XiaoMi-AI文件搜索系统
World File Search System自由能
评估生成扩散模型，以增强范围和全原子分辨率的折叠和无序蛋白质态采样
图2：基于扭转角的主成分分析（PCA），TRP型栅格和α-突触核蛋白的自由能表面（FES）。（a）和（d）分别沿TRP-CAGE和α-类核蛋白的整个分子动力学（MD）模拟数据集沿第一个两个主要成分（PC-1和PC-2）显示了2D FES图。（b）和（e）使用仿真数据的子集描绘了FES图，相当于TRP -cage的总数据的10％，而α-突触核蛋白的50％。与完整数据集相比，这些子集突出了采样自由能表面的稀疏性。（c）和（f）介绍了由DDPM训练的模型产生的FES图，这些模型在还原的子集上进行了训练。值得注意的是，DDPM生成的FES图与完整数据集的FES相似，并有效地采样了（b）和（e）中观察到的稀疏区域。
复杂晶粒边界局部振动的直接可视化
晶界 (GB) 中的局部原子排列与边界晶粒中的局部原子排列不同，以便能够调节相应晶格的取向误差。[1–8] 从结构上讲，局部排列包括沿边界重复的位错核和结构单元。从化学上讲，位错核和其他结构单元并不总是化学计量的，甚至可能具有复杂性。[9] 总之，GB 和晶粒的化学和结构差异导致局部 GB 振动，这在许多领域都引起了人们的兴趣。例如，在热传输 [4–7,10] 和红外光学中，[4,8] 声子频率和寿命决定了材料响应的关键方面。此外，局部振动的变化可以显著改变功能材料的自由能景观 [11–13] 或增加熵对自由能的贡献并影响相变。[14–16]
结合人工智能和分子动力学（...
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。
主动推理系统中的控制流第二部分 - UCL Discovery
摘要 — 生命系统既面临环境的复杂性，又面临自由能资源的有限获取。在这些条件下生存需要一个控制系统，该系统能够以特定于环境的方式激活或部署可用的感知和行动资源。在第一部分中，我们介绍了自由能原理 (FEP) 和主动推理作为贝叶斯预测误差最小化的思想，并展示了主动推理系统中控制问题的产生方式。然后，我们回顾了 FEP 的经典和量子公式，前者是后者的经典极限。在第二部分中，我们展示了当系统被描述为执行由 FEP 驱动的主动推理时，它们的控制流系统始终可以表示为张量网络 (TN)。我们展示了如何在量子拓扑神经网络的一般框架内实现 TN 作为控制系统，并讨论了这些结果对在多个尺度上建模生物系统的意义。
IFT74变体引起小鼠和人类的骨骼纤毛病和纤毛缺陷
摘要 - 生活系统既面临环境复杂性，又面临着有限的自由能资源的访问。在这些条件下的生存需要一个可以在上下文中激活或部署可用的感知和行动资源的控制系统。在本第I部分中，我们介绍了自由能原理（FEP）和主动推断作为贝叶斯预测的想法 - 最小化，并显示控制问题是如何在主动推理系统中产生的。然后，我们回顾FEP的经典和量子公式，前者是后者的经典限制。在随附的第二部分中，我们表明，当系统描述为执行由FEP驱动的主动推理时，它们的控制流系统总是可以表示为张量网络（TNS）。我们展示了如何在量子拓扑神经网络的一般框架内实现TNS作为控制系统，并讨论了这些结果对在多个尺度上对生物系统进行建模的含义。
使用自由能量优化的早期声音学习和对应匹配的大脑启发模型
我们提出了一个受皮层基底系统 (CX-BG) 启发的发展模型，用于婴儿的发声学习，并解决他们在听到具有不同音调和音高的陌生声音时面临的对应不匹配问题。该模型基于神经架构 INFERNO，代表循环神经网络的迭代自由能优化。自由能最小化用于快速探索、选择和学习要执行的最佳操作选择（例如声音产生），以便尽可能准确地重现和控制代表所需感知（例如声音类别）的脉冲序列。我们在本文中详细介绍了 CX-BG 系统，该系统负责在几毫秒的量级上将声音和运动原语因果联系起来。使用小型和大型音频数据库进行的两个实验展示了我们的神经架构在发声学习期间和与未听过的声音（不同性别和音调）进行声学匹配时检索音频原语的探索、泛化和抗噪能力。
消除 APW/LAPW 基组中的线性化误差
详细介绍了使用 APW/LAPW 类型基组以及由局部轨道提供的灵活扩展来实现相对论密度泛函理论 (RDFT) 方程的方法。使用完全相对论方法和 α -U 作为示例，证实了先前发现的 APW/LAPW 基组的高导数局部轨道 (HDLO) 扩展对于提高 DFT 计算精度的重要性。高能局部轨道 (HELO) 对 GW 计算来说必不可少，但在提高 DFT 应用精度方面却效率低得多。结果表明，对于本文考虑的五种材料的电子自由能，采用一种简化的相对论效应方法，即仅考虑它们在 muffin-tin (MT) 球体内部，会产生基本相同的结果（与完全相对论方法相比）。通过比较简化方法对电子自由能的影响和对电子动能的影响，我们得出结论，自由能对我们描述间隙区域的相对论效应的方式的不敏感性与该量的变分性质有关。
6/6/2024 -Rocklin Lab @ Northwestern Chicago
Gabriel J. Rocklin博士商务地址：303 E Superior St Simpson Querrey大楼11-517芝加哥，IL 60614商务电话：408-835-5235电子邮件：grocklin@gmail.com教育2013-2019华盛顿大学生物化学系高级研究员。 顾问：David Baker 2013 Ph.D.旧金山分校生物物理学博士学位。 顾问：Brian Shoichet，Ken Dill论文：使用自由能计算2007 B.A.预测带电的蛋白质 - 配体结合亲和力。Gabriel J. Rocklin博士商务地址：303 E Superior St Simpson Querrey大楼11-517芝加哥，IL 60614商务电话：408-835-5235电子邮件：grocklin@gmail.com教育2013-2019华盛顿大学生物化学系高级研究员。顾问：David Baker 2013 Ph.D.旧金山分校生物物理学博士学位。顾问：Brian Shoichet，Ken Dill论文：使用自由能计算2007 B.A.预测带电的蛋白质 - 配体结合亲和力。
使用生成模型预测绝对蛋白质折叠稳定性
摘要8尽管我们预测由于氨基酸取代为9的蛋白质稳定性变化的能力取得了很大的进步，但方法的进展速度很慢，可以预测蛋白质的绝对稳定性10。在这里，我们展示了如何利用蛋白质序列的生成模型来预测绝对蛋白质的稳定性。我们基准在一系列蛋白12的蛋白质中进行基准测试，并发现对绝对稳定性13的平均误差为1.5 kcal/mol，相关系数为0.7，跨一系列小型中间大小的蛋白质的预测为0.7。150个氨基酸残基。 我们分析了14个当前局限性和未来方向，包括该模型如何可用于预测15个构象自由能。 我们的方法易于使用，并且可以通过在线16实施中自由使用。 17150个氨基酸残基。我们分析了14个当前局限性和未来方向，包括该模型如何可用于预测15个构象自由能。我们的方法易于使用，并且可以通过在线16实施中自由使用。17