用于分子动力学模型降维的反应坐标流
机器学习
2023-09-13 v1 动力系统
化学物理
数据分析、统计与概率
机器学习
摘要
在这项工作中，我们引入了一种基于流的机器学习方法，称为反应坐标(RC)流，用于发现分子系统的低维动力学模型。RC流利用归一化流设计坐标变换，并采用布朗动力学模型近似RC的动力学，其中所有模型参数均可由数据驱动方式估计。与现有的分子动力学模型降维方法相比，由于归一化流的可逆性，RC流在连续时间与空间中提供了可训练且易处理的降维动力学模型。此外，本工作所研究的基于布朗动力学的降维动力学模型，在分子系统相空间内给出了可清晰辨识的亚稳态表示。数值实验证明了所提方法能多有效地从模拟中发现给定全态动力学的可解释且准确的低维表示。
引用
@article{arxiv.2309.05878,
title = {Reaction coordinate flows for model reduction of molecular kinetics},
author = {Hao Wu and Frank Noé},
journal= {arXiv preprint arXiv:2309.05878},
year = {2023}
}