基于可微分仿真推导的最优协议下自由能景观重构的迭代改进

自由能景观编码了分子过程的动力学、中间体和过渡态，是单分子研究的关键目标。典型的推导这些景观的最优、误差最小的非平衡驱动协议的方法需要对景观事先了解。本文提出了一种替代方法：一个用于优化完整自由能景观重构的迭代算法，可与未知景观上的实验配合使用。我们的 method (i) 采用实验或仿真轨迹数据；(ii) 重构一个 `近似'能量景观；(iii) 使用自动微分在候选景观上进行低维可微分布朗运动仿真中推导最优控制协议；(iv) 使用更新后的协议重新运行实验或仿真；(v) 迭代至收敛。通过这种方法，我们从文献中恢复已知基准，并探索对称、非对称和三井能量景观在 1- 和 2-维控制下的远离平衡情形。我们的方法派生的控制协议——无需对能量景观事先了解——在自由能景观重构中显著降低了方差和偏差，与朴素线性协议相比效果更佳。