层次几何深度学习：实现分子动力学的可扩展分析

分子动力学模拟可以生成复杂系统的原子级轨迹，但当系统缺乏已建立的量化描述符（特征）时，分析这些动力学会变得具有挑战性。以图神经网络（GNN）为例，节点代表原子的空间相邻原子之间传递信息，承诺可以规避手动特征工程，但在生物分子系统中应用GNN分析动力学受到限制，这些限制主要来自：在捕获长程相互作用细节方面的困难，以及大型图所需的内存和运行时资源。本文展示了如何聚合局部信息，以减少内存和运行时需求，而不牺牲原子细节。我们展示了，这一方法为在单个GPU上在几分钟内内分析具有数千个残基的蛋白质-核酸复合物的模拟打开了大门。对于残基数百的系统，数据足以进行定量比较，我们展示了该方法改进了性能和可解释性。