NNP/MM: Accelerating molecular dynamics simulations with machine learning potentials and molecular mechanic

要約

機械学習の可能性は、生体分子シミュレーションの精度を向上させる手段として浮上しています。
ただし、その応用は、従来の分子力学と比較して膨大な数のパラメータから生じる大幅な計算コストによって制約されます。
この問題に取り組むために、ニューラル ネットワーク ポテンシャル (NNP) と分子力学 (MM) を組み合わせたハイブリッド手法 (NNP/MM) の最適化された実装を導入します。
このアプローチでは、NNP を使用してシステムの一部 (小分子など) をモデル化し、残りのシステムには MM を使用して効率を高めます。
さまざまなタンパク質-リガンド複合体に関する分子動力学 (MD) シミュレーションとリガンドに関するメタダイナミクス (MTD) シミュレーションを実行することにより、NNP/MM の実装の機能を紹介します。
これにより、シミュレーション速度を 5 倍に向上させ、複合体ごとに 1 マイクロ秒の組み合わせサンプリングを達成することができ、このクラスのシミュレーションでこれまで報告された最長のシミュレーションを記録しました。

要約(オリジナル)

Machine learning potentials have emerged as a means to enhance the accuracy of biomolecular simulations. However, their application is constrained by the significant computational cost arising from the vast number of parameters compared to traditional molecular mechanics. To tackle this issue, we introduce an optimized implementation of the hybrid method (NNP/MM), which combines neural network potentials (NNP) and molecular mechanics (MM). This approach models a portion of the system, such as a small molecule, using NNP while employing MM for the remaining system to boost efficiency. By conducting molecular dynamics (MD) simulations on various protein-ligand complexes and metadynamics (MTD) simulations on a ligand, we showcase the capabilities of our implementation of NNP/MM. It has enabled us to increase the simulation speed by 5 times and achieve a combined sampling of one microsecond for each complex, marking the longest simulations ever reported for this class of simulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google