机器学习时代的集体变量发现：现实、炒作与中间地带

理解生物分子的动力学与热力学特征对理解其功能角色必不可少，这对机制驱动的药物发现有重大影响。分子动力学模拟已常规用于理解生物分子的构象动态与分子识别。对分子动力学模拟生成的高维时空数据进行统计分析，需要识别少数低维变量，其能在无显著信息损失下描述系统的本质动态。在物理化学中，这些低维变量常称为集体变量。集体变量用于生成自由能面的降维表示并计算不同亚稳 basin 间的转移概率。然而对复杂系统，集体变量的选择并非易事。集体变量范围从距离、二面角等几何准则到多几何变量加权线性组合等抽象变量。机器学习算法的出现导致抽象集体变量日益用于表征生物分子动态。本综述中，我将强调从几何到抽象等各类常用集体变量的若干细微之处。进一步，我将列举若干机器学习集体变量被用于描述本可由几何变量描述的简单系统的案例。最后，我将阐述对通用人工智能及其如何用于从分子动力学模拟生成的时空数据中发现与预测集体变量的思考。