Machine-Learned Invertible Coarse Graining for Multiscale Molecular Modeling

要約

タイトル- マルチスケール分子モデリングのための機械学習による可逆コースグレーニング

要約- 大規模な時間と長さスケールでの分子特性の科学的研究に幅広く適用されているマルチスケール分子モデリングには、粗い表現と細かい表現間の情報を適切に交換する必要があるため、通常2つの特定の課題が存在します。1つ目の課題は、細かい表現から粗いレベルへの情報の交換によってコースグレインドモデル（CG）を構築することです。 2番目の課題は、CG構成が与えられた場合により細かい分子の詳細を復元することです。 これら2つの問題は一般的に独立してアプローチされますが、本研究ではこれらを結びつける理論を提示し、Cycle Coarse Graining（CCG）と呼ばれる方法論を開発して、両方の問題を統一的に解決します。 CCGでは、オプティマイゼーションプロセスを介して再構成が達成され、CGシミュレーションから細かい詳細を取得するための一般的な方法を提供し、それによって、稀なイベントフリーな方法で自由エネルギーを計算するための効率的な方法を提供します。 CCGは、細かい詳細を効率的に取得でき、CGモデルを一貫して改善できるマルチスケール分子モデリングのシステム的な方法を提供します。

– マルチスケール分子モデリングには、粗い表現と細かい表現間の情報を適切に交換する必要があり、このために2つの特定の問題が存在する
– Construction Coarse Graining（CCG）は理論を提示し、CCGを開発して、両方の問題を統一的に解決する
– CCGでは、オプティマイゼーションプロセスを通じて再構成が達成されるため、CGシミュレーションから細かい詳細を取得する一般的な方法を提供する
– CCGは、稀なイベントフリーな方法で自由エネルギーを計算するための効率的な方法を提供する
– CCGはマルチスケール分子モデリングのシステム的な方法を提供し、細かい詳細を効率的に取得でき、CGモデルを一貫して改善できる

要約(オリジナル)

Multiscale molecular modeling is widely applied in scientific research of molecular properties over large time and length scales. Two specific challenges are commonly present in multiscale modeling, provided that information between the coarse and fine representations of molecules needs to be properly exchanged: One is to construct coarse grained (CG) models by passing information from the fine to coarse levels; the other is to restore finer molecular details given CG configurations. Although these two problems are commonly addressed independently, in this work, we present a theory connecting them, and develop a methodology called Cycle Coarse Graining (CCG) to solve both problems in a unified manner. In CCG, reconstruction can be achieved via a tractable optimization process, leading to a general method to retrieve fine details from CG simulations, which in turn, delivers a new solution to the CG problem, yielding an efficient way to calculate free energies in a rare-event-free manner. CCG thus provides a systematic way for multiscale molecular modeling, where the finer details of CG simulations can be efficiently retrieved, and the CG models can be improved consistently.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI