論文の概要: Operator Forces For Coarse-Grained Molecular Dynamics

• arxiv url: http://arxiv.org/abs/2506.19628v1
• Date: Tue, 24 Jun 2025 13:51:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.654988
• Title: Operator Forces For Coarse-Grained Molecular Dynamics
• Title（参考訳）: 粗粒分子動力学のための演算子力
• Authors: Leon Klein, Atharva Kelkar, Aleksander Durumeric, Yaoyi Chen, Frank Noé,
• Abstract要約: 機械学習型粗粒化法(MLCG)は、CG分子動力学のための高精度な力場を構築するための有望なアプローチとして登場した。 フローベースカーネルは,構成サンプルのみから高品質なCG力を生成可能であることを示す。
• 参考スコア（独自算出の注目度）: 44.1462357579624
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Coarse-grained (CG) molecular dynamics simulations extend the length and time scale of atomistic simulations by replacing groups of correlated atoms with CG beads. Machine-learned coarse-graining (MLCG) has recently emerged as a promising approach to construct highly accurate force fields for CG molecular dynamics. However, the calibration of MLCG force fields typically hinges on force matching, which demands extensive reference atomistic trajectories with corresponding force labels. In practice, atomistic forces are often not recorded, making traditional force matching infeasible on pre-existing datasets. Recently, noise-based kernels have been introduced to adapt force matching to the low-data regime, including situations in which reference atomistic forces are not present. While this approach produces force fields which recapitulate slow collective motion, it introduces significant local distortions due to the corrupting effects of the noise-based kernel. In this work, we introduce more general kernels based on normalizing flows that substantially reduce these local distortions while preserving global conformational accuracy. We demonstrate our method on small proteins, showing that flow-based kernels can generate high-quality CG forces solely from configurational samples.
• Abstract（参考訳）: 粗粒分子動力学シミュレーションは、相関原子群をCGビーズに置き換えることで原子論シミュレーションの長さと時間スケールを拡張する。 機械学習型粗粒化法(MLCG)は近年,CG分子動力学の高精度な力場構築のための有望なアプローチとして出現している。 しかし、MLCG力場の校正は、典型的には力マッチングに依存し、それに対応する力ラベルを持つ広範囲な原子性軌道を必要とする。 実際には、原子間力は記録されないことが多く、既存のデータセットでは従来の力マッチングが不可能である。 近年,参照原子間力が存在しない状況を含む低データ状態に対応するために,ノイズベースのカーネルが導入されている。 このアプローチは、遅い集団運動をカプセル化する力場を生成するが、ノイズベースのカーネルの劣化効果により、かなりの局所歪みをもたらす。 本研究では,グローバルなコンフォーメーション精度を維持しつつ,これらの局所歪みを大幅に低減する正規化フローに基づいて,より一般的なカーネルを導入する。 そこで本研究では,フローベースカーネルが構成サンプルのみから高品質なCG力を生成可能であることを示す。

関連論文リスト

• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Statistically Optimal Force Aggregation for Coarse-Graining Molecular Dynamics [55.41644538483948]
  粗粒(CG)モデルは、原子論的な分子動力学で可能な以上の大きな分子複合体をシミュレートする可能性がある。 CG力場を学習するための広く使われている方法論は、全原子分子動力学からCG表現への力のマッピングと、平均してCG力場とマッチングするものである。 我々は、全原子力のCG表現へのマッピングには柔軟性があり、最もよく使われるマッピング手法は統計的に非効率的であり、全原子シミュレーションにおける制約の存在においても、潜在的に誤りであることを示した。
  論文  参考訳（メタデータ） (2023-02-14T14:35:39Z)
• Two for One: Diffusion Models and Force Fields for Coarse-Grained Molecular Dynamics [15.660348943139711]
  我々は、スコアベース生成モデル、力場、分子動力学の接続を利用して、トレーニング中に力入力を必要とせずにCG力場を学習する。 従来よりも大幅に簡易化されたトレーニングセットアップを持つ一方で,本手法がいくつかの小～中規模のタンパク質シミュレーションの性能向上につながることを実証した。
  論文  参考訳（メタデータ） (2023-02-01T17:09:46Z)
• Force-matching Coarse-Graining without Forces [0.0]
  全原子データからCG力場を学習することは、主に力マッチングと相対エントロピー最小化に依存している。 本稿では,力マッチングと相対エントロピー最小化の利点を組み合わせたCG力場の新しいトレーニング手法であるEmphflow-matchingを提案する。
  論文  参考訳（メタデータ） (2022-03-21T17:46:35Z)
• Rotating Majorana Zero Modes in a disk geometry [75.34254292381189]
  マイクロ波超伝導体を用いて作製した薄板ディスクにおけるマヨラナゼロモードの操作について検討した。 平面内磁場印加時に発生する2階位相角モードを解析する。 零モードと励起状態の周波数独立結合により, 断熱相においても振動が持続することを示す。
  論文  参考訳（メタデータ） (2021-09-08T11:18:50Z)
• Asymmetric Heavy Tails and Implicit Bias in Gaussian Noise Injections [73.95786440318369]
  我々は、勾配降下(SGD)のダイナミクスに対する注射ノイズの影響であるGNIsのいわゆる暗黙効果に焦点を当てています。 この効果は勾配更新に非対称な重尾ノイズを誘発することを示す。 そして、GNIが暗黙のバイアスを引き起こすことを正式に証明し、これは尾の重みと非対称性のレベルによって異なる。
  論文  参考訳（メタデータ） (2021-02-13T21:28:09Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。