通过学习分子系统有效动力学实现加速模拟
计算物理
2021-02-18 v1 计算工程、金融与科学
机器学习
摘要
模拟对于理解和预测复杂分子系统的演化至关重要。然而，尽管算法与专用硬件有所进展，获取捕捉生物分子结构演化所需的时间尺度仍是一项艰巨任务。本工作提出一种新颖框架，通过学习分子系统的有效动力学（LED）将模拟时间尺度推进至多三个数量级。LED 采用混合密度网络（MDN）自编码器在粗粒与细粒尺度间建立概率映射，从而扩充无方程方法，并使用长短期记忆 MDN 演化非马尔可夫潜动力学。我们在 M"ueller-Brown 势、Trp Cage 蛋白与丙氨酸二肽中展示了 LED 的有效性。LED 可识别可解释的降阶表示，并能在任意时刻生成相应的全原子分子轨迹。我们相信所提框架显著增强了模拟能力，并为复杂分子系统的有效建模开辟了新视野。
引用
@article{arxiv.2102.08810,
title = {Accelerated Simulations of Molecular Systems through Learning of their Effective Dynamics},
author = {Pantelis R. Vlachas and Julija Zavadlav and Matej Praprotnik and Petros Koumoutsakos},
journal= {arXiv preprint arXiv:2102.08810},
year = {2021}
}