Computing Absolute Free Energy with Deep Generative Models.
Computing Absolute Free Energy with Deep Generative Models.
复制标题
DOI：
10.1021/acs.jpcb.0c08645
复制
发表时间：
2020-11-12
期刊：
影响因子：
--
通讯作者：
Zhang B
中科院分区：
文献类型：
--
作者：
Ding X;Zhang B
快速、准确地计算自由能在药物设计和材料工程中有着广泛的应用。计算绝对自由能特别有意义，因为它允许评估没有中间体的状态之间的相对稳定性。在这里，我们介绍了计算态的绝对自由能的一般框架。计算的一个关键步骤是定义参考状态，该参考状态具有使用本地采样配置的易处理的深度生成模型。根据设计，这个参考态的绝对自由能为零。然后，可以将感兴趣状态的自由能确定为与参考值的差。我们将该方法应用于离散系统和连续系统，并证明了其有效性。研究发现，与基于功的近似表达式相比，Bennett接受率方法提供了更准确和更有效的自由能估计。我们预计这里提出的方法是计算自由能差的一种有价值的策略。
Fast and accurate evaluation of free energy has broad applications from drug design to material engineering. Computing the absolute free energy is of particular interest since it allows the assessment of the relative stability between states without intermediates. Here we introduce a general framework for calculating the absolute free energy of a state. A key step of the calculation is the definition of a reference state with tractable deep generative models using locally sampled configurations. The absolute free energy of this reference state is zero by design. The free energy for the state of interest can then be determined as the difference from the reference. We applied this approach to both discrete and continuous systems and demonstrated its effectiveness. It was found that the Bennett acceptance ratio method provides more accurate and efficient free energy estimations than approximate expressions based on work. We anticipate the method presented here to be a valuable strategy for computing free energy differences.
登录
查看更多内容
影响因子：
4.1
作者：
BENNETT, CH
通讯作者：
BENNETT, CH
影响因子：
3.5
作者：
Klimovich, Pavel V.;Shirts, Michael R.;Mobley, David L.
通讯作者：
Mobley, David L.
影响因子：
4.4
作者：
JORGENSEN, WL;RAVIMOHAN, C
通讯作者：
RAVIMOHAN, C
影响因子：
4.4
作者：
FRENKEL, D;LADD, AJC
通讯作者：
LADD, AJC
影响因子：
--
作者：
KULLBACK, S;LEIBLER, RA
通讯作者：
LEIBLER, RA