論文の概要: Temperature transferable Machine Learned Coarse Grained model for proteins
- arxiv url: http://arxiv.org/abs/2606.14111v1
- Date: Fri, 12 Jun 2026 04:46:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.749242
- Title: Temperature transferable Machine Learned Coarse Grained model for proteins
- Title（参考訳）: 温度伝達型機械学習によるタンパク質の粗粒モデル
- Authors: Jacopo Venturin, Cecilia Clementi,
- Abstract要約: 粗粒分子シミュレーション(CG)は原子論的な分子動力学の代替となる。
機械学習粗粒度モデルの導入により,CGシミュレーションの精度が劇的に向上した。
本稿では,熱力学的に情報を得た温度変換可能なMLCGフレームワークについて紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coarse-grained (CG) molecular simulations offer an efficient alternative to atomistic molecular dynamics to study large and complex biological systems. The accuracy of CG simulations has been increased dramatically by the introduction of machine-learned coarse-grained (MLCG) models. However, these models are typically designed to be used at a single thermodynamic point, lack temperature transferability, and can not be used to predict temperature dependent quantities like the heat capacity. Here we introduce a thermodynamically informed, temperature-transferable MLCG framework for proteins that explicitly decomposes the CG potential of mean force (PMF) into its energetic and entropic components. The model architecture enforces an exact thermodynamic relation between the energetic and entropic components of the PMF and guarantees physically consistent extrapolation and interpolation across temperature regimes. We validate this framework on an extensive dataset spanning a total of 250 $μ$s of molecular dynamics simulations across five temperatures between 300 K and 400 K for the Chignolin protein, and demonstrate that it reproduces the temperature dependency of the reference atomistic free energy surfaces, correcting the temperature-unaware baselines. Furthermore, we show that it is possible to apply an inexpensive, post-hoc temperature-dependent correction that does not require retraining the MLCG potential, accurately recovering the atomistic heat capacity at different temperatures. Overall, this work provides a physically grounded pathway toward thermodynamically transferable MLCG simulations of complex biomolecular systems.
- Abstract（参考訳）: 粗粒(CG)分子シミュレーションは、原子論的な分子動力学のオルタナティブな代替として、大規模で複雑な生物学的システムを研究する。
機械学習粗粒度モデルの導入により,CGシミュレーションの精度が劇的に向上した。
しかしながら、これらのモデルは典型的には単一の熱力学点で使用されるように設計されており、温度伝達性が欠如しており、熱容量のような温度依存量の予測には使用できない。
ここでは, 平均力(PMF)のCG電位をエネルギー的およびエントロピー的成分に明示的に分解する, 熱力学的に情報を得た, 温度伝達可能なMLCGフレームワークを紹介する。
モデル構造はPMFのエネルギー的成分とエントロピー的成分の正確な熱力学的関係を強制し、物理的に一貫した外挿と温度状態の補間を保証する。
この枠組みをキグノリンタンパク質の300Kから400Kまでの5つの温度で250$μ$sの分子動力学シミュレーションを網羅した広範囲なデータセットで検証し、参照原子性自由エネルギー表面の温度依存性を再現し、温度を意識しない基底線を補正することを示した。
さらに, MLCG電位の調整を必要とせず, 温度の異なる原子熱容量を正確に回復する, 低温後温度依存性補正を安価に適用できることが示唆された。
全体として、この研究は複雑な生体分子系の熱力学的に転移可能なMLCGシミュレーションへの物理的に接地された経路を提供する。
関連論文リスト
- Thermodynamic Properties of Diatomic Molecules from the Frost-Musulin Potential [0.0]
本稿では,Frost-Musulinポテンシャルフレームワーク内のH$およびLiH二原子分子の量子統計学的解析を行う。
我々は、エネルギーレベルの物理的に一貫した順序を再現する検証された回転振動スペクトルを得る。
論文 参考訳（メタデータ） (2026-04-28T16:11:58Z) - MACE-POLAR-1: A Polarisable Electrostatic Foundation Model for Molecular Chemistry [2.920129574607374]
分子化学のための新しい静電気基礎モデルを提案し, 長距離相互作用と静電気誘導の明示的な処理により, MACEアーキテクチャを拡張した。
本手法は局所的な多体幾何学的特徴と、学習可能な電荷とスピン密度を更新する非自己整合場形式とを組み合わせる。
モデルが可変電荷とスピン状態を扱う能力、外部磁場に反応し、解釈可能なスピン分解電荷密度を提供し、小さな分子からタンパク質-リガンド錯体への精度を維持し、それを計算分子化学と薬物発見のための汎用的なツールとして位置づける。
論文 参考訳（メタデータ） (2026-02-23T01:09:54Z) - Coherence Dispersion and Temperature Scales in a Quantum-Biology Toy Model [51.56484100374058]
量子コヒーレンス(英語版)が任意の量子状態のいくつかの外対角要素の間にどのように散乱するかを考察する。
平衡外システムに焦点をあてることで、我々は開発されたフレームワークを使用して、セル・エネルギティクスの単純化されたモデルに対処する。
論文 参考訳（メタデータ） (2025-12-13T14:21:34Z) - Thermal state preparation by repeated interactions at and beyond the Lindblad limit [41.94295877935867]
本研究は, 繰り返し相互作用プロトコルによる熱流動特性と関連する準備(シミュレーション)時間について検討する。
我々は,Mpemba様の効果を観察する:最大混合状態から中間温度状態への熱化は,低温状態よりも長い時間を要する。
論文 参考訳（メタデータ） (2025-06-13T18:34:49Z) - Deep generative modelling of canonical ensemble with differentiable thermal properties [0.9421843976231371]
標準アンサンブルの温度の異なる変分モデルを提案する。
深部生成モデルを用いて、連続した温度範囲で自由エネルギーを推定し、同時に最小化する。
トレーニングプロセスはデータセットを必要とせず、任意の明示的な密度生成モデルで動作する。
論文 参考訳（メタデータ） (2024-04-29T03:41:49Z) - Bayesian inference of composition-dependent phase diagrams [47.79947989845143]
本研究では,分子動力学(MD),融点シミュレーション,フォノン計算からの熱力学データを合成し,これらのデータを処理し,温度集中相図を生成する手法を開発した。
開発したアルゴリズムは,Ge-SiとK-Naの2つの二元系において,全濃度および温度で試験に成功した。
論文 参考訳（メタデータ） (2023-09-03T20:57:10Z) - Quantum thermometry with single molecules in portable nanoprobes [0.0]
本稿では,3～30Kの温度範囲で動作する分子2レベル量子系に基づく携帯型ナノサーモメーターを提案する。
パターン状シリコン膜の熱伝導率を推定し, この分子温度計のナノ構造への影響を検証した。
論文 参考訳（メタデータ） (2023-03-07T09:24:04Z) - Accurate Machine Learned Quantum-Mechanical Force Fields for
Biomolecular Simulations [51.68332623405432]
分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。
近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。
本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
論文 参考訳（メタデータ） (2022-05-17T13:08:28Z) - Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains
at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。
正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文 参考訳（メタデータ） (2021-05-11T14:08:02Z) - Accurate simulation and thermal tuning by temperature-adaptive boundary
interactions on quantum many-body systems [2.13230439190003]
本研究では, 1次元(1次元)多体系の熱力学を模倣し, 調整する温度適応型エンタングルメントシミュレータ(TAES)を提案する。
1Dスピンチェーンのベンチマークでは、TAESは既存の有限温度アプローチと比較して最先端の精度を上回っている。
論文 参考訳（メタデータ） (2021-04-30T15:21:06Z) - Real-time nanodiamond thermometry probing in-vivo thermogenic responses [43.669448080580295]
ナノダイアモンド(NDs)における光アクセス性電子スピンに基づく発光ナノ温度計
生成虫の運動性NDの温度をm0.22circrm C$.22circrmの精度で測定できる温度測定システムの開発を行った。
論文 参考訳（メタデータ） (2020-01-09T05:17:14Z)
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。