研究人员开发了一种新颖的动力学系统过渡路径采样（TPS）方法，特别适用于分子动力学，通过利用 Koopman 算子和退出时间最优控制。该方法解决了跨越高自由能垒的稀有过渡的挑战。通过将 TPS 重构为具有由目标集首次命中时间定义的时域的最优随机控制问题，并使用 committor 函数来惩罚在非反应区域花费的时间，该方法推导出了一个最优控制器。该控制器在再生核希尔伯特空间中得到近似，显著增加了到达目标集的轨迹比例，并在双通道双势阱和丙氨酸二肽等基准系统上证明了其有效性。 AI
影响 这项研究引入了一种新颖的计算方法，用于模拟复杂系统中的稀有事件，有可能加速分子动力学和材料科学等领域的发现。
排序理由 学术论文，详细介绍了一种新的计算方法。[lever_c_demoted from research: ic=1 ai=1.0]
- Alanine Dipeptide
- artificial neural network
- Exit-Time Optimal Control
- Karush-Kuhn-Tucker system
- Koopman Operators
- Optimal Stochastic Control of Artificial Pancreas under Model Uncertainties
- reproducing kernel Hilbert space
- Transition path sampling
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
