理解 RAVE 中预测时间延迟与偏置传播子的作用
统计力学
2020-04-22 v1 化学物理
计算物理
摘要
在这项工作中，我们重新审视我们最近的迭代机器学习（ML）—分子动力学（MD）技术“用于增强采样的重加权自编码变分贝叶斯（RAVE）”（Ribeiro, Bravo, Wang, Tiwary, J. Chem. Phys. 149 072301 (2018) 与 Wang, Ribeiro, Tiwary, Nature Commun. 10 3573 (2019)），并分析且形式化其若干近似。这些包括：(a) 预测时间延迟的选择，即 ML 应试图从 MD 输出的给定系统状态向未来预测多远，以及 (b) 对于短时间延迟，将动力学的偏置传播子近似为无偏传播子会引入多少误差。我们通过主方程框架论证了为何只要采用一个小的非零值，时间延迟的精确选择是无关的。我们还推导了一个修正项以对偏置传播子重新加权，并且令我们有些不满但也令我们安心的是，发现它对我们先前推导并使用的直观图像几乎毫无影响。
引用
@article{arxiv.2002.06099,
title = {Understanding the role of predictive time delay and biased propagator in RAVE},
author = {Yihang Wang and Pratyush Tiwary},
journal= {arXiv preprint arXiv:2002.06099},
year = {2020}
}