要約
分子動力学(MD)シミュレーションは、材料科学、化学、薬理学などの分野において、かけがえのない、どこにでもあるシミュレーションです。従来のMDシミュレーションは、数値的安定性や長い平衡化時間の問題に悩まされており、MDシミュレーションの幅広い応用が制限されている。近年、これらの制約を克服するために、より大きな時間スケールで状態遷移メカニズムを学習する、時間分解ダイナミクスのためのディープラーニングアプローチが次々と考案されている。しかしながら、リサンプリング技術によって基礎となるボルツマン分布をターゲットとする手法はごく少数であり、そこでは提案が新しい状態として受け入れられることはほとんどなく、効率も低い。本研究では、まず全原子時間コア化ダイナミクスのブリッジマッチングに物理的事前分布を組み込む新しいフレームワークである、力誘導型ブリッジマッチングモデル（FBM）を提案する。FBMは、よく設計された中間力場のガイダンスにより、余分なステップを踏むことなく、直接推論によりボルツマン様分布をターゲットとすることが可能である。小さなペプチドを用いた実験により、包括的なメトリクスの点で我々の優位性が検証され、未知のペプチド系への移植性が実証された。
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 | 2024-09-03 15:30:27+00:00 |
| arxivサイト | arxiv_id(pdf) |