生物分子模拟中的机器学习方法

分子模拟技术已成为人们从分子层次探究生命原理的强有力工具.经过近50年的发展,生物分子模拟能够实现对蛋白折叠、构象运动和蛋白-蛋白分子相互作用等复杂分子体系的生物过程的动力学和热力学性质进行定量表征.近年来,以深度学习为代表的机器学习算法的应用进一步推动了生物分子模拟技术的发展.本文对生物分子模拟中的机器学习方法进行综述,重点讨论机器学习算法在提高生物分子力场精度、分子模拟构象采样效率、以及高维生物分子模拟数据处理等方面取得的重要进展.在此基础上,对未来研究中基于机器学习技术进一步克服生物分子模拟的精度和效率瓶颈、扩展生物分子模拟适用范围、实现计算模拟与实验测量的深度融合做了展望.

静电场中水分子的扩散与液固相变

扩散与相变是本科阶段基础物理教学的重要内容.本文以体相水分子系统为例,基于分子动力学模拟,研究静电场环境下水分子的扩散和相变.在较小电场强度情况下,水分子表现出显著的大角度跳跃转动,且转动频次随电场呈先增加后减小的非单调行为.这种大角度跳跃转动的反常电场依赖性与水分子扩散系数随电场强度变化的非单调性存在较强相关性.在电场强度较大时,水分子系统发生液固相变,即电致结冰,并观察到了两种冰相沿电场方向的层状混合堆叠结构.该分子动力学模拟有助于学生从微观层次理解分子扩散与相变等物理现象的分子机制,可作为教学实例培养本科生的科研实践能力.