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
Nonadiabatic rare events from transition-path sampling of MASH trajectories
Institute of Molecular Physical Science, ETH Zurich(苏黎世联邦理工学院分子物理科学研究所)
本文结合MASH方法与过渡路径采样,提出高效模拟非绝热稀有事件的框架,通过分析反应机制和统计性质,展示其在稀有非绝热过程中的应用价值。
2026-03-18 physics.chem-ph physics.comp-ph
Reweighted Jarzynski sampling: Acceleration of rare events and free energy calculation with a bias potential learned from nonequilibrium work
我们介绍了一个简单的增强采样方法的自由能差和障碍沿一维反应坐标的计算。首先,沿着反应坐标进行少量的短非平衡模拟,并使用Jarzynski等式从非平衡功分布中学习近似自由能表面。这种自由能估计表示在一个紧凑的形式作为一个人工神经网络,并作为一个外部偏置电位,以加速罕见的事件在随后的分子动力学模拟。最后的自由能估计,然后通过重新加权的平衡概率分布的反应坐标下采样的外部偏压的影响。我们应用我们的重新加权Jarzynski采样配方的四个过程中的不同尺度和复杂的化学反应,在气相中,对协会的解决方案,和液滴成核过饱和蒸汽。在所有情况下,我们发现重新加权Jarzynski采样是一个非常有效的策略,导致快速收敛的自由能高精度。
2021-11-02 physics.chem-ph physics.comp-ph
A Bifurcation Monte Carlo Scheme for Rare Event Simulation
分叉方法是一种进行罕见事件抽样的方法--估计那些太罕见而无法通过直接模拟发现的事件的概率。我们描述了分歧的方法,并用它来估计双势阱问题的转移率。我们表明,相关的约束路径采样问题可以解决的克鲁克斯-钱德勒采样和并行回火和边缘化的组合。
2016-06-02 physics.comp-ph
A General Algorithm for Sampling Rare Events in Non-Equilibrium and Non-Stationary Systems
虽然存在许多用于稀有事件采样的计算方法,但是这种类型的计算对于具有宏观不可逆动力学并且远离稳态和亚稳态的一般非平衡条件通常不实用。本文提出了一种新的计算罕见事件概率时间序列的方法。对时变剪切流下的Glauber-伊辛模型、淬火后的Kawasaki-伊辛模型以及平行开放非对称排斥过程(p-o ASEP)进行了验证。该方法需要细分的相空间的系统:它是基准,并发现规模越来越精细的细分,这意味着它可以应用没有详细的预知的物理重要的反应途径。
2010-11-06 cond-mat.mes-hall cond-mat.stat-mech physics.atm-clus
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
Everything everywhere all at once: a probability-based enhanced sampling approach to rare events
Italian Institute of Technology(意大利理工学院)
本文提出了一种基于概率的增强采样方法,用于高效研究稀有事件的自由能面和过渡态。
2025-03-27 cond-mat.stat-mech physics.comp-ph
A Machine-Learning-Based Importance Sampling Method to Compute Rare Event Probabilities
我们开发了一种新的计算方法来评估所产生的随机初始化的非线性动力系统的极端漂移概率。该方法使用偏移概率理论,制定了一系列的贝叶斯逆问题,当解决,产生的偏置分布。解决多个贝叶斯逆问题可能是昂贵的;在更高的维度上更是如此。为了减轻计算成本,我们建立了基于机器学习的代理来解决贝叶斯逆问题,从而产生偏置分布。然后,可以在重要性抽样过程中使用该偏置分布来估计极端偏移概率。
2020-06-04 physics.comp-ph
Jeffreys Flow: Robust Boltzmann Generators for Rare Event Sampling via Parallel Tempering Distillation
Department of Mathematics, Purdue University(普渡大学数学系)
本文提出Jeffreys流,通过并行退火轨迹蒸馏数据,利用对称Jeffreys散度缓解玻尔兹曼生成器的模式崩溃问题,提升多模分布的采样精度与全局模式覆盖。
2026-04-07 cs.LG cs.NA math.NA
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
Forward Flux Sampling-type schemes for simulating rare events: Efficiency analysis
我们分析了几种模拟方法,我们最近提出的随机动力系统中的罕见事件的速率常数计算的效率,在平衡或不平衡。对于给定的计算成本,我们推导出使用这些方法的计算成本的解析表达式,以及速率常数的最终估计中的统计误差。这些表达式可用于确定对给定问题使用哪种方法,优化参数的选择,以及评估所得结果的意义。我们将这些表达式应用于Maier和Stein提出的二维非平衡稀有事件问题。对于这个问题,我们的分析给出了准确的定量预测的计算效率的三种方法。
2006-02-10 cond-mat.other physics.comp-ph
Simulating rare events using a Weighted Ensemble-based string method
我们引入了一个扩展的加权包围(WE)路径采样方法,限制采样到一个一维的路径通过一个高维相空间。我们的方法,这是基于有限温度弦方法,允许平衡和非平衡系统的有效采样。从WE方法获得的采样引导序参量空间的Voronoi曲面细分的自适应细化,其生成点在收敛时与主反应途径一致。我们证明了这种方法的应用程序驱动布朗运动的几个简单的,二维模型和构象变化的氮调节蛋白C接收域使用弹性网络模型。二维模型的简单性使我们能够直接将WE方法的效率与传统的蛮力模拟和其他路径采样算法进行比较,而蛋白质构象变化的例子则展示了该方法如何用于有效地研究许多集体变量空间中的转换。
2012-12-13 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Moment-Preserving and Mesh-Adaptive Reweighting Method for Rare-Event Sampling in Monte-Carlo Algorithms
我们提出了新的轮盘赌计划的稀有事件采样,结构保持和公正的。蒙特卡罗标记被分割和删除的边界会自动放置并在运行时进行调整。用新的方案扩展现有的代码是可能的,而不需要剧烈的变化,因为标记的运动方程没有改变。这些方案也可以应用在标记之间存在非线性和非局部耦合的情况下。作为一个说明性的应用程序,我们已经实现了这种方法在ASCOT-RFOF代码,用于模拟快离子产生的射频波在聚变等离子体。在这种应用中,用这种方法,典型的快离子能量的蒙特卡罗噪声水平可以减少至少一个数量级,而不增加计算工作量。
2021-02-19 cs.NA math.NA physics.comp-ph
Compressive Transition Path Sampling
提出了稀有事件复杂系统的仿真算法。压缩感知(CS)使我们对信号恢复极限的理解发生了{ \it革命性}变化,并迫使我们重新定义用于稀疏恢复的香农-奈奎斯特采样定理。通过CS重建轨迹和过渡路径的形式主义,说明了所提出的算法。抽样不足的含义非常重要。这种形式主义可以增加易于处理的时间尺度{ \it极大}的统计力学系统的模拟和罕见的事件模拟。然而,长时间尺度是罕见事件真实复杂模拟的主要障碍和挑战。详细讨论了如何实施,测试和所提出的方法可能面临的挑战的轮廓。
2018-04-21 physics.comp-ph
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
Multicanonical MCMC for Sampling Rare Events
讨论了作为稀有事件抽样方法的多正则MCMC(Multicanonical Markov Chain Monte Carlo; Multicanonical Monte Carlo)。从审查的一般框架的重要性抽样,多规范MCMC介绍,其次是随机矩阵,随机图,混沌动力系统中的应用。双交换MCMC(也称为并行回火或Metropolis耦合MCMC)也被解释为多规范MCMC的替代方案。在最后一节中,多规范MCMC被应用到数据代理,一个成功的实现在代理时间序列。在附录中,计算的平均值和归一化常数在一个指数的家庭,相共存,模拟回火,并行化,和多元扩展进行了讨论。
2014-10-17 cond-mat.dis-nn cond-mat.stat-mech nlin.CD
A unified perspective on exponential tilt and bridge algorithms for rare trajectories of discrete Markov processes
本文分析比较了离散马尔可夫过程稀有轨迹模拟的指数倾斜与随机桥技术,统一其重要性采样框架并通过数值比较揭示各自高效应用领域,提供详细模拟算法。
2024-05-14 cond-mat.stat-mech math.PR physics.comp-ph
Rare-event sampling for stochastic dynamics in network systems using cluster updates
Duke University(杜克大学);University of Maryland, College Park(马里兰大学帕克分校);National Quantum Laboratory, University of Maryland, College Park(马里兰大学帕克分校国家量子实验室)
该研究针对复杂网络稀有宏观事件采样难题,提出条件路径蒙特卡洛(CPMC)方法,在亲属关系网络SIS动力学中验证了其用于稀有大规模疫情暴发风险分析的潜力。
2026-09-10 cond-mat.stat-mech cs.SI physics.comp-ph
Instanton based importance sampling for rare events in stochastic PDEs
本文提出了一种新的方法,用于采样由随机偏微分方程(SPDE)控制的非平衡系统中的罕见和大的波动与附加强迫。为此,我们部署了所谓的瞬子形式主义,对应于鞍点近似的路径积分制定的基础SPDE的行动。在我们的方法中的关键一步是制定一个替代的SPDE,结合知识的瞬子解决方案,使我们能够约束的动态演化周围的极端流动配置。最后,基于Girsanov定理的重新加权过程被应用于恢复原系统的完整分布函数。以一维Burgers方程为例,说明了整个过程。此外,我们比较我们的方法,传统的直接数值模拟以及混合蒙特卡罗方法。它将表明,基于瞬子的采样方法优于这两种方法,并允许从核心到非常远的尾巴的速度梯度的整个概率密度函数的准确量化。
2018-12-09 nlin.CD physics.comp-ph physics.flu-dyn
Efficient Dynamic Importance Sampling of Rare Events in One Dimension
利用随机路径积分理论,我们获得了\emph{by simulation}在效率上的实质性收益的计算反应速率在一维,半无限,过阻尼随机系统。使用一个定义良好的衡量效率,我们比较“动态重要性采样”(DIMS)方法的实现无偏模拟。最好的DIMS算法被证明是提高效率的因素约为20的$5 k_B T$势垒高度和300的$9 k_B T$,相比无偏模拟。增益来自于对自然(无偏)、类瞬变交叉事件的密切仿真,其中人为地减少了在速率计算中校正的事件之间的等待时间。使用Onsager-Machlup动作所描述的最可能穿越事件的封闭形式解来生成人工穿越事件。虽然最好的偏置方法需要势的二阶导数(由动作中的“雅可比”项产生,这将在后面详细讨论),但仅使用一阶导数的算法几乎也是如此。我们讨论了一维模型的重要性,更大的系统,并建议扩展到高维系统。
2000-10-25 physics.chem-ph physics.comp-ph
A Hybrid Monte Carlo algorithm for sampling rare events in space-time histories of stochastic fields
我们引入了一个变种的混合蒙特卡罗(HMC)算法来解决随机流体力学中的大偏差统计。基于随机(偏)微分方程的路径积分方法,我们的HMC算法采样的随机噪声的影响下的动态自由度的时空历史。首先,我们通过再现由高斯和时间白噪声驱动的一维Burgers方程的多尺度特性来验证和基准测试HMC算法。其次,我们将展示如何实现一个重要性采样协议,以显着提高,数量级,概率抽样极端和罕见的事件,使之有可能估计的时刻场变量的极高阶(高达30和更多)。通过采用重新加权技术,我们将有偏配置映射回原始概率测度,以探测其统计重要性。最后,我们表明,通过偏置系统非常强烈的负梯度,HMC算法能够探索周围的瞬子配置的统计波动。我们的结果也将是有趣的和相关的格点规范理论,因为它们提供了深入了解重新加权技术。
2019-10-27 cond-mat.stat-mech hep-lat nlin.CD
Optimisation of importance sampling implementation in rare-event shielding simulations using Geant4
School of Physics and Astronomy, University of Birmingham(伯明翰大学物理与天文学院);Institute for Experimental Physics, University of Hamburg(汉堡大学实验物理研究所)
该研究针对稀有事件屏蔽模拟中计算成本高的问题,优化了重要性分裂和俄罗斯轮盘赌技术,确定了适用于不同粒子、材料的最优层厚度,可提升约20倍计算效率。
2026-09-04 hep-ex physics.comp-ph physics.ins-det
Numerical study of extreme mechanical force exerted by a turbulent flow on a bluff body by direct and rare-event sampling techniques
本研究调查,通过数值模拟,极端的机械力施加的湍流冲击钝体,并检查两个不同的稀有事件算法的相关性,以有效地采样这些事件。将置于湍流槽道流(二维)中的方形障碍物所经历的阻力作为代表性的案例研究。直接采样表明,极端的波动是密切相关的障碍物的近尾流阻塞的强涡的存在。这个涡流是造成前体和障碍物底部之间显著压降的原因,因此产生很高的阻力值。两种算法,然后被认为是加速这样的流的采样,即AMS和GKTL算法。这些算法背后的一般思想是用一组短得多的模拟来取代长模拟,并行运行,根据一些旨在更频繁地对大幅度事件进行采样的特定规则,动态被复制或修剪。这些算法已被证明是相关的统计物理,计算机科学,生物化学中的广泛的问题。本研究是第一次应用到流体-结构相互作用问题。实际的证据表明,快速扫描时间的湍流结构过去的障碍物有很大的影响的稀有事件算法的效率。虽然AMS算法不产生显着的运行时间节省相比,直接采样,GKTL算法似乎是有效的采样非常有效的极端波动的时间平均阻力和估计相关的统计数据,如返回时间。
2020-05-19 physics.comp-ph physics.flu-dyn