[论文解读] Flow-matching -- efficient coarse-graining of molecular dynamics without forces

Jonas Köhler, Yaoyi Chen+3 more|arXiv (Cornell University)|Mar 21, 2022

Parallel Computing and Optimization Techniques被引用 5

一句话总结

本文提出了一种名为流匹配（flow-matching）的新机器学习方法，用于粗粒度（CG）分子动力学模拟，通过使用归一化流（normalizing flows）建模粗粒度概率密度，避免了对全原子力的依赖。该方法通过全原子数据训练流模型以匹配平衡分布，随后利用该流生成合成的构型和力，用于高效的力量匹配训练，从而在仅使用经典力量匹配所需数据量10%以下的情况下，实现了更高的数据效率，并准确模拟了蛋白质的折叠与展开动力学。

ABSTRACT

Coarse-grained (CG) molecular simulations have become a standard tool to study molecular processes on time- and length-scales inaccessible to all-atom simulations. Parameterizing CG force fields to match all-atom simulations has mainly relied on force-matching or relative entropy minimization, which require many samples from costly simulations with all-atom or CG resolutions, respectively. Here we present flow-matching, a new training method for CG force fields that combines the advantages of both methods by leveraging normalizing flows, a generative deep learning method. Flow-matching first trains a normalizing flow to represent the CG probability density, which is equivalent to minimizing the relative entropy without requiring iterative CG simulations. Subsequently, the flow generates samples and forces according to the learned distribution in order to train the desired CG free energy model via force matching. Even without requiring forces from the all-atom simulations, flow-matching outperforms classical force-matching by an order of magnitude in terms of data efficiency, and produces CG models that can capture the folding and unfolding transitions of small proteins.

研究动机与目标

• 解决经典力量匹配在粗粒度分子动力学中计算成本高且数据效率低的问题。
• 通过生成建模恢复平衡分布，消除对昂贵全原子力的依赖。
• 提升训练粗粒度力场的数据效率，尤其适用于原子与粒子比例高的系统（此时力的噪声较大）。
• 在极小量训练数据下，实现对复杂生物分子过程（如蛋白质折叠与展开）的精确模拟。
• 建立一种基于教师-学生学习范式的框架，用于在生物聚合物系统间训练可迁移的粗粒度力场。

提出的方法

• 训练一个归一化流模型，从全原子模拟数据中建模粗粒度概率密度，无需力或迭代的粗粒度模拟。
• 通过可微分采样，利用训练好的流生成合成的粗粒度构型及其对应力，实现高效的力量匹配。
• 使用生成的力通过标准力量匹配方法训练粗粒度势能函数（如CGnet），确保热力学一致性。
• 该方法将密度估计与力场训练解耦，使流模型可作为“教师”模型，提供高质量的训练数据。
• 利用归一化流强大的表达能力，捕捉粗粒度空间中复杂、高维的概率分布。
• 通过训练特定系统的流模型，再将知识蒸馏到共享的、可泛化的粗粒度力场中，支持迁移学习。

实验结果

研究问题

• RQ1 能否在不依赖全原子力的前提下，使用归一化流建模粗粒度平衡分布？
• RQ2 与真实全原子力相比，流生成的样本和力在粗粒度力场训练中是否具有更高的数据效率？
• RQ3 流匹配方法是否能以极少量训练数据准确重现蛋白质的折叠与展开路径？
• RQ4 在原子与粒子比例高的系统中，流匹配的数据效率与经典力量匹配相比如何？
• RQ5 流匹配的教师-学生框架是否能实现在不同生物聚合物序列间可迁移的粗粒度力场？

主要发现

• 与经典力量匹配相比，流匹配在数据效率方面实现了高达一个数量级的提升，即使训练数据不足其10%。
• 该方法成功捕捉了小蛋白质的折叠与展开转变过程，其路径与全原子模拟结果一致。
• 使用流匹配训练的粗粒度模型比通过标准力量匹配训练的CGnet模型更准确地再现肽类的全局热力学性质。
• 归一化流有效学习了粗粒度概率密度，实现了高质量采样，无需迭代的粗粒度模拟。
• 基于流的势能作为全原子力的有效替代，降低了噪声并提升了训练稳定性。
• 该框架通过训练特定系统的流模型并将其知识蒸馏到共享势能中，实现了可迁移粗粒度力场的开发。