通过状态预测信息瓶颈加速全原子模拟并获取生物物理系统的机理认识
生物物理
2021-12-22 v1 无序系统与神经网络
软凝聚态物质
统计力学
摘要
分子动力学模拟中增强采样算法的有效实现需要预先知道描述系统相关机理的近似反应坐标。本文展示了基于人工智能的最近状态预测信息瓶颈（SPIB）方法如何能够将从欠采样轨迹中学习到这样的反应坐标作为深度神经网络。我们通过对两个典型生物物理系统施加沿 SPIB 所学反应坐标的良 tempered 元动力学模拟，实现了超过 40 个数量级的加速，从而证明了其实用性。这些系统包括合成蛋白 (Aib)_9 中从左手到右手手性转变，以及小分子不对称分子苯甲酸透过合成对称磷脂双分子层的渗透。除了显著加速动力学并实现不同亚稳态之间的来回运动外，基于 SPIB 的反应坐标还对驱动这两个重要问题的过程提供了机理洞察。
引用
@article{arxiv.2112.11201,
title = {Accelerating all-atom simulations and gaining mechanistic understanding of biophysical systems through State Predictive Information Bottleneck},
author = {Shams Mehdi and Dedi Wang and Shashank Pant and Pratyush Tiwary},
journal= {arXiv preprint arXiv:2112.11201},
year = {2021}
}