Optimal Scheme to Achieve Energy Conservation in Induced Dipole Models.
Optimal Scheme to Achieve Energy Conservation in Induced Dipole Models.
复制标题
DOI：
10.1021/acs.jctc.3c00226
复制
发表时间：
2023-08-08
影响因子：
5.5
通讯作者：
Wei, Haixin
中科院分区：
文献类型：
--
作者：
Huang, Zhen;Zhao, Shiji;Cieplak, Piotr;Duan, Yong;Luo, Ray;Wei, Haixin
诱导偶极子模型已被证明是模拟生化过程中电子极化效应的有效工具，但其潜力受到能量守恒问题的限制，特别是当利用历史数据进行偶极子预测时。本研究将误差异常值确定为导致节能失败的主要因素，并提出了克服这一限制的综合方案。利用最大相对误差作为收敛指标，我们的数据表明，即使使用历史信息进行偶极子预测，也可以保持能量守恒。我们的研究引入了多阶外推（MOE）方法来加速归纳迭代并优化历史数据的使用，同时还开发了带有局部迭代的预处理共轭梯度（LIPCG）来细化迭代过程并有效去除错误异常值。该方案进一步结合了通过雅可比欠松弛 (JUR) 的“窥视”步骤，以获得最佳性能。仿真证据表明，我们提出的方案可以在有限的迭代次数内实现类似于点电荷模型的能量收敛，从而有望显着提高效率和准确性。
Induced dipole models have proven to be effective tools for simulating electronic polarization effects in biochemical processes, yet their potential has been constrained by issues of energy conservation, particularly when historical data is utilized for dipole prediction. This study identifies error outliers as the primary factor causing this failure of energy conservation and proposes a comprehensive scheme to overcome this limitation. Leveraging maximum relative errors as a convergence metric, our data demonstrates that energy conservation can be upheld even when using historical information for dipole predictions. Our study introduces the Multi-Order Extrapolation (MOE) method to quicken induction iteration and optimize the use of historical data, while also developing the Preconditioned Conjugate Gradient with Local Iterations (LIPCG) to refine the iteration process and effectively remove error outliers. This scheme further incorporates a “peek” step via Jacobi Under-Relaxation (JUR) for optimal performance. Simulation evidence suggests that our proposed scheme can achieve energy convergence akin to that of point-charge models within a limited number of iterations, thus promising significant improvements in efficiency and accuracy.
登录
查看更多内容
DOI：
10.1088/0953-8984/21/33/333102
发表时间：
2009-08-19
期刊：
Journal of physics. Condensed matter : an Institute of Physics journal
影响因子：
--
作者：
Cieplak P;Dupradeau FY;Duan Y;Wang J
通讯作者：
Wang J
影响因子：
3
作者：
DAVIS, ME;MCCAMMON, JA
通讯作者：
MCCAMMON, JA
影响因子：
5.5
作者：
Cai, Qin;Hsieh, Meng-Juei;Wang, Jun;Luo, Ray
通讯作者：
Luo, Ray
影响因子：
4.4
作者：
Wang, W;Skeel, RD
通讯作者：
Skeel, RD
影响因子：
5.5
作者：
Zhao, Shiji;Cieplak, Piotr;Duan, Yong;Luo, Ray
通讯作者：
Luo, Ray