基于广义Born和可迁移图神经网络的分子动力学模拟隐式溶剂方法
化学物理
2023-05-25 v1
摘要
分子动力学（MD）模拟能够研究小分子和大（生物）分子的运动，并估计它们的构象系综。其中，对环境的描述具有很大影响。隐式溶剂表示效率高，但在许多情况下不够准确（尤其是对于如水这样的极性溶剂）。显式处理溶剂分子更准确，但计算成本也更高。最近，机器学习（ML）被提出以弥合这一差距，并以隐式方式模拟显式溶剂化效应。然而，当前的方法依赖于对整个构象空间的先验知识，限制了它们在实践中的应用。在此，我们引入一种基于图神经网络（GNN）的隐式溶剂，它能够描述训练集中未包含的不同组成肽的显式溶剂效应。
引用
@article{arxiv.2302.09321,
title = {Implicit Solvent Approach Based on Generalised Born and Transferable Graph Neural Networks for Molecular Dynamics Simulations},
author = {Paul Katzberger and Sereina Riniker},
journal= {arXiv preprint arXiv:2302.09321},
year = {2023}
}