Development of a fast molecular dynamics simulation method using deep learning

使用深度学习开发快速分子动力学模拟方法

• 批准号: 22K17993
• 负责人: 林 周斗
• 金额: $ 3万
• 依托单位: Tokyo Medical and Dental University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17993/
• 关键词: 深層学習; 分子動力学シミュレーション; タンパク質; 機械学習

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。

1.中文：1.中文：1.中文：1.中文：1.中文：1.中文：1.中文：1.中文：1.中文：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(跳投,j . et al .,自然,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。