Jun, 2024

可转移的玻尔兹曼生成器

PDF
TL;DRBoltzmann Generators that are transferable across chemical space are proposed to generate approximate samples of molecular systems, enabling efficient reweighting to the target distribution of unseen systems and enhancing the efficiency of training on single molecular systems.
boltzmann generatorsequilibrium samplestransferablechemical spaceefficiency
发现论文，激发创造
  • Boltzmann 生成器 -- 利用深度学习采样多体系统的平衡态

    利用深度学习和统计力学，我们开发了 Boltzmann Generators，它们能够生成代表性的凝聚态物质系统和蛋白质的无偏一次平衡样品。

    Dec, 2018

  • 等变流：对具有对称能量的多体系统进行配置抽样

    本文介绍了通过等变流建立的 Boltzmann Generators, 以便推广其结果，同时演示了一个等变 BG 可以推广到采样非平凡的新配置。

    Oct, 2019

  • 用分子力场进行可微转角采样

    本文介绍一种基于神经网络的 Boltzmann 生成器，以取代传统 molecular dynamics 方法，加速复杂大分子如蛋白质的能量表面探索。

    Feb, 2023

  • 可扩展的归一化流为大分子提供玻尔兹曼生成器

    利用分裂通道和门控注意力的新型流架构，结合 2-Wasserstein 损失函数，使得 Boltzmann 生成器能够有效地学习蛋白质的构象分布，并在标准架构和训练策略无法成功的情况下，成功地模拟了蛋白质 G 和 HP35 的构象分布。

    Jan, 2024

  • 使用玻尔兹曼机学习热力学

    通过学习物理系统中热力学量的 Boltzmann 机器，通过自发的学习机器，我们训练了 Boltzmann 机器， 并通过其生成的自旋状态检验热力学可观测量与直接 MC 采样的差距，证明了 Boltzmann 机器能够忠实地再现物理系统的可观测量，并观察到随着系统接近临界状态需要更多的神经元以获得准确的结果。

    Jun, 2016

  • 基于条件归一化流的粗粒化分子表示的主动学习

    本研究通过将问题分为精细程度和粗粒程度两个层面来解决 Boltzmann 分布的高效采样问题。利用粗粒程度空间上的条件正则流，实现了两个层面之间的概率联系，并使用主动学习的粗粒程度模拟来探索构型空间，从而在必要时更新流和进行全原子势能评估，通过丙氨酸二肽的实例表明，与当前最先进的机器学习方法相比，本方法在分子动力学仿真加速上可达到 15.9 至 216.2 倍的加速比。

    Feb, 2024

  • 基于能量的扩散生成器用于高效采样玻尔兹曼分布

    我们介绍了一种称为基于能量扩散生成器的新型采样器，用于从任意目标分布生成样本。采样模型采用类似变分自动编码器的结构，利用解码器将来自简单分布的潜在变量转换为逼近目标分布的随机变量，并设计了基于扩散模型的编码器。通过利用扩散模型对复杂分布的强大建模能力，我们可以获得生成样本的分布与目标分布之间的 Kullback-Leibler 散度的准确变分估计。此外，我们提出了一种基于广义 Hamilton 动力学的解码器，进一步提升了采样性能。通过实证评估，我们展示了我们的方法在各种复杂分布函数上的有效性，并展示了与现有方法相比的优越性。

    Jan, 2024

  • 基于玻尔兹曼生成器的 MCMC 移动的转移路径抽样

    通过正态流潜空间中的 Metropolis-Hastings 接受准则，提出了一种在不需分子模拟的情况下，通过正态化流从分子的 Boltzmann 分布到高斯分布的映射，来快速提取两个 3D 状态间所有可能的过渡路径，并进行精确采样。

    Dec, 2023

  • 用受限玻尔兹曼机加速蒙特卡罗模拟

    本文提出了将人工神经网络用于蒙特卡罗方法的改进，使其在统计物理问题中的混合时间得以加速，具体应用于 Falicov-Kimball 模型，并在其相变点附近展示了接受比率和自相关时间的提高。

    Oct, 2016

  • 基于 GFlowNets 实现分子构型生成的平衡状态追求

    使用 GFlowNet 从玻尔兹曼分布中对小分子进行构象采样的方法，可以与不同准确性的能量估计方法结合使用，并为高度柔性的药物样品发现一组多样性的低能量构象。该方法通过比例抽样来复现分子的势能表面。

    Oct, 2023