24小时热门版块排行榜    

查看: 824  |  回复: 6
【有奖交流】积极回复本帖子,参与交流,就有机会分得作者 cyf2277 的 5 个金币 ,回帖就立即获得 1 个金币,每人有 1 次机会

cyf2277

新虫 (初入文坛)


[交流] DMFF:分子力场开发新利器

【分子体系模拟与分子力场】

分子体系模拟在生物大分子结构预测、药物筛选、有机材料筛选等领域具有重要应用价值。

分子体系的模拟中最重要的就是刻画体系势能函数、描述相互作用。在经典分子动力学模拟(CMD)中,势能函数遵循固定的数学形式,而分子力场即以数学函数的形式给出了分子间与分子内相互作用势。

然而,目前投入工业化应用的分子力场普遍面临着这样几个问题:

缺乏可移植性和预测能力:研究新体系时,在真正跑出结果之前,恐怕谁都不确定哪个力场结果更好。除了靠“经验”,谁也说不清楚力场应该怎么选。

参数缺少唯一性和一致性:经常出现多套完全不同的参数能给出相似的宏观预测,因此不能仅通过宏观数据确定微观上哪套参数更为合理。同时,我们也常常能看到非常相似的体系,力场参数却完全不同,因此不同课题组发展的力场往往不能组合使用。


【机器学习与自动微分技术】

在分子力场拟合领域,提起机器学习,绝大多数同学可能想到的是人工神经网络架构。的确,不论是早期的 Behler-Parinello 模型、Schnet 模型,还是更近期的 DP 模型、或是 REANN 模型,其核心做法,都是将原子的势能面拆解为单个原子能量的求和,并利用神经网络的超强拟合能力,以原子局域环境为输入特征(feature)构建原子能量函数 ,然后利用大量的第一性原理数据对神经网络进行训练。人工智能技术在分子动力学领域掀起的这一波浪潮主要就是由神经网络势函数所带动。

但是,人工智能技术所带来的革新,绝不只是神经网络势函数。与神经网络模型发展相伴随的技术创新,包括强大的高维梯度下降算法,和底层的自动微分程序框架,都可以被传统力场开发者所用,这就是 DMFF 诞生的主要原因。

在神经网络训练过程中,我们需要通过反向传播,计算网络输出对网络参数的微分,并利用梯度下降实现整个神经网络的优化。因此,自动微分框架与机器学习模型的训练相伴而生,可以说自动微分技术本身就是为了大量数据下高维参数的高效优化而生。包括 DP 在内的神经网络势能面的训练,其实都是基于自动微分技术实现的。


【DMFF|动手实践】

尽管最早是被用于机器学习模型,但自动微分技术本身并不依赖于机器学习模型。需要微分和优化的计算流可以是任何物理模型。

因此,我们完全可以利用自动微分和梯度下降技术,利用实验和第一性原理数据,经过反向传播去优化任何物理模型的参数。而 DMFF 正是这一想法在分子力场领域运用的实例。

通过 DMFF,我们对分子力场开发的两大难题作出回应:如何保证分子动力学模拟过程中复杂力场的快速实现与迭代;如何提升高维度函数中优化参数的效率以及这一过程的自动化程度,并提升参数的可迁移性。

在最新发布的 DMFF 0.2.0版本中,探索出了一条力场参数自动优化的路径,相应的工作流在比较简单的小分子体系与较为复杂的电解液体系中都得到了验证。在下面的 Notebook 中,我们会“手把手”带你亲手构建分子力场、生成与拓展势函数、通过 DMFF 进行简单的拟合并以实际案例搭建力场参数优化的工作流。(notebook链接:https://bohrium.dp.tech/notebook/366e1f35236f495d994be1622c7b4d09)
回复此楼

» 猜你喜欢

» 本主题相关商家推荐: (我也要在这里推广)

» 抢金币啦!回帖就可以得到:

查看全部散金贴

已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

cyf2277

新虫 (初入文坛)


格式有点问题,感兴趣的童鞋可以点击链接阅读原文或搜索NBHub公众号:https://mp.weixin.qq.com/s?__biz=Mzg5NTk3Nzk3MQ==&mid=2247483979&idx=1&sn=5fed6bb5a5855cce29582f64dd89cb9b&chksm=c00952d7f77edbc1717e370ef65883751de1af0fcd01ebdb15f21c1cc334e7fea647b020abf4&token=758477569&lang=zh_CN#rd
7楼2023-06-05 13:51:33
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
简单回复
2023-05-30 17:52   回复  
cyf2277(金币+1): 谢谢参与
boy 发自小木虫Android客户端
tzynew3楼
2023-05-30 21:01   回复  
cyf2277(金币+1): 谢谢参与
XG-WUST4楼
2023-05-30 22:29   回复  
cyf2277(金币+1): 谢谢参与
up 发自小木虫IOS客户端
2023-05-31 07:14   回复  
cyf2277(金币+1): 谢谢参与
nono20096楼
2023-06-01 23:23   回复  
cyf2277(金币+1): 谢谢参与
·
相关版块跳转 我要订阅楼主 cyf2277 的主题更新
提示: 如果您在30分钟内回复过其他散金贴,则可能无法领取此贴金币
普通表情 高级回复 (可上传附件)
最具人气热帖推荐 [查看全部] 作者 回/看 最后发表
[考研] 接收调剂 +9 津萌津萌 2026-03-02 17/850 2026-03-03 00:53 by 22408tiaoji
[考研] 求调剂院校 +5 云朵452 2026-03-02 7/350 2026-03-03 00:19 by 土土小虫
[考研] 0856调剂 +10 刘梦微 2026-02-28 10/500 2026-03-02 23:42 by hcy618
[考研] 调剂 +5 13853210211 2026-03-02 6/300 2026-03-02 22:10 by 无际的草原
[考研] 289求调剂 +3 BrightLL 2026-03-02 4/200 2026-03-02 21:17 by BrightLL
[考研] 材料270求调剂 6+4 Eiiiio 2026-03-01 7/350 2026-03-02 20:17 by hypershenger
[考研] 0856求调剂285 +11 吕仔龙 2026-02-28 11/550 2026-03-02 20:15 by hypershenger
[考研] 材料284求调剂,一志愿郑州大学英一数二专硕 +15 想上岸的土拨鼠 2026-02-28 15/750 2026-03-02 20:13 by hypershenger
[考研] 材料类考研调剂 +3 gemmgemm 2026-03-01 4/200 2026-03-02 20:02 by hypershenger
[考研] 275求调剂 +7 明远求学 2026-03-01 7/350 2026-03-02 19:22 by zhukairuo
[考研] 化工京区271求调剂 +6 11ing 2026-03-02 6/300 2026-03-02 18:52 by caszguilin
[考研] 材料调剂 +3 恒顺自然 2026-03-02 3/150 2026-03-02 18:49 by L135790
[考研] 材料调剂 +6 爱擦汗的可乐冰 2026-02-28 7/350 2026-03-02 10:42 by Jy?
[考研] 材料类求调剂 +11 wana_kiko 2026-02-28 14/700 2026-03-02 08:46 by 聪明的大松鼠
[基金申请] 成果系统访问量大,请一小时后再尝试。---NSFC啥时候好哦,已经两天这样了 +4 NSFC2026我来了 2026-02-28 4/200 2026-03-01 22:37 by 铁门栓
[硕博家园] 博士自荐 +7 科研狗111 2026-02-26 11/550 2026-03-01 22:24 by 哲平L
[考研] 291分工科求调剂 +9 science饿饿 2026-03-01 10/500 2026-03-01 18:55 by 18137688336
[考研] 304求调剂 +6 曼殊2266 2026-02-28 7/350 2026-03-01 15:14 by wjLi2017
[考研] 311求调剂 +9 南迦720 2026-02-28 10/500 2026-03-01 10:55 by sunny81
[考研] 307求调剂 +4 73372112 2026-02-28 6/300 2026-03-01 00:04 by ll247
信息提示
请填处理意见