用量子力学精度对博尔兹曼样本和潜在能量的积极学习
Ana Molina-Taborda1,2,3, Pilar Cossio3,4, Olga Lopez-Acevedo1,2
1Biophysics of Tropical Diseases Max Planck Tandem Group, University of Antioquia UdeA, 050010 Medellin, Colombia.
我们开发了一种新的计算方法,结合了增强的采样,深度学习和主动学习,以有效计算分子系统统计数据. 这种方法加速了复杂系统的研究,例如用于医学和催化剂的纳米集群.
科学领域:
- 计算物理 计算物理
- 量子化学 是一个量子化学.
- 分子生物学分子生物学
背景情况:
- 对分子系统的准确统计分析在科学学科中至关重要.
- 分子动力学 (MD) 模拟是有价值的,但计算密集型,特别是用于量子精确计算.
- 现有的方法在模拟复杂分子系统的计算成本上扎.
研究的目的:
- 开发一种计算效率高的方法,从分子系统中提取统计数据.
- 为了使复杂的分子系统能够进行准确的自由能量计算和光谱分析.
- 应用该方法来研究纳米集群异构化,这与医学和催化有关.
主要方法:
- 结合增强的采样技术与深度生成模型 (规范化流,NF) 和机器学习潜能 (MLP) 的积极学习.
- 开发了一个适应性的马尔科夫链蒙特卡洛框架,用于快速训练每个州的NF和MLP模型.
- 实现了对博尔兹曼分布的收,以实现高效的热力学可观测计算.
主要成果:
- 成功训练了NF和MLP模型,以便快速与博尔茨曼分布相融合.
- 启用了关键热力学可观测值的计算,包括自由能量差异和光学光谱.
- 应用该方法来研究超小银纳米集群的异构化.
结论:
- 开发的方法显著提高了分子模拟的效率.
- 这种方法为研究具有医学和催化应用的系统提供了强大的工具.
- 增强采样,深度学习和主动学习的结合为未来的分子建模研究提供了有希望的方向.
更多相关视频
08:04Excitonic Hamiltonians for Calculating Optical Absorption Spectra and Optoelectronic Properties of Molecular Aggregates and Solids
Published on: May 27, 2020
05:51Isotopic Effect in Double Proton Transfer Process of Porphycene Investigated by Enhanced QM/MM Method
Published on: July 19, 2019
相关概念视频
The Quantum-Mechanical Model of an Atom
Thermodynamic Potentials
The Pauli Exclusion Principle
The Uncertainty Principle
Atomic Nuclei: Nuclear Spin State Population Distribution
The Bohr Model
