力场和计算机硬件开发的持续进展使分子动力学(MD)的使用能够模拟日益复杂的系统,最终目标是达到细胞复杂性。 同时,高通量(HT)模拟的理性设计是MD的另一个前沿。 在这些领域,正在积极探索马提尼粗粒力场,特别是最新版本(即v3),因为它提供了增强的空间-时间分辨率。 然而,与前一个版本一起准备马提尼力场模拟的自动化工具不是为HT模拟或复杂蜂窝系统的研究而设计的。 因此,它们成为一个主要的限制因素。 为了解决这些缺点,我们介绍了开源的 Vermouth python 库。 Vermouth旨在成为开发程序的统一框架,程序准备,运行和分析复杂系统的Martini模拟。 为了展示Vermouth库的力量,Martinize2程序被展示为马汀酶脚本的概括,最初旨在建立蛋白质的模拟。 与前一个版本相反,Martinize2自动处理蛋白质和翻译后修饰的质子状态,为微调弹性网络(EN)等结构偏差提供了更多的选择,并可以转换非蛋白质分子,如配体。 最后,Martinize2用于两个高复杂度基准。 整个I-TASSER蛋白模板数据库以及AlphaFold蛋白结构数据库的200,000个结构的子集转换为CG分辨率,我们说明了对输入结构质量的检查如何保护高通量应用。
从编码衍射模式(CDP)的相回回对于X射线晶体学,衍射断层扫描和天文成像很重要,但仍然是一个困难的,非凸的逆问题。 我们表明,CDP恢复可以完全重新制定为连续可变XY Hamiltonian的最小化,并通过基于增益的光子网络解决。 我们利用的耦合模式方程是exciton-polariton condensate晶格、耦合激光阵列和驱动光子Bose-Einstein凝结物的自然均场动力学,而其他硬件如空间光子学Ising机器则可以通过高速数字反馈实现相同的更新规则,保留完整的光学并行性。 对图像、二维和三维漩涡和非结构化复杂数据的数字实验表明,基于增益的求解器在中噪声机制(信号与噪声比10-40 dB)中始终优于最先进的Relaxed-Reflect-Reflect(RRR)算法,并在问题大小尺度上保留这一优势。 由于物理平台执行连续优化,我们的方法承诺在现成的光子硬件(如二维和三维漩涡)和非结构化随机数据上快速,节能的阶段检索。 此外,随着问题规模的增加,求解器的准确性仍然很高,这凸显了其可扩展性。
No more items to load.