基于实验数据的力场贝叶斯校准：TIP4P水
应用统计
2018-11-14 v2
摘要
分子动力学（MD）模拟在给定遍历采样和精确力场的条件下，可获取平衡结构与动力学性质。力场参数经校准以复现实验或模拟测得的属性。本文的主要贡献是一个用于力场参数校准与不确定性量化的近似贝叶斯框架，且不假设参数不确定性为高斯分布。为此，由于在缺乏高斯性假设时MD模拟模型的似然函数难以处理，我们采用一种称为近似贝叶斯计算（ABC）的无似然推断方案，并提出一种自适应种群蒙特卡洛ABC算法，其相较于先前用于氦系统力场校准的ABCsubsim算法收敛更快且扩展性更好。第二项贡献是在Python生态ABCpy中将ABC算法适配于高性能计算下的MD模拟。我们展示了所开发方法在学习和获取氦的伦纳德-琼斯力场参数及水的TIP4P系统参数的后验分布与贝叶斯估计上的性能，这些参数分别基于模拟数据集与利用中子和X射线衍射收集的实验数据集实现。对于模拟数据，贝叶斯估计与生成数据集所用的真实参数值高度一致。对于实验及模拟数据，贝叶斯后验分布显示出力场参数间强烈的关联模式。我们的方法提供整个后验分布的估计，因而也可对模型预测进行不确定性量化。该研究为从任意结构与动力学性质的可用实验数据集中严格校准力场开辟了可能。
引用
@article{arxiv.1804.02742,
title = {Bayesian Calibration of Force-fields from Experimental Data: TIP4P Water},
author = {Ritabrata Dutta and Zacharias Faidon Brotzakis and Antonietta Mira},
journal= {arXiv preprint arXiv:1804.02742},
year = {2018}
}