Die Committor-Funktion ist ein zentrales Objekt zum Verständnis des Übergangs zwischen metastabilen Zuständen dynamischer Systeme. In dieser Arbeit wird eine tiefe Lernmethode mit zwei adaptiven Abtastverfahren (I und II) vorgestellt, um die hochdimensionale Committor-Funktion effizient zu berechnen.
In Abtastverfahren I wird eine eindimensionale Variable eingeführt, die von der gelernten Committor-Funktion abhängt, und Daten werden durch Metadynamik mit dieser Variable erzeugt. In Abtastverfahren II werden Daten mit einem modifizierten Potenzial erzeugt, das die mit der gelernten Committor-Funktion verbundene freie Energie enthält.
Es wird theoretisch gezeigt, dass die Daten in Abtastverfahren II gleichmäßig entlang des Übergangsschlauchs verteilt sind. Dies ermöglicht eine effiziente Erkundung und Abtastung des Übergangsschlauchs und somit das Studium des Übergangs komplexer Systeme.
Die Effizienz der Methode wird anhand von drei hochdimensionalen Benchmark-Problemen, einschließlich eines erweiterten Mueller-Systems, des Alanin-Dipeptids und eines solvatisierten Dimer-Systems, illustriert.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Bo Lin,Weiqi... ב- arxiv.org 04-10-2024
https://arxiv.org/pdf/2404.06206.pdfשאלות מעמיקות