[논문 리뷰] A fuzzy-set theoretical framework for computing exit rates of rare events in potential-driven diffusion processes

Marcus Weber, Natalia Ernst|arXiv (Cornell University)|2017. 08. 02.

Neural Networks and Applications참고 문헌 2인용 수 4

한 줄 요약

이 논문은 퍼지집합 이론적 프레임워크를 도입하여 잠재력에 의해 구동되는 확산 과정에서 희귀 사건의 탈출률을 계산한다. 이는 무한소 생성자 L*의 고유함수에 대한 PCCA+ 클러스터링을 통해 정의된 소속도 함수 χ를 이용한다. 이 방법은 차원의 극복 문제를 피하고 기존의 희귀사건 시뮬레이션 방법보다 분산이 낮은 방식으로 평균 제1회 탈출 시간과 탈출률을 효율적으로 추정할 수 있게 한다. 이는 χ와 그 시간에 따른 변화된 형태 P^τχ 사이의 선형 관계를 통해 이루어진다.

ABSTRACT

This article is about molecular simulation. However, the theoretical results apply for general overdamped Langevin dynamics simulations. Molecular simulation is often used for determining the stability of a complex (e.g., ligand-receptor). The stability can be measured by computing the expected holding time of the complex before its dissociation. This dissociation can be seen as an exit event from a certain part S of the conformational state space. Determining exit rates (i.e, for SDE-based simulations exiting from a given starting set S) for a stochastic process in which the exit event occurs very rarely is obviously hard to solve by straight forward simulation methods. Finding a low variance procedure for computing rare event statistics is still an open problem. Imagine now, e.g., a simulation of a diffusion process. As long as the time-dependent state trajectory is inside the starting set S, no information is gained about the rare event statistics. Only at that point of time, when the process leaves the starting set, a piece of information about the exit rate is collected. If S, however, is a fuzzy set given by a membership function, then there might be additional information of the kind "the process is about to leave the set". However, how to define an exit rate from a fuzzy set?

연구 동기 및 목표

• 표준 시뮬레이션 방법이 전이 빈도가 낮아 고분산 문제를 야기하는 과다압력 랑주르 동역학에서 희귀 탈출 사건을 추정하는 데 도전한다.
• 메타안정 상태를 위한 퍼지 집합 표현을 소속도 함수 χ를 통해 도입함으로써 직접 시뮬레이션의 비효율성을 극복한다.
• 퍼지 소속도 기반의 새로운 탈출률 이론적 정의를 개발하여 핵심 근처의 궤적과 탈출에 다가서는 궤적 간의 더 나은 구분을 가능하게 한다.
• 고차원 이산화나 복잡한 재가중 기법에 의존하지 않는 계산 효율성과 낮은 분산을 갖춘 탈출률 추정 방법을 제공한다.
• n-펜탄의 분자 동역학 시뮬레이션을 통해 기존의 집합 기반 탈출률 추정과 비교하여 퍼지 탈출률 프레임워크를 검증한다.

제안 방법

• 무한소 생성자 L*의 고유함수에 PCCA+ (Perron Cluster Analysis)를 적용하여, 구성 상태 공간 내의 메타안정적 구조를 반영하는 퍼지 집합 χ를 정의한다.
• 포커-플랑크 방정식과 관련된 포커-플랑크 연산자 L을 사용하여 상태 공간 Γ 내의 확률 밀도의 시간 진화를 모델링한다.
• 과정의 마르코프 성질을 활용하여, 여러 시작점에서 짧은 시간 시뮬레이션(τ = 1 ps)을 통해 시간에 따른 변화된 소속도 함수 P^τχ를 추정한다.
• χ(x)와 P^τχ(x) 사이의 선형 관계를 수립하며, 이 선의 기울기와 절편을 통해 χ 기반 탈출률 ε₁과 평균 제1회 탈출 시간 t₁(x) = 1/ε₁χ(x)를 도출한다.
• χ ∈ [0,1]이라는 특성을 활용하여 메타안정성 정도를 표현함으로써, 이산적인 집합 기반 접근 방식보다 연속적이고 정보가 풍부한 탈출에의 가까이서의 거리 측정이 가능하다.
• 여러 코어를 통해 궤적 시뮬레이션과 P^τχ 계산을 병렬화하여 고차원 시스템으로의 효율적 확장이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 사전에 정의된 집합에 의존하지 않고 잠재력에 의해 구동되는 확산 과정에서 메타안정성을 표현하기 위해 퍼지 소속도 함수 χ를 어떻게 구성할 수 있는가?
• RQ2 퍼지 집합에서의 탈출률의 수학적 정의는 무엇이며, 평균 제1회 탈출 시간과 시간에 따른 변화된 소속도 함수와의 관계는 어떠한가?
• RQ3 χ(x)와 P^τχ(x) 사이의 선형 관계를 이용하여 기존의 집합 기반 방법보다 분산이 낮은 탈출률 추정이 가능한가?
• RQ4 실제 분자 시스템인 n-펜탄에서 퍼지 탈출률은 기존의 집합 기반 탈출률과 정량적으로 어떻게 비교되는가?
• RQ5 제안된 방법이 고차원 구성 상태 공간에서 차원의 극복 문제를 얼마나 효과적으로 피할 수 있는가?

주요 결과

• 퍼지 탈출률 추정치는 약 0.01 ps⁻¹로, 집합 기반 탈출률 0.025 ps⁻¹과 같은 주기대수이지만 유의미하게 낮아 더 보수적이고 잠재적으로 더 정확한 추정임을 시사한다.
• χ(x)와 시뮬레이션된 평균 탈출 시간 t(x) 사이에 강한 선형 상관관계가 관찰되어 이론적 관계 t₁(x) = 1/ε₁χ(x)의 타당성을 검증하였으며, 퍼지 프레임워크의 일관성을 확인하였다.
• 집합 기반 방법 대비 탈출률 추정치가 2.5배 감소하여, 퍼지 프레임워크가 점진적인 탈출 경향을 반영함으로써 진정한 메타안정 역학을 더 정확하게 포착하고 있음을 시사한다.
• 차원의 극복 문제를 겪지 않고도 점별로 소속도 함수 χ를 성공적으로 추정하여 고차원 상태 공간에서도 효율적인 계산이 가능함을 입증하였다.
• 궤적 시뮬레이션과 P^τχ 계산의 병렬화를 통합함으로써 프레임워크의 강건성과 확장성을 입증하였으며, 가용 코어 수로 나누어 떨어지는 시작점 수일 경우 최적의 성능을 보였다.
• 검증 결과, χ(x) = 1인 시작점의 평균 탈출 시간은 약 40 ps였으며, 이는 이론적 예측 t₁(x) = 1/ε₁χ(x)와 일치하여 퍼지 탈출률 모델의 신뢰성을 뒷받침한다.