可扩展的混合深度神经网络/极化势生物分子模拟包括长程效应
摘要：深度HP：TinkerHP多GPU分子动力学（MD）软件包的可扩展版本，可以使用Pytorch/TensorFlow深度神经网络（DNN）模型。深度HP通过数倍的提升DNNs MD的能力，为100k原子生物系统的ns模拟提供了可能，同时还可以将DNNs与任何经典力场（FFs）和多体可极化力场（PFFs）耦合。因此，它允许引入用于配体结合研究的ANI-2X/AMOEBA混合可极化势能，其中溶剂-溶剂和溶剂-溶质相互作用由AMOEBA PFF计算，溶质-溶质相互作用由ANI-2x DNN计算。ANI-2X/AMOEBA通过高效的粒子网格Ewald方法显式包含AMOEBA的长程物理相互作用，同时保持ANI-2X对溶质短程量子力学精度。DNNs/PFFs分区可以由用户定义，以允许混合模拟包括可极化溶剂、可极化的离子等生物模拟的关键成分。ANI-2X/AMOEBA使用多时间步策略加速，重点关注核力低频模式的模型贡献。它主要评估AMOEBA力，只通过修正步骤包含ANI-2x力，从而比标准Velocity Verlet积分快上一个数量级。在模拟超过10 $mu$的条件下，在4种溶剂中计算了带电/无电的配体溶解自由能，并计算了来自SAMPL挑战的宿主-客体复合物的绝对结合自由能。ANI-2X/AMOEBA的平均误差在化学精度范围内，为在生物物理学和药物发现领域中以力场成本进行大规模混合的DNNs模拟打开了道路。
作者：Th''eo Jaffrelot Inizan, Thomas Pl''e, Olivier Adjoua, Pengyu Ren, Hattice G"okcan, Olexandr Isayev, Louis Lagard`ere, Jean-Philip Piquemal
论文ID：2207.14276
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-04-10