🔥 今日值得一读
扩散模型采样新突破：METALICA用元动力学加副本交换，成功解析蛋白质去折叠的第二个自由能极小值！
METALICA: METAdynamics and repLICA exchange for enhanced diffusion sampling
👨💼 主理人解读 · 为什么值得关注
用元动力学偏置加副本交换采样稀有蛋白构象，开发者可用于分子生成与结构预测增强。
📖 AI 总结
该论文提出METALICA方法，将元动力学（Metadynamics）与副本交换（Replica Exchange）结合，用于增强预训练扩散模型的采样能力。许多蛋白质通过构象状态之间的转换发挥功能，但基于平衡系综训练的扩散模型难以采样到稀有状态。METALICA沿集体变量累积偏置势，通过偏置采样使新样本远离已有样本，并将样本重新加权回无偏分布；它在每个扩散层级保留一个副本，通过副本间通信形成马尔可夫链，并随偏置增长就地细化。与在粒子批次上并行化的序贯蒙特卡洛不同，METALICA在扩散时间调度层级上实现并行，从而能生成长链样本，其精度由运行长度而非可用内存决定。作者先在自由能已知的双峰目标上验证，随后应用于蛋白质去折叠过程：在序贯控制无法得到任何去折叠结构的预算下，METALICA成功填充了目标盆地并分辨出第二个自由能极小值。
🔑 关键词速览
| Metadynamics | 一种增强采样方法，通过沿集体变量累积偏置势来加速稀有事件的采样。 |
| Replica Exchange | 一种并行采样技术，通过交换不同副本的状态来增强构象空间的探索。 |
| Collective Variable | 用于描述系统慢自由度的低维函数，通常用于增强采样中引导偏置。 |
| Diffusion Model | 一类生成模型，通过逐步去噪过程从噪声中生成数据样本。 |
| Sequential Monte Carlo | 一种基于序列重要性采样的蒙特卡洛方法，常用于状态空间模型和并行采样。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅