“黑盒子”重新加权分析可以纠正有缺陷的模拟数据，事后
摘要：改进物理、化学和生物系统的统计抽样方法是非常必要的。即使是基于正确算法的模拟也会存在统计误差，当慢速过程涉及时，这种误差可能是显著的甚至是主导的。此外，在关键的生物分子应用中，例如从NMR数据确定蛋白质结构时，会产生非玻尔兹曼分布的集合。因此，我们开发了“黑盒”策略，通过重新加权以任意方式生成的一组构型，以产生一个按照任何目标分布分布的集合。与以前的算法努力不同，黑盒方法利用了模拟中观察到的构型空间密度，而不是假设已生成了期望的分布。该策略的成功实施能够降低统计误差和偏差，已经应用于一维系统和一个50原子的肽，从一个严重偏倚的集合中恢复了正确的250比1的群体比率。
作者：F. Marty Ytreberg, Daniel M. Zuckerman
论文ID：physics/0609194
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2007-11-09