Development of a fast molecular dynamics simulation method using deep learning

点击翻译按钮获取中文摘要

深層学習を用いた高速分子動力学シミュレーション手法の開発に関して以下の成果を得た。1. 学習データセットの準備：さまざまなタンパク質に対して古典分子動力学シミュレーションを実行し、深層学習モデルのための学習データセットを作成した。分子動力学シミュレーションに入力する初期立体構造としてAlphaFold2（Jumper, J. et al., Nature, 2021）を用いて計算されたタンパク質立体構造を利用した。2. 深層ニューラルネットワークの開発：高速な分子動力学シミュレーションを目的とした深層ニューラルネットワークの開発を行った。具体的にはタンパク質原子の各座標・速度・力・原子種を入力として、一定時間後の座標・速度・力を予測する深層ニューラルネットワークを構築した。力学には回転同変性、鏡映同変性、平行移動同変性、置換同変性が存在するため、これらの同変性を備えた深層ニューラルネットワークを設計した。またシミュレーションの高速化のため、本モデルは溶媒原子を入力として受け取らず、溶媒原子がタンパク質原子に及ぼす相互作用も同時に学習させた。3. 深層ニューラルネットワークの学習：1で取得した学習データセットを用いて、64フェムト秒後の座標・速度・力を予測する深層ニューラルネットワークの学習を行った。ベンチマークデータセットを用いた検証を行い、このモデルが10^(-2)オングストロームスケールの精度、および約20倍の高速化を達成していることを確認した。