要約
分子動力学 (MD) シミュレーションは、ほんの数例を挙げると、材料科学、化学、薬学の分野でかけがえのないものであり、遍在しています。
従来の MD シミュレーションは、数値的安定性と長い平衡時間の問題に悩まされており、これにより MD シミュレーションの広範なアプリケーションが制限されます。
最近、これらの制限を克服するために、はるかに長い時間スケールで状態遷移メカニズムを学習する、時間粗化ダイナミクス向けの深層学習アプローチが急増しています。
ただし、リサンプリング手法によって基礎となるボルツマン分布をターゲットにする方法はわずかであり、提案が効率の低い新しい状態として受け入れられることはほとんどありません。
この研究では、全原子時間粗大化ダイナミクスのブリッジマッチングに物理事前分布を最初に組み込む新しいフレームワークである、力誘導ブリッジマッチングモデル FBM を提案します。
適切に設計された中間力場のガイダンスにより、FBM は追加のステップを必要とせずに直接推論によってボルツマン様分布をターゲットにすることが可能です。
小さなペプチドに関する実験により、包括的な指標の観点から我々の優位性が検証され、まだ見ぬペプチドシステムへの移行可能性が実証されています。
要約(オリジナル)
Molecular Dynamics (MD) simulations are irreplaceable and ubiquitous in fields of materials science, chemistry, pharmacology just to name a few. Conventional MD simulations are plagued by numerical stability as well as long equilibration time issues, which limits broader applications of MD simulations. Recently, a surge of deep learning approaches have been devised for time-coarsened dynamics, which learns the state transition mechanism over much larger time scales to overcome these limitations. However, only a few methods target the underlying Boltzmann distribution by resampling techniques, where proposals are rarely accepted as new states with low efficiency. In this work, we propose a force-guided bridge matching model, FBM, a novel framework that first incorporates physical priors into bridge matching for full-atom time-coarsened dynamics. With the guidance of our well-designed intermediate force field, FBM is feasible to target the Boltzmann-like distribution by direct inference without extra steps. Experiments on small peptides verify our superiority in terms of comprehensive metrics and demonstrate transferability to unseen peptide systems.
arxiv情報
著者 | Ziyang Yu,Wenbing Huang,Yang Liu |
発行日 | 2024-08-27 15:07:27+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google