使用高斯过程恢复隐藏自由度
软凝聚态物质
2025-10-10 v2 生物物理
计算物理
数据分析、统计与概率
摘要
降维是从分子动力学（MD）模拟中提取有意义信息的关键步骤。传统方法，包括线性方法如主成分分析以及各种自编码器架构，通常在独立同分布数据的假设下运行，忽视了 MD 模拟的序列性质。在这里，我们引入了一种物理信息表示学习框架，利用高斯过程结合变分自编码器来利用 MD 数据中固有的时间依赖性时变核函数——如 Matérn 核——直接将输入坐标的时间相关结构施加到低维空间中，在降维表示中保持马尔可夫性同时忠实捕获基本动力学。使用一个三维玩具模型，我们证明该方法能够成功识别并分离由于隐藏自由度而在几何上不可区分的动力学不同状态。将该框架应用于 T4 溶菌酶的 50 微秒长 MD 轨迹，我们发现了之前分析未能解析的动力学不同构象亚态，揭示了只有在考虑时间相关性时才能显现的功能关系。这种时间感知的视角为理解复杂生物分子系统提供了一个有前景的框架，在这些系统中传统的集体变量无法捕获完整的动力学图景。
引用
@article{arxiv.2505.18072,
title = {Recovering Hidden Degrees of Freedom Using Gaussian Processes},
author = {Georg Diez and Nele Dethloff and Gerhard Stock},
journal= {arXiv preprint arXiv:2505.18072},
year = {2025}
}