通过时间推移邻体洗牌检测复杂分子体系中的动态域与局部涨落
化学物理
2023-08-16 v1
摘要
许多复杂分子体系的特性源于局部的动态重排或涨落，尽管机器学习 (ML) 与精细结构描述符的发展，这些仍常难以检测。本文展示一种基于新描述符（称为局部环境与邻体洗牌，LENS）的 ML 框架，其通过追踪每个分子单元周边随时间的邻体个体变化程度，可识别多种体系中的动态域并检测局部涨落。对 LENS 时间序列数据的统计分析可盲法检测各类分子体系（如具有类液、类固或多样动力学）中的不同动态域，并高效追踪其中出现的局部涨落。该方法是稳健、通用的，且鉴于 LENS 描述符的抽象定义，能够阐明多种（未必是分子的）体系的动态复杂性。
引用
@article{arxiv.2212.12694,
title = {Detecting dynamic domains and local fluctuations in complex molecular systems via timelapse neighbors shuffling},
author = {Martina Crippa and Annalisa Cardellini and Cristina Caruso and Giovanni M. Pavan},
journal= {arXiv preprint arXiv:2212.12694},
year = {2023}
}