AMARO: All Heavy-Atom Transferable Neural Network Potentials of Protein Thermodynamics

要約

全原子分子シミュレーションは高分子現象についての詳細な洞察を提供しますが、膨大な計算コストが複雑な生物学的プロセスの探索を妨げます。
私たちは、O(3) 等価メッセージパッシング ニューラル ネットワーク アーキテクチャである TensorNet と、
水素原子は除きます。
AMARO は、事前のエネルギー項なしで、より粗い NNP をトレーニングして、スケーラビリティと汎化機能を備えた安定したタンパク質ダイナミクスを実行する実現可能性を実証します。

要約(オリジナル)

All-atom molecular simulations offer detailed insights into macromolecular phenomena, but their substantial computational cost hinders the exploration of complex biological processes. We introduce Advanced Machine-learning Atomic Representation Omni-force-field (AMARO), a new neural network potential (NNP) that combines an O(3)-equivariant message-passing neural network architecture, TensorNet, with a coarse-graining map that excludes hydrogen atoms. AMARO demonstrates the feasibility of training coarser NNP, without prior energy terms, to run stable protein dynamics with scalability and generalization capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google