We introduce a straightforward, single-ensemble, path sampling approach to calculate free energy differences based on Jarzynski's relation. For a two-dimensional ``toy'' test system, the new (minimally optimized) method performs roughly one hundred times faster than either optimized ``traditional'' Jarzynski calculations or conventional thermodynamic integration. The simplicity of the underlying formalism suggests the approach will find broad applicability in molecular systems.
Discrete Equilibrium Sampling with Arbitrary Nonequilibrium Processes
D-Wave Systems Inc.（D-Wave系统公司）
我们提出了一个新的框架进行统计抽样，期望估计，分区函数近似使用\emph{arbitrary}启发式随机过程定义在离散状态空间。使用一个高度并行的结构，我们称之为\emph{sequential constraining process}，我们能够同时产生的启发式过程的状态，并准确地估计其概率，即使它们太小，实际上是通过直接计数推断。在表明理论上正确的重要性抽样和马尔可夫链蒙特卡罗是可能的顺序约束过程中，我们将其集成到一个方法称为\emph{state space sampling}，从计算机科学的抽样范围内的状态空间搜索的想法。该方法包括动态数据结构，该动态数据结构构造由受精度约束的启发式过程生成的统计的鲁棒贝叶斯模型，该精度约束为后验库尔贝克-莱布勒散度。从动态结构中采样通常会产生部分状态，这是通过递归调用启发式算法来细化结构并恢复采样来完成的。我们的各种伊辛模型的实验表明，状态空间采样，使启发式状态生成与准确的概率估计，证明了模拟退火过程的收敛到玻尔兹曼分布的运行长度增加。因此，迄今为止，前所未有的直接重要性抽样使用一般随机过程的\emph{final}（边际）分布是允许的，潜在地增加了蒙特卡罗从业者的处置的算法的范围。
The "weighted ensemble" path sampling method is statistically exact for a broad class of stochastic processes and binning procedures
Huber和Kim提出的“加权系综”方法[G. A. Huber和S.金生物物理J. 70，97（1996）]，是少数几个严格的方法路径抽样的罕见事件。扩展早期的讨论，我们表明，该技术是统计精确的一类广泛的马尔可夫和非马尔可夫动态。推导是基于标准的路径积分（路径概率）的想法，但重铸的加权集成方法作为简单的“rescue”在路径空间。类似的推理表明，任意的非静态装箱程序，这仅仅是指导重新排序过程，也是有效的。数值例子证实了索赔，包括使用箱，可以自适应地找到一个简单的模型中的目标状态。
Data-driven Langevin modeling of nonequilibrium processes
给定非平稳数据从分子动力学模拟，马尔可夫朗之万模型的构建，旨在再现的时间演变的基础过程。虽然在平衡的自由能景观采样，非平衡过程可以与一个有偏见的能源景观，这占有限的采样效应和外部驱动。扩展数据驱动的朗之万方程（dLE）方法[Phys.\修订版本\ Lett. { \bf 115}，050602（2015）]的非平衡过程的建模，一个有效的方法来计算多维朗之万场的概述。的dLE示出正确地占各种非平衡过程，包括强制解离氯化钠在水中，压力跃变诱导成核的液体的硬球，和构象动力学的螺旋肽采样从非平稳的短轨迹。
