机构名称：
¥ 1.0
经过几十年的理论和计算发展，分子动力学 (MD) 模拟不仅已成为补充实验解释和预测的工具，而且还是更高级别模拟的基准。当我们考虑 MD 模拟所需的每个组件时：理论引擎（例如，牛顿运动定律、热力学定律、朗之万方程、泊松-玻尔兹曼方程等）、力场（计算势能和力的参数）、传播算法（例如，Verlet 积分）、系统（通常由坐标、速度和连接组成）、控制参数（如温度、压力等）和可观测量（例如，自由能计算、集体变量监测等），每个组件都经过了精心的手动发现、设计、调整和部署，已经取得了长足的进步。MD 模拟在大多数方面似乎已经“成熟”，在将自由能计算与生物系统结合起来方面实现了大约 ~1 kcal/mol 的精度。然而，折叠/展开蛋白质结构采样、蛋白质-蛋白质相互作用结构采样、大系统模拟、罕见事件模拟、具有不可忽略的核量子效应的模拟、反应、新材料的参数化和高通量自由能计算等问题仍然存在，需要新的研究和开发。自然而然，人们可以转向人工智能 (AI)，这是另一个因硅革命而显著加速发展的领域。毋庸置疑，人工智能已经在与 MD 相关的领域中展示了它的实用性，尤其是在这个“后 AlphaFold 时代”。现在的问题不是“如果”，而是我们如何结合这两个强大的工具来进一步推动这两个领域的研究。
结合人工智能和分子动力学（...
主要关键词
相关文件推荐
