玻尔兹曼生成器——用深度学习采样多体系统的平衡态
机器学习
2019-07-15 v2 统计力学
机器学习
化学物理
摘要
计算凝聚态多体系统（如溶剂化蛋白质）的平衡态是一项长期存在的挑战。由于缺乏“一次性”生成统计独立平衡样本的方法，人们投入巨大计算努力以微小步长模拟这些系统，例如使用分子动力学。结合深度学习与统计力学，我们在此开发了玻尔兹曼生成器（Boltzmann Generators），其被证明能够一次性生成代表性凝聚态系统与蛋白质的无偏平衡样本。玻尔兹曼生成器利用神经网络将复杂构型平衡分布学习变换为易于采样的分布。文中展示了自由能差的精确计算与新构型的发现，提供了一种无需反应坐标先验知识即可在采样中避免罕见事件的统计力学工具。
引用
@article{arxiv.1812.01729,
title = {Boltzmann Generators -- Sampling Equilibrium States of Many-Body Systems with Deep Learning},
author = {Frank Noé and Simon Olsson and Jonas Köhler and Hao Wu},
journal= {arXiv preprint arXiv:1812.01729},
year = {2019}
}