利用构象分布的贝叶斯推断对系综平均测量进行力场参数的自动优化
化学物理
2025-11-04 v2 生物物理
摘要
准确的力场对于可靠的分子模拟至关重要。这些模型通过量子力学计算和实验测量进行精修，而后者受到随机误差和系统误差的影响。构象分布的贝叶斯推断(BICePs)是一种重加权算法，通过对构象分布和实验不确定性的完整后验分布进行采样，将模拟系综与稀疏或含噪观测量相调和。在该方法中，一种名为 BICePs 得分的指标被用于执行模型选择，其计算方式是在实验约束下“开启”构象分布的自由能。该方法与改进的似然函数结合使用以处理实验异常值时，可用于力场验证(Raddi et al. 2025)。在此，我们将 BICePs 方法扩展以执行自动力场精修，同时采样完整的误差分布，并使用变分方法最小化 BICePs 得分。为了证明该方法的实用性，我们使用系综平均距离测量作为约束，精修了 12-mer HP 格点模型的多个相互作用参数。为了说明 BICePs 在存在未知随机和系统误差时的韧性，我们通过重复优化并在各种程度的实验误差下评估了算法的性能。我们的结果表明，BICePs 得分的变分优化是分子势能鲁棒且自动参数化的一个有前景的方向。
引用
@article{arxiv.2402.11169,
title = {Automated optimization of force field parameters against ensemble-averaged measurements with Bayesian Inference of Conformational Populations},
author = {Robert M. Raddi and Vincent A. Voelz},
journal= {arXiv preprint arXiv:2402.11169},
year = {2025}
}