Differentiable Rotamer Sampling with Molecular Force Fields

要約

分子動力学は、現代の構造生物学が高分子の構造と機能を調べる主要な計算方法です。
ボルツマン発生器は、分子システムの経時的な統合を生成ニューラル ネットワークのトレーニングに置き換えることにより、分子動力学の代替手段として提案されています。
MD へのこのニューラル ネットワーク アプローチは、従来の MD よりも高いレートでまれなイベントをサンプリングしますが、ボルツマン ジェネレーターの理論と計算の実現可能性に重大なギャップがあるため、使いやすさが大幅に低下します。
ここでは、これらの障壁を克服するための数学的基礎を開発します。
ボルツマン ジェネレーター アプローチが、特定のアプリケーションでタンパク質などの複雑な高分子の従来の MD を置き換えるのに十分な速さであることを実証し、ニューラル ネットワークを使用して分子エネルギー ランドスケープを探索するための包括的なツールキットを提供します。

要約(オリジナル)

Molecular dynamics is the primary computational method by which modern structural biology explores macromolecule structure and function. Boltzmann generators have been proposed as an alternative to molecular dynamics, by replacing the integration of molecular systems over time with the training of generative neural networks. This neural network approach to MD samples rare events at a higher rate than traditional MD, however critical gaps in the theory and computational feasibility of Boltzmann generators significantly reduce their usability. Here, we develop a mathematical foundation to overcome these barriers; we demonstrate that the Boltzmann generator approach is sufficiently rapid to replace traditional MD for complex macromolecules, such as proteins in specific applications, and we provide a comprehensive toolkit for the exploration of molecular energy landscapes with neural networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google