molecular dynamics simulations | BriefGPT

关键词molecular dynamics simulations

搜索结果 - 24

基于生成流网络的无集体变量转移路径采样
通过生成流网络，我们的 TPS-GFN 方法在不依赖 CV 的情况下通过分子轨迹进行能量感知抽样，从而产生比之前的不依赖 CV 的机器学习方法更真实和多样化的转变路径。
PDFa month ago
BAMBOO: 液态电解质开发的可预测和可传递的机器学习力场框架
BAMBOO 是一个新颖的分子动力学（MD）模拟框架，通过物理启发的图等变换器架构，集成知识蒸馏方法和密度对齐算法，实现了在锂电池液体电解质中准确预测密度、粘度和离子传导性等关键电解质性质的水平。
PDF3 months ago
融合神经与物理：用可操作的模拟增强蛋白质构象采样
通过使用少样本学习的生成模型，结合分子动力学模拟方法，我们在可行的计算成本内获得了具有卓越性能的构象采样器。
PDF5 months ago
利用标注数据增强几何插值来学习蛋白质折叠的集体变量
通过使用物理启发度量标准生成模拟蛋白质折叠转变的地势插值，我们提出了一种无需模拟的数据增强策略，以改善采样效率，并在转变状态数据有限且噪音较大时，通过插值进展参数引入基于回归的学习方案来构建 Collective Variable 模型，其
PDF5 months ago
主动学习下的相态发现：在等原子比例的 NiTi 中的结构相变应用
通过使用四个机器学习力场模型针对镍钛（NiTi）合金的分子动力学模拟，我们发现 LDA、PBE、PBEsol 和 SCAN DFT 功能密度理论的模型仅 SCAN 模型能够预测可逆的 B19' -> B2 相变，而其他模型则预测了一个以前未
PDF6 months ago
分子动力学和生成模型的反设计维特里聚合物
Vitrimer is a new class of sustainable polymers that self-heal through dynamic covalent adaptive networks, and this rese
PDF7 months ago
多尺度学习原子间势
用于分子动力学模拟的多时间步积分器的机器学习插值势具有比传统势能更广泛的适用性，通过联合训练两种机器学习插值势进行尺度分离可以实现显著的加速和无损的精度。
PDF9 months ago
从肽到纳米结构：一种用于快速且稳定的机器学习力场的欧几里德变换器
近年来，在基于第一性原理参考计算的机器学习力场（MLFFs）的发展方面取得了很大进展。我们的研究发现了 MLFFs 中具有等变表示的分子动力学模拟的稳定性存在潜在联系，但其计算成本可能限制了其实际优势。为了解决这个问题，我们提出了一种称为
PDF10 months ago
混合增强元学习用于高效样本微调蛋白质模拟器
本文基于软提示学习方法，探索和应用分子动力学任务的模型，能够在受限的训练数据下显著泛化到未知和分布外情境，尤其关注以温度为测试案例，同时适用于压力和体积等连续动力学条件的高效模拟。两阶段的框架通过数据混合技术预先训练、温度提示，接着采用课程
PDF10 months ago
有效哈密顿量参数化的即时机器学习
通过贝叶斯线性回归，我们开发了一种基于实时机器学习的方法来参数化有效哈密顿，并以 BaTiO3 和 Pb (Sc,Ta) O3 为例，与传统的第一原理参数化方法进行比较，展示了这种方法的准确性。
PDFa year ago
ICML提高分子动力学模拟中探索空间的控制能力，通过生成控制策略优化从头分析
本研究引入了 P5 模型，它利用强化学习技术增强分子动力学模拟的控制、效率和可伸缩性，通过优化靶聚合物链构象的采样方式，提高了效率超过 37.1%。由强化学习引起的控制策略作为归纳偏置，调制布朗力以引导系统进入优选状态，并扩大了配置空间的探
PDFa year ago
GHP-MOFassemble：基于扩散建模、高通量筛选和分子动力学的合理发现大规模碳捕获的新型金属有机框架
使用生成式人工智能、图形建模、大规模分子动力学模拟和极端规模计算相结合的新方法，加速发现高 CO2 容量的金属有机框架结构。
PDFa year ago
具有校准的 Aleatoric 和 Epistemic 不确定性的图神经网络原子间势能集合在能量和力上的应用
通过训练和重新校准图神经网络集合模型，预测能量和力量可以生成准确的预测和校准的不确定性估计，这是首个在机器学习神经网络中考虑了获得能量和力量上的校准的认知和偶然性不确定性预测的完整框架。
PDFa year ago
高通量聚合物分子动力学模拟原始数据分析自动化及共享云平台
本文介绍了一个基于云平台的系统，旨在通过共享原始数据和云端快速后处理来提取用户定义的新特性，以实现计算材料科学社区的数据共享和新见解。
PDF2 years ago
学习局部等变表示在大规模微观动力学中的应用
本文介绍了一种基于 equivariant deep learning 的新算法，Allegro，该算法使用了学习到的等变性表示的张量积序列，实现了对于分子和材料的能量和原子力的高精度预测，并能进行大规模的并行计算和分子动力学仿真。
PDF2 years ago
双向神经网络在分子动力学轨迹重构中的超分辨率
本文利用不同种类的机器学习模型，研究并提高了分子动力学模拟的分辨率，证实双向 LSTM 模型是表现最好的模型，其能够在轨迹插值方面达到 10^-4 埃的精度，从而为更大系统的建立和更好的分子动力学积分器的构建奠定了基础。
PDF3 years ago
平滑归一化流
本文介绍了一种使用混合变换的规范连续流方法，可应用于计算力和高阶导数所需的平滑密度函数，并可用于分子动力学模拟。
PDF3 years ago
E (3) 等变图神经网络用于高效且准确的原子间势能
这项工作提出了神经等变分子间势 (NequIP), 一种用于学习分子动力学模拟的从自由计算中学习分子间势的 E (3) 等变神经网络方法。NequIP 通过几何张量相互作用利用 E (3)- 等变卷积，此方法在数据效率方面具有非凡的性能，使
PDF3 years ago
TorchMD：分子模拟深度学习框架
TorchMD 是使用混合经典和机器学习势的分子模拟框架，可以提高数据驱动模型的质量和可转移性，它支持模拟神经网络潜力，可以有效训练和模拟蛋白质折叠，代码和数据可以在 https://github.com/torchmd 免费获取。
PDF4 years ago
朝着符合实验观测的经验力场
本文综述了基于分子动力学模拟和溶液实验数据的生物分子力场方法，讨论了该方法的机器学习相关问题和挑战。
PDF4 years ago