.png){kind=icon}
返回
Minimum-Excess-Work Guidance: Score-Based Sampling with Experimental Data or Sparse Restraints
.png){kind=icon}
OA
AI
DOI：10.1021/acs.jctc.6c00080.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度生成模型的代理模型（如玻尔兹曼生成器BGs和模拟器BEs）正成为分子模拟中的重要工具。我们常希望利用额外的外部信息（如稀疏实验数据）来优化这些模型，但实现这一目标并无唯一方法。本文提出一种受统计力学热力学工作启发的方法，用于正则化预训练概率流生成模型（如连续归一化流或扩散模型）的引导过程，以匹配额外的稀疏信息。正则化确保引导过程的超额功最小化。我们基于此方法开发了两种引导策略：路径引导（通过将概率质量集中在用户定义的子集上来促进稀有过渡态的采样）和可观测引导（在保持熵的同时使生成分布与实验可观测量对齐）。我们在两个粗粒化玻尔兹曼模拟器上展示了该框架的通用性，展示了其利用实验数据对多种模型蛋白质系统进行过渡构型采样和纠正系统偏差的能力。最后，我们给出了引导分布与未引导分布之间的分布差异界限。该方法将热力学原理与现代生成架构相结合，为数据稀疏领域提供了一种原理明确、高效且受物理启发的替代标准微调的方法。我们的结果突出了样本效率的提升和偏差的减少，强调了其在分子模拟及更广泛领域的适用性。
Keyword:
Computer simulations
Diffusion
Mathematical methods
Molecular modeling
Quality management
期刊
IF:
5.5
论文数:
1.1W
被引数:
5.4W
机构
引用论文
Metainference: A Bayesian inference method for heterogeneous systemsMetainference: 异构系统的贝叶斯推理方法.png)
SCIENCE ADVANCES
OAAI
SCIENCE ADVANCESIF12.5
OAAI分享收藏分享收藏Generation of conformational ensembles of small molecules via surrogate model-assisted molecular dynamics通过替代模型辅助的分子动力学生成小分子的构象集合OAAI
OAAI分享收藏
查看更多内容