.png){kind=icon}
返回
Advancing Force Fields Parameterization: A Directed Graph Attention Networks Approach
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jctc.3c01421.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
力场 (FFs) 是模拟大型复杂分子系统的既定工具。然而，参数化FFs是一项具有挑战性且耗时的任务，其依赖于经验启发法、实验数据和计算数据。最近的努力旨在使用预先存在的数据库和即时的从头算数据来自动化FF参数的分配。在这项研究中，我们提出了一种基于图的力场 (gb-ffs) 模型，以直接从化学环境中导出广义琥珀力场 (GAFF) 的参数，并研究功能形式的影响。我们的端到端参数化方法通过汇总定向分子图中的基本信息来预测参数，从而无需专家定义的程序，并增强了GAFF在更广泛的分子复合物中的准确性和可转移性。将模拟结果与原始GAFF参数化进行比较。在实践中，我们的结果证明了模型的可转移性得到了改善，展示了其在分子间和扭转相互作用建模中的准确性得到了提高，以及溶剂化自由能得到了改善。这项工作中开发的优化方法完全适用于其他不可极化的FFs以及可极化的FFs。
Keyword:
MOLECULAR-DYNAMICS
BASIS-SETS
ATOMIC CHARGES
LIQUID WATER
MECHANICS
AMBER
SIMULATIONS
CHEMISTRY
ENERGIES
PACKAGE
期刊
IF:
5.5
论文数:
1.1W
被引数:
5.4W
机构
引用论文
Self-assembly of five new organic–inorganic hybrids based on two new flexible tricationic templates基于两个新的柔性三阳离子模板的五个新的有机-无机杂化物的自组装
.png){kind=icon}
PREAI
分享收藏
分享收藏
Fast, efficient generation of high-quality atomic Charges. AM1-BCC model: I. Method快速、高效地产生高质量的原子电荷。AM1-BCC型号: I.方法
PREAI
分享收藏分享收藏
查看更多内容