增强采样模拟的机器学习集体变量统一框架：$ exttt{mlcolvar}$
摘要：减少集体变量的识别对于理解原子模拟以及通过增强采样技术加速模拟过程至关重要。最近，有几种方法被提出，可以直接从原子数据中学习这些变量。根据可用的数据类型，学习过程可以被构建为降维、亚稳态分类或慢模态识别。在这里，我们介绍了一个名为$ exttt{mlcolvar}$的Python库，它简化了这些变量的构建过程，并通过与PLUMED软件的接口实现了在增强采样中的使用。该库被组织成模块化的形式，以方便这些方法的扩展和交叉污染。在此基础上，我们开发了一个通用的多任务学习框架，可以将多个目标函数和来自不同模拟的数据结合起来，以改进集体变量。通过若干典型场景的简单示例，展示了该库的多功能性。
作者：Luigi Bonati, Enrico Trizio, Andrea Rizzi and Michele Parrinello
论文ID：2305.19980
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-07-19