[논문 리뷰] Iterative trajectory reweighting for estimation of equilibrium and non-equilibrium observables

John D. Russo, Jeremy Copperman외 1명|arXiv (Cornell University)|2020. 06. 16.

Spectroscopy and Quantum Chemical Studies인용 수 4

한 줄 요약

이 논문은 마르코프성 가정을 하지 않고 전이 행렬을 필요로 하지 않으면서도 평형 및 비평형 관측량—예를 들어 정적 분포, 전이 확률, 평균 제1도달 시간—을 추정하는 반복적 궤적 재가중 알고리즘을 소개한다. 시간에 따른 확률 분포와 전이 확률 값의 정적 성질을 연속 궤적을 통해 활용함으로써, 시간 평균 히스토그램 확률 또는 후행 전이 확률 값에 기반한 궤적 가중치의 반복적 개선을 통해 편향이 없고 자기일관성 있는 추정치로 수렴한다.

ABSTRACT

We present two algorithms by which a set of short, unbiased trajectories can be iteratively reweighted to obtain various observables. The first algorithm estimates the stationary (steady state) distribution of a system by iteratively reweighting the trajectories based on the average probability in each state. The algorithm applies to equilibrium or non-equilibrium steady states, exploiting the `left' stationarity of the distribution under dynamics -- i.e., in a discrete setting, when the column vector of probabilities is multiplied by the transition matrix expressed as a left stochastic matrix. The second procedure relies on the `right' stationarity of the committor (splitting probability) expressed as a row vector. The algorithms are unbiased, do not rely on computing transition matrices, and make no Markov assumption about discretized states. Here, we apply the procedures to a one-dimensional double-well potential, and to a 208$\\mu$s atomistic Trp-cage folding trajectory from D.E. Shaw Research.

연구 동기 및 목표

• 희귀 사건과 장시간 동역학에 대해 특히 제한된 샘플링 시간스케일을 가진 분자의 동역학 시뮬레이션에서의 과제를 해결한다.
• 지연 시간 선택에 의존하고 마르코프성 가정을 필요로 하는 마르코프 상태 모델(MSM)의 한계를 극복한다.
• 짧고 편향 없는 궤적에서 평형 및 비평형 관측량—예를 들어 정적 분포, 전이 확률, 평균 제1도달 시간—을 추정할 수 있는 방법을 개발한다.
• 전이 행렬을 구성하거나 동역학을 마르코프 체인으로 이산화하지 않고도 관측량을 추정할 수 있도록 한다.
• 연속 궤적 데이터에서 확률 분포와 전이 확률 값의 정적 성질을 활용하는 자기일관성 있고 반복적인 프레임워크를 제공한다.

제안 방법

• 이산 위상공간 박스 내 시간 평균 확률에 기반한 궤적 재가중을 통해 정적(평형 또는 비평형 정상상태) 분포를 추정한다.
• 동역학 하에서 확률 벡터의 왼쪽 정적 성질을 적용한다: 전이 행렬에 의해 곱해져도 분포가 변하지 않으며, 이는 자기일관성 있는 가중치 갱신을 가능하게 한다.
• 전이 확률 추정에 있어 오른쪽 정적 성질을 활용한다: 어떤 박스에서의 후행 궤적들의 평균 전이 확률 값이 그 박스의 전이 확률 값으로 수렴한다.
• 궤적 가중치를 균일하게 초기화하고 이전 반복에서의 시간 평균 확률에 기반해 반복적으로 갱신함으로써 정적 해로 수렴하도록 보장한다.
• 경계 조건을 적용한다: 목표 매크로상태에 도달한 궤적의 전이 확률 값은 1로 설정하고, 비목표 상태에 도달한 경우 0으로 설정한다.
• 연속 궤적을 유일한 입력으로 사용하여 마르코프성 전이가 없는 상태에서 모든 동역학적 세부 정보를 유지한다.

실험 결과

연구 질문

• RQ1 마르코프성 동역학을 가정하거나 전이 행렬을 구성하지 않고도 짧고 편향 없는 궤적에서 시스템의 평형 분포를 추정할 수 있는가?
• RQ2 궤적 준비 시 외부 또는 경계 조건을 적절히 고려할 경우, 이 방법은 외부 조건이 있는 비평형 정상상태(NESS) 분포를 신뢰성 있게 추정할 수 있는가?
• RQ3 트립타민 케이지 단백질과 같은 복잡한 시스템에서 반복적 재가중 방법이 브루트포스 기반 기준 계산에 비해 전이 확률(분할 확률)을 얼마나 정확하게 추정할 수 있는가?
• RQ4 단지 궤적 데이터만을 사용하여 힐 관계를 통해 평균 제1도달 시간(MFPT)의 편향 없는 추정치로 수렴하는 반복 절차가 수렴하는가?
• RQ5 마르코프성 가정이 없음에도 불구하고 위상공간을 박스로 이산화할 경우, 이 방법이 얼마나 강인하고 정확한가?

주요 결과

• 반복적 평형 분포 추정기법은 1차원 双함수함수 잠재력 시스템에서 정확한 버르츠만 분포로 수렴하며, 한 번의 반복 이후에도 편향이 관찰되지 않았다.
• 트립타민 케이지 단백질 접힘 궤적의 경우, 반복적 방법이 단순히 히스토그램 수를 세는 것과 잘 일치하는 평형 분포를 생성하지만, 오른쪽 끝의 박스에서 눈에 띄는 편차가 관찰되어 추가 조사가 필요하다.
• 반복적 전이 확률 추정기법은 1차원 시스템에서 브루트포스 기준값과 매우 유사한 결과를 도출하며, 이론적 기대에 부합하는 시그모이드형 곡선을 보인다.
• 트립타민 케이지 시스템에서 반복적 전이 확률 추정치는 브루트포스 추정치와 강한 일치를 보이며, 특히 매크로상태 근처에서 상관계수가 독립 시험 간 거의 1에 가깝게 나타난다.
• 이 방법은 전이 행렬이나 마르코프성 가정 없이도 수렴 가능하며, 연속 궤적과 반복적 자기일관성에만 의존한다.
• 협력자들의 이론적 통찰에 기반해, 이 방법은 전체 시간스케일을 모두 반영하는 비표준 전이 행렬에 대한 거듭제곱법과 수학적으로 동치임을 확인하였다.