Grobkörnige Molekulardynamik (CGMD) erweitert molekulare Simulationen auf Zeit- und Längenskalen, die für atomistische Modelle unzugänglich sind. Die Konstruktion thermodynamisch genauer CG-Potenziale bleibt jedoch eine Herausforderung. Energiebasierte Diffusionsmodelle (EBDMs) bieten einen vielversprechenden Ansatz, indem sie CG-Potenziale über ihre Nullzeit-Energie lernen. Allerdings können mit Diffusionsmodellen erzeugte CGMD-Gleichgewichtsensembles erheblich von der Zielverteilung abweichen. Die Autoren zeigen, dass der Nullzeit-Verteilungsfehler durch die Summe aus räumlichem Score-Fehler und zeitlichem Energieableitungs-Fehler begrenzt ist, während herkömmliche Diffusionsziele nur die räumliche Komponente direkt überwachen. Auf dieser Grundlage führen sie die Spatiotemporal Energy Consistency (STEC)-Überwachung ein, die das räumliche Score Matching durch explizite Beschränkung zeitlicher Energieableitungen ergänzt. Sie leiten ein exaktes und effizientes Ziel für diese zeitliche Komponente ab, das den erheblichen Rechenaufwand früherer Regularisierungen vermeidet. In Experimenten mit Peptiden und schnell faltenden Proteinen reproduzieren STEC-trainierte EBDMs Gleichgewichtsverteilungen mit Freie-Energie-Fehlern innerhalb chemischer Genauigkeit und unterstützen stabile Langzeitsimulationen, die wichtige metastabile Übergangsmuster wiederfinden. Bei zurückgehaltenen Oktapeptiden reduziert STEC die Freie-Energie-Fehler um mehr als das Fünffache gegenüber der stärksten konkurrierenden Basislinie und erreicht eine mediane Produktionskostenreduktion von etwa 1700-fach gegenüber atomistischer Molekulardynamik unter einem definierten Strukturabdeckungs-Benchmark. Diese Ergebnisse etablieren STEC als skalierbaren Rahmen für das Lernen thermodynamisch zuverlässiger CG-Kraftfelder für zunehmend komplexe biomolekulare Systeme.
Hintergrund: Grobkörnige Simulationen vergröbern atomistische Modelle, um größere Zeit- und Längenskalen zu erreichen. Die Erstellung thermodynamisch genauer Potenziale ist jedoch seit langem eine Herausforderung.
📄 Quelle
📄 Original-Publikation 📄 Original-Publikation 📄 Original-Publikation
🧪 Verwandte Rechner
Mit diesen interaktiven Werkzeugen können Sie das Thema vertiefen:
🔬 ph-rechner → 🔬 stoechiometrie-rechner → 🔬 redox-potenzial-rechner → 🔬 bindungspotential →