项工作中,高通量从头计算的五肽甲硫氨酸脑啡肽(MetEnk)显示,几何依赖的残基之间的电荷转移是显着的数以万计的构象。我们提出了一个数据驱动的模型与机器学习算法来解决几何相关的电荷波动问题。该数据驱动模型可以直接提供MetEnk任意结构的从头算能级原子电荷,避免了在极化力场中的自洽迭代。分子动力学模拟表明,数据驱动模型提供了一个可能的选择,以描述显式的电荷通量与现有的经典力场的微小修改。这一工作为今后寡肽的动力学模拟提供了一种可供选择的分子机理模型。
2018-02-28 physics.bio-ph physics.chem-ph
A novel proof of the DFT formula for the interatomic force field of Molecular Dynamics
基于基态电子能量是Hohenberg-Kohn泛函的Legendre变换,而Hohenberg-Kohn泛函又是电子密度的泛函,我们给出了经典分子动力学中驱动原子运动的原子间力场的DFT表达式的一个新颖而简单的证明.我们以这种方式表明,所谓的赫尔曼-费曼分析公式,目前用于数值模拟,实际上提供了原子间力的精确表达式。
2016-12-28 cond-mat.soft physics.chem-ph physics.comp-ph
Learning data efficient coarse-grained molecular dynamics from forces and noise
本文提出将基于力的训练与去噪得分匹配相统一,用于机器学习粗粒化分子动力学力场,在保持力参数化优势的同时将数据需求降低100倍,并在Trp-Cage和NTL9蛋白上验证了方法。
2024-07-01 physics.bio-ph physics.chem-ph
Knife edge skimming for improved separation of molecular species by the deflector
描述了一种用于成形分子束的刀刃,以通过静电偏转器改善分子束中物质的空间分离。改进了不同分子种类彼此之间以及与原子种子气体的空间分离。在相互作用区中的选定分子束部分的柱密度,其对应于较高的信号速率,被增强了1.5倍,受限于分子束的虚拟源尺寸。
2018-09-03 physics.atm-clus physics.atom-ph physics.chem-ph
Exploring molecular dynamics with forces from n-body potentials using Matlab
我们提出的方法,探索性研究的分子动力学使用MATLAB。这种方法不适合大规模应用,但它们可以用于开发和测试新型交互和模拟的其他方面,或者仅仅用于教学和教育目的。在此框架下,我们还探讨了在分子动力学中从三体势得到的力。这些方法是基于矩阵和多维数组的使用,MATLAB有一组基于线性代数的操作和元素操作。三体相互作用的应用是这项工作的主要方面,但扩展到任何一般形式的n体相互作用也进行了讨论。使用最新版本的GNU OCTAVE软件包作为MATLAB的替代品,也可以在不做任何更改的情况下应用所讨论的方法。代码示例列出了一些细节,MATLAB和OCTAVE代码的完整包可供下载。
2009-11-23 physics.chem-ph
How Accurate Are DFT Forces? Unexpectedly Large Uncertainties in Molecular Datasets
University of Cambridge(剑桥大学)
该研究针对通用机器学习原子间势训练依赖的DFT数据精度问题,分析多个常用分子数据集的净力与力分量误差,发现存在显著误差,强调了DFT数据充分收敛的重要性。
2025-10-22 physics.chem-ph
May the Force be with You: Unified Force-Centric Pre-Training for 3D Molecular Conformations
Georgia Institute of Technology(佐治亚理工学院);University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
提出统一力中心预训练模型,覆盖平衡与非平衡构象,提升力预测精度3倍,解决MD模拟不稳定问题,推理比NequIP快2.45倍。
2023-08-24 cs.AI cs.LG physics.chem-ph
Improved torque estimator for condensed-phase quasicentroid molecular dynamics
我们描述了改进的准质心分子动力学(QCMD)的路径积分方法,这是最近开发的计算凝聚相系统的红外光谱。主要的发展是一个改进的估计分子间扭矩的准质心。当应用到qTIP 4P/F液态水和冰,新的估计被发现,以消除人为的25厘米$^{-1}$红移从天平动带,稍微增加的OH拉伸带的强度在液体中,并减少小的误差之前指出的QCMD径向分布函数。我们还修改了绝热QCMD算法中使用的质量标度,这使得分子动力学时间步长增加了四倍,从而将QCMD计算的费用降低到300 K时qTIP 4P/F液态水的笛卡尔质心分子动力学的两倍,以及150 K时冰的八倍。
2022-11-06 physics.chem-ph
Improved prediction of molecular response to pulling by combining force tempering with replica exchange methods
本文提出将FISST方法与温度副本交换或溶质回火结合的混合方法,以更稳健地预测微小皮牛顿力对分子系统的影响并加速构象采样。
2023-10-18 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Enhanced solvation force extrapolation for speeding up molecular dynamics simulations of complex biochemical liquids
我们提出了一种增强的方法来外推的平均势能作用在溶质大分子的原子,由于它们与溶剂原子在复杂的生化液体中的相互作用。它改进和扩展了以前的外推方案,包括额外的新技术,如指数缩放变换的坐标空间的权重补充之间的最小二乘最小化的力偏差和膨胀系数的范数的近似值的动态调整平衡。昂贵的平均势的3D-RISM-KH分子理论的溶剂化(三维参考相互作用网站模型与Kovalenko-Hirata封闭)。在动态过程中,仅在每个足够长的(外部)时间间隔之后才计算它们,即,很少减少计算成本。在更短的(内部)时间步长,这些力是根据它们的外部值外推的。然后,使用多个时间步长积分内的优化的等速Nosé-Hoover链恒温器的运动方程求解。新的方法适用于分子动力学模拟的各种系统组成的溶剂化的有机和生物分子的不同的复杂性。即,我们考虑水合丙氨酸二肽,沥青质在甲苯溶剂中,微蛋白1 L2 Y和蛋白G在水溶液中。结果表明,在所有这些情况下,增强的外推法提供了更好的精度溶剂化力近似比现有的方法。因此,它可以与更大的外部时间步长一起使用,从而显著加快了模拟速度。
2019-09-10 physics.chem-ph
Molecular Force Fields with Gradient-Domain Machine Learning (GDML): Comparison and Synergies with Classical Force Fields
现代机器学习力场(ML-FF)能够以高级$ab~initio$方法的精度产生能量和力预测,但计算成本要低得多。另一方面,经典分子力学力场(MM-FF)采用固定的功能形式,往往是不太准确,但相当快,并可转移之间的分子相同的类。在这项工作中,我们将研究这两种方法如何相互补充。我们对比的能力ML-FF重建动态和热力学可观的MM-FFs,以获得定性的理解这两种方法之间的差异。这种分析使我们能够修改广义琥珀力场(GAFF),通过重新参数化短程和键合相互作用与更多的表达条款,使他们更准确,而不牺牲的关键属性,使MM-FF如此成功。
2020-08-10 physics.atm-clus physics.bio-ph physics.chem-ph
Symmetrized Drude Oscillator Force Fields Improve Numerical Performance of Polarizable Molecular Dynamics
Drude振子势是一种流行的和计算效率高的一类可极化模型,其将每个可极化原子表示为带正电的Drude核与带负电的Drude壳谐波结合。我们发现,现有的力场,把所有的非库仑力的德鲁德核心和壳上没有无意中偶极非库仑力。这引入了错误,其中与中性粒子的相互作用可以错误地诱导原子极化,导致在没有电场的情况下的虚假极化,并加剧违反均分在所采用的Carr-Parinello计划。一个适当的对称化的相互作用势,正确地分裂的德鲁德核和壳之间的力可以纠正这个缺点,提高德鲁德振荡器的模拟的稳定性和数值性能。对称化过程是简单的,只需要重新调整几个力场参数。
2023-03-09 cond-mat.stat-mech physics.chem-ph
Reactive molecular dynamics at constant pressure via non-reactive force fields: extending the Empirical Valence Bond method to the isothermal-isobaric ensemble
经验价键(EVB)方法提供了一个合适的框架,通过非反应力场的耦合来获得反应势。然而,大多数实现的功能形式的耦合项依赖于复杂的空间坐标,这排除了凝聚相系统的应力张量的计算,并防止进行EVB分子动力学在等温等压(NPT)合奏的可能性。在这项工作中,我们利用耦合项依赖于能隙,定义为参与非反应力场之间的能量差,并推导出适合计算的EVB应力张量的表达式。实施这种新的方法进行测试的一个模型的单一反应性的丙二醛溶剂化在非反应性的水。计算密度和经典的概率分布在NPT合奏揭示了一个可以忽略不计的作用的反应电位在低浓度的解决方案的限制,从而证实了EVB模拟通常采用的标准近似的有效性。
2020-05-28 physics.chem-ph
Flow-matching -- efficient coarse-graining of molecular dynamics without forces
Freie Universität Berlin(柏林自由大学);Microsoft Research AI4Science(微软研究院AI4Science)
粗粒度(CG)分子模拟已经成为一个标准的工具,研究分子过程的时间和长度尺度上无法达到全原子模拟。参数化CG力场以匹配全原子模拟主要依赖于力匹配或相对熵最小化,这需要分别来自具有全原子或CG分辨率的昂贵模拟的许多样本。在这里,我们提出了流匹配,这是一种新的CG力场训练方法,它通过利用归一化流(一种生成式深度学习方法)结合了两种方法的优点。流匹配首先训练归一化流以表示CG概率密度,这相当于在不需要迭代CG模拟的情况下最小化相对熵。随后,该流程根据学习的分布生成样本和力,以便经由力匹配来训练期望的CG自由能模型。即使不需要来自全原子模拟的力,流匹配在数据效率方面也优于经典力匹配一个数量级,并且产生可以捕获小蛋白质折叠和展开转变的CG模型。
2023-02-05 cs.LG physics.bio-ph physics.chem-ph
Ionic Liquid Molecular Dynamics Simulation with Machine Learning Force Fields: DPMD and MACE
本研究针对PYR14BF4和LiTFSI/PYR14TFSI两种离子液体,用DPMD和MACE框架构建机器学习力场,验证了数据集含平衡与非平衡结构的重要性,发现MACE在密度和扩散预测上更优,指出精细数据准备与微调对可靠模拟的必要性。
2025-03-24 physics.chem-ph
An improved transform theory for estimation of number density distribution of colloidal particles on a surface: A method for colloidal-probe atomic force microscopy
在简短的信中,我们解释了胶体探针原子力显微镜(CP-AFM)的改进变换理论。CP-AFM可以测量胶体探针与胶体分散体中的壁表面之间的力曲线。变换理论可以从CP-AFM测得的力曲线估计壁面上胶体粒子的归一化数密度分布。相变理论是研究胶体颗粒在壁面上分层的重要理论,它关系到胶体晶体和玻璃的基础研究。
2017-12-20 cond-mat.soft physics.chem-ph
A Protocol for Spectroscopists to Isolate The Effect of Berry Geometric Magnetic Forces on Molecular Dynamics
我们提出了一种新的方法来隔离和量化的影响的Berry力分子动力学使用两个合理的强连续波(CW)激光场的频率$ω$和$2ω$。对于分别在频率($ω$、$ω$、$2ω$)下具有三个频率匹配亮跃迁($|{0}\rangle\rightarrow|{1}\rangle$、$|{1}\rangle\rightarrow|{2}\rangle$、$|{0}\rangle\rightarrow|{2}\rangle$)的分子或材料,可以通过改变两个激光场($Δϕ$)之间的相位并监测动态来隔离Berry曲率的影响。此外,我们发现,由此产生的化学动力学可以严重依赖于$Δϕ$的符号,换句话说,贝瑞曲率的影响可能是巨大的。因此,这份手稿代表了使用光-物质相互作用影响化学动力学的不寻常的一步,表明通常在绝热量子光学和凝聚态中调用的拓扑概念可以直接应用于非绝热化学激发态动力学。
2020-08-22 physics.chem-ph
Data-Driven Parametrization of Molecular Mechanics Force Fields for Expansive Chemical Space Coverage
ByteDance Research(字节跳动研究院)
针对传统查找表力场难以覆盖快速扩张的可合成化学空间的问题,研究人员构建大规模量子化学数据集,训练边增强对称保持GNN,开发出Amber兼容的ByteFF力场,在多基准上达SOTA,可助力计算药物研发。
2024-10-08 cs.LG physics.chem-ph
On the quantum mechanical potential of mean force. II. Constrained path integral molecular dynamics integrators
本文介绍了路径积分蒙特卡罗(PIMC)估计的平均力(PMF)的潜力的衍生物的基础上,我们提出了两个路径积分分子动力学(PIMD)积分,可以利用这些估计。这些积分器,c-OBABO和c-BAOAB,是基于路径积分朗之万方程(PILE)的积分器,这已经看到了广泛的成功,在PIMD的应用,但他们包括完整约束的支持。当反应坐标是两个质心之间的距离时,我们发现几个精确的表达式是可访问的:Fixman校正,位置约束拉格朗日乘子,和各种衍生物相对于反应坐标。据观察,c-BAOAB往往有一个较小的时间步长误差比c-OBABO,这是与以前的研究中的积分步骤有序的分子动力学完整约束和PIMD。此外,我们表明,PMF的水二聚体及其衍生物可以从PIMD模拟使用c-BAOAB,产生的结果与以前用于该系统的路径积分伞采样方法一致。
2021-10-07 physics.chem-ph
Generating High-Precision Force Fields for Molecular Dynamics Simulations to Study Chemical Reaction Mechanisms using Molecular Configuration Transformer
Peking University(北京大学);Shenzhen Bay Laboratory(深圳湾实验室);Changping Laboratory(昌平实验室)
针对传统化学反应机理研究依赖经验、高精度模拟计算成本高的问题,提出基于分子构型Transformer训练高精度力场的方案,可低成本实现高精度反应模拟,已应用于两类有机反应研究。
2024-04-11 cond-mat.soft cs.AI physics.chem-ph
Operator Forces For Coarse-Grained Molecular Dynamics
Department of Mathematics and Computer Science, Freie Universität, Berlin, Germany(数学与计算机科学系,弗里堡大学,柏林,德国);Microsoft Research AI for Science, Berlin, Germany(微软研究院人工智能科学部,柏林,德国);Department of Physics, Rice University, Houston, Texas 77005, USA(物理系,里士大学,休斯顿,德克萨斯州77005,美国)
本文提出基于归一化流的核函数用于粗粒化分子动力学力匹配,在无原子力标签时仅从构象样本生成高质量力场,减少局部畸变并保持全局构象精度。
2025-06-24 cs.LG physics.chem-ph physics.comp-ph
Boosting ensemble refinement with transferable force field corrections: synergistic optimization for molecular simulations
提出融合最大熵系综精修与力场拟合的连续插值框架,通过交叉验证确定权重,并在RNA寡聚体的核磁共振数据约束模拟中验证其可自动选择有效的可迁移力场校正。
2023-11-22 physics.bio-ph physics.chem-ph physics.comp-ph
Atomic Permutationally Invariant Polynomials for Fitting Molecular Force Fields
我们介绍并探索了一种用于构建小分子力场的方法,该方法将直观的低体阶经验力场项与最近机器学习潜力的数据驱动统计拟合的概念相结合。我们将这两个关键思想结合在一起,以弥合一方面具有高度可转移性的已建立经验力场与另一方面可系统改进并可收敛到非常高精度的机器学习潜力之间的差距。我们的框架扩展了原子置换不变多项式(aPIP)开发的元素材料[马赫。学习.格:Sci. 2019 1 015004]中描述的分子系统。体序分解使我们能够保持每个项的维数较低,而使用迭代拟合方案以及正则化程序可以提高训练集外的外推。我们调查aPIP力场与广义4体条款,并检查一组小的有机分子的性能。在拟合单个分子时,我们实现了高水平的准确性,可与多体机器学习力场的准确性相媲美。拟合到短直链烷烃的组合训练集,aPIP力场的准确性仍然显著超过从经典经验力场可以预期的,同时保留到远离训练集和新分子的两种配置的合理可转移性。
2020-10-23 physics.chem-ph physics.comp-ph
Brownian motion from molecular dynamics
用分子动力学模拟研究了具有不同质量M和直径D的单粒子的布朗运动。在两种不同的流体密度下,除了确定布朗粒子的动量自关联函数外,还确定了布朗粒子的记忆函数和进入广义朗之万方程的涨落力,并研究了它们对质量和直径的依赖关系。从高斯形式的波动力分布的偏差被观察到的小颗粒直径。对于重粒子,波动力与作用在布朗粒子上的总力的偏差随质量比m/M线性减小,其中m表示流体粒子的质量。
2010-10-20 cond-mat.stat-mech physics.chem-ph
A Universal Deep Learning Force Field for Molecular Dynamic Simulation and Vibrational Spectra Prediction
University of Science and Technology of China(中国科学技术大学);Qilu University of Technology (Shandong Academy of Sciences)(齐鲁工业大学(山东省科学院))
本研究提出基于DetaNet的通用机器学习力场,结合MLMD模拟,实现快速准确的红外和拉曼光谱预测,比AIMD快三个数量级,并适用于多种分子和材料系统。
2025-10-05 cs.LG physics.chem-ph
Studying chemical reactions in biological systems with MBN Explorer: implementation of molecular mechanics with dynamical topology
分子力学力场的概念在研究生物分子系统中的各种过程中已被广泛接受。在本文中,我们提出了一个修改的标准CHARMM力场,允许动态变化的分子拓扑结构的系统模拟。修改后的力场的实施进行了流行的程序MBN资源管理器,并支持的发展,我们提供了几个说明性的案例研究,动态拓扑是必要的。特别是,它表明,修改后的分子力学力场可以应用于研究过程中,化学键的断裂起着至关重要的作用,例如,在辐射或碰撞引起的损伤中,以及在涉及生物分子系统的转化和断裂过程中。
2015-11-30 physics.bio-ph physics.chem-ph
Vibrational Instabilities in Charge Transport through Molecular Nanojunctions: The Role of Nonconservative Current-Induced Electronic Forces
本文采用基于电子摩擦和朗之万动力学的混合量子-经典方法,结合非平衡格林函数精确计算电子力,研究分子纳米结中电流诱导的振动不稳定性,并通过朗之万模拟与本征模式分析识别失控模式出现的参数区间。
2025-03-25 cond-mat.mes-hall 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
The Truncated Conjugate Gradient (TCG), a Non-iterative/Fixed-cost Strategy for Computing Polarization in Molecular Dynamics: Fast Evaluation of Analytical Forces
Sorbonne Universités, UPMC Univ. Paris 06(索邦大学,巴黎第六大学)
本文提出截断共轭梯度法用于分子动力学中极化计算,通过固定阶数截断共轭梯度算法,实现非迭代计算,从而避免迭代方法中常见的能量守恒问题,提高计算效率。
2017-08-03 cs.NA math.NA physics.chem-ph
Relation between a force curve measured on a solvated surface and the solvation structure: Relational expressions for a binary solvent and a molecular liquid
最近的原子力显微镜(AFM)可以测量在几种溶剂中探针和样品表面之间的力曲线。在某些情况下,力曲线被认为是溶剂化结构,因为它的形状通常是连续的,并且振荡的节距与溶剂的直径大致相同。然而,它不是溶剂化结构。它只是探针和样品表面之间的平均力。由于平均力和溶剂化结构之间的理论关系还不清楚,我们最近推导出一个简单液体中的关系式。虽然我们已经推导出了简单液体的关系式,但二元溶剂和分子液体的关系式还没有明确的认识。因此,我们试图得到在两种类型的溶剂中的关系式。在这封信中,我们简要地推导出的关系,并解释一种方法,用于比较平均力测量液体AFM和溶剂化结构(通过模拟,液体理论,或X射线反射率)。在经典的液体统计力学基础上推导了这些关系式。
2013-03-06 physics.bio-ph physics.chem-ph physics.data-an
Ab-Initio Molecular Dynamics with Screened Lorentz Forces. Part I. Calculation and Atomic Charge Interpretation of Berry Curvature
分子在磁场中的动力学与零磁场中的分子有很大的不同。有场时的一个重要区别是作用在原子核上的洛伦兹力,它可以分解为裸原子核的洛伦兹力和电子产生的屏蔽力之和。这个筛选力是根据Berry曲率计算的,可以定性地改变动力学。因此在磁场中的分子动力学模拟中考虑Berry曲率的贡献是很重要的。在这项工作中,我们提出了一个计划,计算Berry曲率数值,通过有限差分技术,解决与任意全球相位的波函数的挑战。Berry曲率作为键距的函数计算H $_2$在限制和非限制Hartree-Fock理论水平和CH $^{+}$作为磁场强度的函数在限制Hartree-Fock理论水平。计算是使用基组的收缩高斯函数配备伦敦相位因子(伦敦轨道),以确保规范原点不变性。在本文中,我们还解释了Berry曲率的原子电荷,并讨论了它的收敛基组有和没有伦敦相因子。Berry曲率的计算允许其包含在磁场中的\textit{ab initio}分子动力学模拟中。
2021-04-30 physics.chem-ph physics.comp-ph
On the role of gradients for machine learning of molecular energies and forces
任何机器学习潜力的准确性只能与拟合过程中使用的数据一样好。因此,最有效的模型选择与获得训练数据的成本相比将产生最高准确度的训练数据。我们研究了在能量和力标签上训练的有机分子的量子机器学习模型的预测误差的收敛性,这是分子模拟中两种常见的数据类型。当训练和预测对应于相同单个分子的不同几何形状时,我们发现,与仅训练能量的模型相比,在训练数据中包含原子力将预测能量和力的准确性提高了7倍。令人惊讶的是,对于在非平衡构象中不同大小和组成的有机分子集合上训练的模型,在训练中包含力并不能提高新构象中看不见的分子的预测能量。然而,预测力也提高了约7倍。对于所研究的系统,我们发现,力标签和能量标签的贡献相等,每个标签的预测误差的收敛。因此,选择是否在训练集中包含原子力等导数不仅取决于获取用于训练的力标签的计算成本,还取决于应用领域、感兴趣的属性以及机器学习模型的期望大小。根据我们的观察,我们描述了创建分子势能面数据集的关键考虑因素,这些数据集可以最大限度地提高所得机器学习模型的效率。
2020-07-19 physics.chem-ph physics.comp-ph
Improved Parameterization of Amine-Carboxyate and Amine-Phosphate Interactions for Molecular Dynamics Simulations Using the CHARMM and AMBER Force Fields
在过去的几十年里,生物分子的分子动力学(MD)模拟已经成为主流的生物物理技术。随着MD方法适用的长度和时间尺度的增加,经验力场的缺点-已经使用相对较短的小分子模拟开发和验证-变得明显。一种常见的人工制品是由人工强电荷-电荷相互作用驱动的水溶性生物分子的聚集。在这里,我们报告了一个系统的改进Lennard-Jones参数(NBFIX)描述胺-羧酸盐和胺-磷酸盐的相互作用,这使得MD模拟的基本肽介导的核酸组件和脂质双层膜更好地与实验一致。由于我们的改进既不影响现有的参数化键合相互作用,也不改变溶剂化自由能,它提高了真实性的MD模拟,而不会引入额外的文物。
2015-10-07 physics.bio-ph physics.chem-ph q-bio.BM
Molecular vibrations in the presence of velocity-dependent forces
本文建立了速度依赖力(如强磁场)作用下原子核小振动的半经典理论,揭示了振动、转动和平动模式间的耦合,并指出该问题属于二次特征值问题,同时给出了H$_2$、HT和HCN分子的数值验证。
2022-12-20 cond-mat.mtrl-sci physics.chem-ph
Use the force! Reduced variance estimators for densities, radial distribution functions and local mobilities in molecular simulations
即使局部性质的计算,如密度或径向分布函数,仍然是分子模拟的最标准目标之一,它仍然在很大程度上依赖于直接基于直方图的策略。在这里,我们强调了替代方法的最新发展,从不同的角度来看,估计与传统的分箱相比,减少了方差。它们都利用作用在粒子上的力,除了它们的位置,并允许专注于问题的非平凡部分,以减轻(甚至在某些情况下消除)直方图的灾难性行为,因为箱大小减小。相应的计算成本是可以忽略的分子动力学模拟,因为力已经计算产生的配置,和减少方差估计的好处是更大的成本时,产生后者是高的,特别是从头计算模拟。力采样方法可能导致在不存在颗粒的区域中的密度的虚假残余非零值,但是可以使用策略来减轻这种伪影。我们说明这种方法的数量,电荷和极化密度,径向分布函数和局部输运系数,讨论各种观点之间的联系,并提出未来的挑战,这种有前途的方法。
2020-09-10 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Molecular free energy profiles from force spectroscopy experiments by inversion of observed committors
在单分子力谱实验中,生物分子通过聚合物连接器连接到力探针上,并且分子加装置的总延伸作为时间的函数被监测。在一个典型的恒定力下的展开实验中,总延伸在两个值之间跳跃,这两个值对应于分子的折叠和展开状态。对于几种生物分子系统,committor(从给定延伸开始折叠的概率)已被用于提取分子激活屏障(称为“committor inversion”的技术)。在这项工作中,我们研究的影响力探针,这是远远大于被测量的分子,对由commitator反转获得的激活势垒。我们使用一个二维的框架,其中的分子和牵引装置的扩散系数可以不同。通过数值求解Onsager方程和使用布朗动力学模拟,我们系统地研究了从提交者获得的沿总延伸的自由能分布。我们分析了提取的障碍上的链接器的刚度,分子势垒高度,和扩散各向异性的依赖性,从而,建立提交人反转的有效性范围。一路上,我们展示了二维扩散模型的提交人,并说明它是如何受到势垒不对称性和扩散各向异性的影响。
2019-06-19 cond-mat.stat-mech physics.chem-ph q-bio.BM
Genetic optimization of training sets for improved machine learning models of molecular properties
基于统计机器学习的量子力学性质分子模型的训练需要大量的数据集,这些数据集包含从化学结构到分子性质的映射。训练样本的智能先验选择通常很难或不可能实现,因为先验知识可能是稀疏的或不可用的。通常,从这样的数据集中代表性地选择训练分子是通过随机采样来实现的。我们使用遗传算法的训练集组成的数万个有机小分子的优化。由此产生的机器学习模型在随机选择的小训练集方面要准确得多:样品外预测的平均绝对误差对于比热、自由能和零点振动能降低到~25%,对于热容、电子扩散和极化率降低到~50%,对于电子性质如前线轨道本征值或偶极矩降低到~20%以上。我们讨论并提出了优化的训练集组成的10个分子类的所有分子特性的研究。我们表明,这些类可用于设计改进的训练集,用于在相似但不相关的分子集中生成具有相同属性的机器学习模型。
2016-11-24 physics.chem-ph physics.comp-ph
A Transform Method of a Force Curve Obtained by Surface Force Apparatus to the Density Distribution of a Liquid on a Surface: An Improved Version
我们提出了一种从表面力仪(SFA)获得的力曲线到SFA探头表面上的液体密度分布的转换方法。(We强调变换方法是实验的理论。该方法将SFA探针与溶剂球之间的二体势模型化为具有刚性壁面的软吸引势。模型势比我们以前工作中应用的刚性势更接近实际。模型势的引入是对现有变换方法的改进之处。该变换方法是基于简单液体的统计力学导出的,其中简单液体是小球的集合。为了得到变换方法,使用Kirkwood叠加近似。它被发现的转换可以通过一个顺序的计算。认为采用改进的变换法可以更精确地得到溶剂化结构。
2014-12-08 cond-mat.soft physics.bio-ph physics.chem-ph
Homogeneous nucleation in supersaturated vapors of methane, ethane, and carbon dioxide predicted by brute force molecular dynamics
采用分子动力学(MD)方法模拟了甲烷、乙烷和二氧化碳过饱和蒸汽的冷凝过程。用大规模并行MD程序对具有多达一百万个粒子的系统进行了模拟。这导致了可靠的统计数据,并使成核速率下降到10^30/(m^3 s)的数量级,可用于直接模拟方法。将模拟结果与经典成核理论(CNT)以及Laaksonen、Ford和Kulmala(LFK)的理论进行比较,该理论引入了比表面能的尺寸依赖性。CNT在整个研究温度范围内出色地描述了乙烷和二氧化碳的成核,而LFK在低温下提供了更好的甲烷成核方法。
2009-04-06 physics.chem-ph physics.comp-ph
A Correlation Method for Deriving UA Intra-Molecular Potentials from AA Molecular Dynamics Simulations: Application to Alkanes
联合原子(UA)力场通常使用基于蒙特卡罗模拟获得的分布的玻尔兹曼逆方法来构造。提出了一种利用全原子(AA)分子动力学模拟构造UA力场的新方法。在这种方法中,我们确定了同一类型振子之间的时间相关性:CC键与所连接的CH键之间的时间相关性;价角CCC与所有与它共享至少一个氢的价角之间的时间相关性;二面角CCCC与它共享两个中心碳的二面角之间的时间相关性。在这种情况下,力场的AA和UA分量是相同的。当关联是全关联时,一个物体的UA势是耦合到它的振子的能量之和。部分关联也是可能的。几个运动学匹配测试的AA分子与相应的UA分子被认为是:平均周期的振荡器的振动;与存在概率相关的能量;平均端到端的长度的分子。该方法是,作为一个例子,适用于脂肪族分子,模拟与OPLS-AA力场。
2020-01-23 cond-mat.stat-mech physics.chem-ph
Machine-learned molecular mechanics force field for the simulation of protein-ligand systems and beyond
Memorial Sloan Kettering Cancer Center(纪念斯隆凯特琳癌症中心);Asahi Kasei Pharma Corporation(旭化成制药株式会社);University of California, Irvine(加州大学欧文分校);University of California San Diego(加州大学圣迭戈分校);University of Colorado Boulder(科罗拉多大学博尔德分校);Open Molecular Software Foundation(开放分子软件基金会)
本文提出了一种基于图神经网络的端到端可微机器学习分子力学力场espaloma-0.3,通过拟合超110万量子化学计算数据,实现了对蛋白质-配体系统结合自由能的高精度预测,为系统构建可扩展的准确力场提供了新路径。
2023-12-08 cs.AI physics.chem-ph
REBIND: Enhancing ground-state molecular conformation via force-based graph rewiring
Korea Academic Insititue of Science Technology (KAIST)(韩国科学技术院);Pohang University of Science Technology (POSTECH)(浦项科技大学);AITRICS
REBIND框架通过基于Lennard-Jones势的图重连增强低度数原子的非键合相互作用建模,从而提升基态分子构象预测精度,实验显示预测误差最多降低20%。
2024-10-04 cs.AI cs.LG physics.chem-ph
Improved Ab Initio Molecular Dynamics by Minimal Biasing with Experimental Data
同时考虑电子和原子核是从头算分子动力学(AIMD)的一个强大功能。然而,由于基础电子密度泛函的不准确性,AIMD通常无法准确再现水等系统的特性。这个缺点通常通过增加经验修正和/或增加模拟温度来解决。我们在这里提出了一个最大熵的方法,直接将有限的实验数据通过最小的偏差。偏置AIMD模拟的水和水中的过剩质子显着改善的属性都有偏置,以匹配实验数据和无偏的观测值。这种方法还产生了新的物理洞察力的不准确性,在基本的密度泛函理论中使用的无偏有源植入式医疗器械。
2017-01-24 cond-mat.stat-mech physics.chem-ph
Forces are not Enough: Benchmark and Critical Evaluation for Machine Learning Force Fields with Molecular Simulations
Massachusetts Institute of Technology(麻省理工学院);Northwestern University(西北大学);Microsoft Research(微软研究院)
该研究针对现有机器学习力场多以力/能量误差为基准、与实际分子动力学模拟需求脱节的问题,构建了覆盖多体系的新型基准套件与对应指标,测试发现力精度与模拟指标匹配度低,指出稳定性是核心改进方向,并配套开源代码库。
2023-08-26 cs.LG physics.chem-ph physics.comp-ph
Ensemble Learning of Coarse-Grained Molecular Dynamics Force Fields with a Kernel Approach
连续域机器学习(GDML)是一种基于核岭回归算法的精确、高效的分子势和力场学习方法。在这里,我们展示了它的应用程序学习一个有效的粗粒度(CG)模型,从所有原子模拟数据中的样本有效的方式。通过遵循热力学一致性原理来学习粗粒度力场,这里通过最小化预测的粗粒度力与粗粒度坐标中的所有原子平均力之间的误差来学习粗粒度力场。直接通过GDML解决这个问题是不可能的,因为粗粒度需要对许多训练数据点进行平均,从而导致存储核矩阵的内存需求不切实际。在这项工作中,我们提出了一个数据效率和内存节省的替代方案。使用集成学习和分层采样,我们提出了一个2层的训练方案,使GDML学习一个有效的粗粒度模型。我们说明我们的方法在一个简单的生物分子系统,丙氨酸二肽,通过重建的自由能景观的粗粒度的变体,这个分子。当训练集很小时,我们的新GDML训练方案产生比神经网络更小的自由能误差,当训练集足够大时,我们的新GDML训练方案产生更高的精度。
2020-05-04 physics.chem-ph physics.comp-ph stat.ML