.png){kind=icon}
返回
Self-Guided Molecular Simulation Methods
.png){kind=icon}
PRE
AI
DOI：10.3390/ijms262110410.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文综述了自引导（SG）分子模拟方法，并通过若干示例模拟阐述了这些方法的特点与应用。SG方法的主要特点是利用模拟中的过去运动来引导未来运动。该类方法有两种形式：自引导分子动力学（SGMD）和自引导朗之万动力学（SGLD）。SG方法通过促进低频运动实现构象搜索的增强。一种简单的局部平均方案被用于从过去的模拟轨迹中提取低频性质以促进低频运动，这显著提高了构象搜索效率，同时计算成本开销很小。基于广义朗之万方程（GLE），开发了一种SGLD-GLE模拟方法，该方法不仅增强了构象搜索能力，同时还能充分采样正则系综。对SG方法的重新表述得出了引导参数与构象分布之间的定量关系，这使得SG方法能够与复制交换方案结合，以执行复制交换自引导模拟（RXSGMD/RXSGLD）。RXSGMD/RXSGLD比基于温度的复制交换方法更高效，尤其对于大系统而言。
Keyword:
molecular simulation
molecular dynamics
Langevin dynamics
conformation sampling
conformation search
self-guided molecular dynamics
self-guided Langevin dynamics
replica-exchanging
期刊
IF:
4.9
论文数:
2.1W
被引数:
44.5W
机构
引用论文
.png){kind=icon}
分享收藏
Numerical integration of the cartesian equations of motion of a system with constraints: molecular dynamics of n-alkanes具有约束的系统的笛卡尔运动方程的数值积分: 正构烷烃的分子动力学
PREAI
分享收藏Simulated Annealing for Alpha-Helical Protein Folding: Searches in Vicinity of the “Molten Globule” State模拟退火用于α-螺旋蛋白质折叠：在“熔球”状态附近的搜索
PREAI
分享收藏分享收藏
查看更多内容