基于广义Born和可转移图神经网络的分子动力学模拟的隐式溶剂方法
摘要：使用分子动力学（MD）模拟可以研究小型和大型（生物）分子的运动，并估计它们的构象集合。环境（溶剂）的描述对此有很大影响。隐含溶剂表示方法效率高，但在许多情况下不够准确（尤其是对于极性溶剂如水）。更准确但也计算成本更高的方法是明确处理溶剂分子。最近，提出了利用机器学习（ML）来弥合这个差距并以隐含方式模拟明确溶剂效应的方法。然而，目前的方法依赖于对整个构象空间的先前知识，限制了它们的实际应用。在这里，我们介绍了一种基于图神经网络（GNN）的隐含溶剂方法，能够描述具有不同组成的肽的明确溶剂效应，而不在训练集中包含这些肽。
作者：Paul Katzberger and Sereina Riniker
论文ID：2302.09321
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-05-25