分子动力学模拟是一个跨越众多学科领域的强大工具，从物理学的角度来看分子动力学模拟的话，其基于量子力学（量子化学）构
原创
2022-05-05 14:00:11
1489阅读
点赞
随着硬件算力的发展，以及AI技术的日益增进，我们不仅可以借助深度学习框架来加速分子动力学模拟，以及降低分
原创
2024-06-04 12:19:55
57阅读
继上一篇文章介绍了分子动力学模拟中常用的LINCS约束算法之后，本文再介绍一种SETTLE约束算法，及其基于Jax的实现方案。LINCS约束算法
原创
2022-05-05 14:00:53
527阅读
基于力场的分子动力学模拟，其实可以看做是一个最简单的机器学习模型，具有计算成本低的特点，在药物研发、生物化学和计算物
原创
2024-03-26 13:36:23
59阅读
本文是一个比较泛的分子体系控制器实现方案，因为MindSponge分子动力学模拟框架基于Python编程语言和MindSpore框架开发，因此在高度定制化的控制器实现上有先天的优势。我们可以在MindSponge中基于力对体系进行控制、基于坐标对体系进行控制，还能基于反应坐标对体系进行控制。
技术背景在传统的分子动力学模拟软件中，对于分子体系的控制，例如控制
原创
精选
2024-05-26 20:48:35
183阅读
本文介绍了在MindSponge中进行分子动力学模拟以及增强采样的实现方法。通过使用MetaDynamics增强采样算法，我们可
本文介绍了在MindSponge中进行分子动力学模拟以及增强采样的实现方法。通过使用MetaDynamics增强采样算法，我们可
分子模拟具有众多的应用场景，比如制药领域和材料领域，做好分子模拟的工作，可以极大程度上缩减新药物新材料的研发成本和研发周期。近几年随着GPT-4和Diffusion Model的大火，让大家意识到了AI已经具备了相当的解决问题的能力。因此基于AI的框架和模型，对比AI训练与分子模拟之间的共性，可以实现一个面向AI时代的分子模拟框架。本文主要介绍基于MindSpore
原创
2023-10-23 12:17:20
84阅读
利用 amorphous cell 模块分别构建包含缓蚀剂分子的无定形组织结构，采用(NVT)进行分子动力学模拟，平衡后
本文通过解析MindSponge的源码实现，详细介绍了在MindSponge中Molecule基础分子类的内置属性和内置函数，以及三种相应的分子系统定义方法：我们既可以使用yaml模板文件来定义一个分子系统，也
原创
2023-10-23 12:17:49
87阅读
随着分子动力学模拟技术的应用推广、AI软件的发展和硬件算力水平的提升，我们可以更快的在分子层面去观察和研究分子体系内的相互作用。但是分子模拟
原创
精选
2024-02-28 11:40:45
168阅读
本次模拟采用LJ约化单位，晶体为面心立方结构，晶格参数为0.6，沿x（100）、y（010）方向为10倍
原创
2023-05-18 09:42:20
249阅读
本文主要衔接前面的文章，继“MindSponge的安装与使用”、“MindSponge软件架构”以及“MindSponge中定义一个分子系统”系列文章之后，再讲解一下如何根据一个定义好的分子系统进行力场建模，使用力场来计算单点能，就是一个比较简单的案例。
技术背景在前面的几篇文章中，我们分别介绍了MindSponge的软件架构、MindSponge的安装与使
原创
2023-10-23 12:17:34
136阅读
本文主要介绍MindSponge框架的免安装使用和编译构建使用这两种使用方法，MindSponge是一款可以在MindSpore上进行分子动力学模拟的，模块化、高通量、端到端可微的下一代智能分子模拟程序库。通过MindSponge，我们可以在GPU上更加便捷的开发分子动力学模拟算法和应用，并且原生的支持神经网络力场和增强采样，使得我们可以用一个框架就完成绝大部分的分
原创
2023-11-01 10:09:48
156阅读
本文从分子动力学模拟中的周期性边界处理角度出发，介绍了无符号整数和带符号整数的一些应用的技巧，使用这些格式转换的技术有可能在程序的性能优化中带来一定的效果。同时为了更加直观的展示分子模拟的效果，我们用animation展示了一个简单的动态图绘制的案例，其中还包含了多个子图的绘图技术。
原创
2022-05-05 14:06:44
573阅读
Python 代码实现高性能异构分子动力学模拟系统
原创
精选
2024-06-06 23:50:08
224阅读
本文重点介绍了VMD分子动力学模拟可视化软件的安装与基本使用方法，VMD是一款非常小而精致的可视化工具，在业界也备受推崇。如果只是用于做分子模型的展示，功能是完全足够的，如果要执行更多的操作，需要掌握tcl语言，当然这也是一个坑点。
转载
2022-05-05 14:16:51
398阅读
而自适应学习率的优化算法，如Adam、Adagrad等，能够根据训练过程中的梯度信息动态调整学习率，加快模型的收敛速度，
量子机器学习力场（QMLF）通过机器学习模型结合量子力学数据，为分子动力学模拟提供高精度、低成本的势能函数。然而，其参数更新在长时间模拟中存在稳定性问题。为此，需从高质量数据、先进模型架构和优化训练策略三方面入手：高质量数据确保学习准确性，等变表示与多尺度模型提升对复杂相互作用的理解，自适应优化算法与正则化技术增强模型稳定性和泛化能力。这是一项系统性工程，旨在实现高效、可靠的分子动力学模拟。
