[論文レビュー] Global free energy landscapes as a smoothly joined collection of local maps

Federico Giberti, Gareth A. Tribello+1 more|arXiv (Cornell University)|Nov 16, 2020

Topological and Geometric Data Analysis参考文献 59被引用数 19

ひとこと要約

ATLASは、ガウス・ミックスチャネル・モデル（GMM）を用いて高次元の集団変数（CV）空間を局所的な井戸に分割し、各井戦内で低次元PCA射影に類似したバイアスを適用する、新たな強化サンプリング手法である。局所バイアスを滑らかに組み合わせることで、反復的リウェートリングによる不偏自由エネルギー表面の回復が可能となり、アルアニンテトラペプチドのような高次元のエネルギー障壁において、従来のメタダイナミクスを上回る収束速度を実現する。

ABSTRACT

Enhanced sampling techniques have become an essential tool in computational chemistry and physics, where they are applied to sample activated processes that occur on a time scale that is inaccessible to conventional simulations. Despite their popularity, it is well known that they have constraints that hinder their applications to complex problems. The core issue lies in the need to describe the system using a small number of collective variables (CVs). Any slow degree of freedom that is not properly described by the chosen CVs will hinder sampling efficiency. However, exploration of configuration space is also hampered by including variables that are not relevant to describe the activated process under study. This paper presents the Adaptive Topography of Landscape for Accelerated Sampling (ATLAS), a new biasing method capable of working with many CVs. The root idea of ATLAS is to apply a divide-and-conquer strategy where the high-dimensional CVs space is divided into basins, each of which is described by an automatically-determined, low-dimensional set of variables. A well-tempered metadynamics-like bias is constructed as a function of these local variables. Indicator functions associated with the basins switch on and off the local biases, so that the sampling is performed on a collection of low-dimensional CV spaces, that are smoothly combined to generate an effectively high-dimensional bias. The unbiased Boltzmann distribution is recovered through reweighing, making the evaluation of conformational and thermodynamic properties straightforward. The decomposition of the free-energy landscape in local basins can be updated iteratively as the simulation discovers new (meta)stable states.

研究の動機と目的

• 高次元の集団変数（CV）に困難を抱える従来の強化サンプリング手法の限界を克服すること。
• 多くのCVが関与する状況でもサンプリング効率を維持できるスケーラブルで適応的バイアス手法の開発。
• グローバルな低次元多様体が不要である自由エネルギー分布の正確な再構築を可能にすること。
• シミュレーション中にメタ安定状態とその局所的CV表現を自動で同定すること。

提案手法

• シミュレーション軌道にガウス・ミックスチャネル・モデル（GMM）を適用し、高次元CV空間を局所的井戸に分割する。
• 各井戸に対して主成分分析（PCA）を用いて低次元の局所的表現を構築する。
• 各井戸内で局所PCA座標の関数として、ウェルテンパード・メタダイナミクスに類似したバイアスを適用する。
• システムの現在の井戸に基づいて、インジケータ関数を用いて局所バイアスのオン/オフを切り替え、滑らかなグローバルバイアスを確保する。
• 反復的軌道リウェートリング（ITRE）を用いて不偏ボルツマン分布を回復し、自由エネルギーおよび熱力学的性質の評価を行う。
• 新しいメタ安定状態がシミュレーション中に発見されるたびに、GMMクラスタリングおよび局所CV表現を反復的に更新する。

実験結果

リサーチクエスチョン

• RQ1 局所的低次元CV表現を用いた分割統治戦略は、高次元自由エネルギー障壁におけるサンプリング効率を向上させ得るか？
• RQ2 複雑な系において、ATLASは従来のウェルテンパード・メタダイナミクスと比較して収束速度と正確さの点で優れているか？
• RQ3 ATLASは、システムのエネルギー障壁の構造を事前に知らなくても、新たなメタ安定状態を自動で同定・適応できるか？
• RQ4 ATLASは、バイアスに使用していない従来の解釈可能なCV（例：Rg、nH）に沿った正確な自由エネルギー表面をどの程度回復できるか？
• RQ5 ATLASの局所バイアスフレームワークは、物理的に直感的な局所的ダイナミクスを提供するため、粗粒度モデルの開発を支援できるか？

主な発見

• ATLASは、アルアニンテトラペプチドの6次元二面角空間において、従来のウェルテンパード・メタダイナミクスよりも参考となる平均力ポテンシャル（PT FES）への収束が速かった。
• 自己学習アルゴリズムを5反復後に、アルアニンテトラペプチド系で9つの明確に定義された局所的井戸（メタ安定状態）を同定した。
• 最も頻度の高い井戸間の自由エネルギー差は正確に回復され、100 psのシミュレーション時間以内に収束が観察された。
• 主鎖の半径（Rg）および水素結合数（nH）に沿ったリウェートドFESは、ATLASの軌道から従来の直接メタダイナミクスシミュレーション（同様のCVを用いて）よりも迅速に収束した。
• 滑らかで局所的なバイアスアプローチにより、GMMが同定した9つの位相空間領域をすべて迅速に探索でき、顕著なサンプリングバイアスやトラップは発生しなかった。
• 反復的再クラスタリング機能により、システムが新たな領域を探索するにつれて、ATLASは自由エネルギー障壁の記述を洗練させることができ、高い適応性を示した。