희귀 이벤트 샘플링

Rare event sampling

희귀 이벤트 샘플링은 시스템 동적 공간의 '특수' 영역을 선별적으로 샘플링하기 위한 컴퓨터 시뮬레이션 방법 그룹의 포괄적 용어이며, 이러한 특수 영역을 브루트포스 시뮬레이션을 통해 방문할 가능성은 낮다.이러한 맥락에서 희귀한 사건의 친숙한 예는 과포화 수증기에서 빗방울이 핵으로 형성되는 것이다. 비록 빗방울이 매일 형성되지만, 증기 단계에서 물 분자의 움직임에 의해 정의된 길이와 시간 척도에 비해, 액체 방울의 형성은 매우 드물다.

매우 다른 영역에 걸친 컴퓨터 시뮬레이션의 광범위한 사용으로 인해, 이 주제에 대한 기사는 매우 다른 출처에서 발생하며, 희귀 사건 샘플링 [1]기술에 대한 일관된 조사를 하는 것은 어렵다.현대 방법 Thresholds(RESTART)[4]앞으로 플럭스 샘플링(부탁이니)[5] 일반화되Splitting,[6][7]적응 Multilevel 부착(AMS)[8]확률 과정 희귀한 이벤트 샘플링(SPRES)[9] 선 s에 도달하는 것은 후에 전환 경로 샘플링(이 프로그램 아주 심하게 조악한데)[2]복제 거래소 전환 인터페이스 샘플링(RETIS)[3]다중 시뮬레이션 재판을 포함한다ampling,[10]부분 집합 simulaWeighted Ensemble(WE;[12][13] 가중치 앙상블)[11]입니다.최초의 출판된 희귀한 사건 기법은 1951년 [14]Herman Kahn과 Theodore Edward Harris에 의해 이루어졌으며, 그들은 차례로 John von Neumann과 Stanislaw Ulam에 의해 출판되지 않은 기술 보고서를 참조했다.

시간의존성

시스템이 열역학적 평형을 벗어나면 희박한 이벤트 플럭스에 시간 의존성이 있을 수 있습니다.드문 사건의 확률에 대한 시간적 진화를 추적하기 위해서는 구성 공간의 목표 영역에 궤도의 일정한 전류를 유지할 필요가 있다.SPRES는 이 만일의 사태를 위해 특별히 설계되었으며 AMS는 적어도 이것이 필요한 애플리케이션에 대해 공식적으로 유효합니다.

산란성 정상 상태가 얻어지는 경우(즉, 열역학적 평형에 대한 조건은 충족되지 않지만 희귀 이벤트 플럭스는 일정함) FFS 및 다른 방법뿐만 아니라 전형적으로 더 비싼 전체 비평형 접근법이 적합할 수 있다.

조경법

열역학적 평형의 가정이 만들어지면, 드문 사건 플럭스에는 시간 의존성이 없으며, 문제에 대한 통계적 접근보다는 열역학적 접근이 더 적합할 수 있다.이러한 방법은 일반적으로 희귀 이벤트 방식과 별도로 생각되지만 동일한 문제에 대처할 수 있습니다.이러한 전략에서는 자유 에너지 환경(또는 소규모 시스템의 경우 에너지 환경)이 준비됩니다.소형 시스템의 경우 이 풍경이 완전히 매핑될 수 있지만, 자유도가 큰 시스템의 경우 일부 진행 좌표 집합에 대한 투영이 여전히 필요합니다.

풍경을 매핑하고 특정한 가정을 하면, 트랜지션 상태 이론을 사용하여 그 안에 있는 경로의 확률을 설명할 수 있습니다.풍경을 매핑하는 방법의 예로는 Replica 교환 시뮬레이션이 있습니다.이것은 희귀한 이벤트 문제에 적용되었을 때 장점이 있습니다.이것은 방법 도중에 부분적으로 올바른 궤적 조각이 생성되기 때문에 완전한 풍경을 생성하지 않아도 동적 거동을 직접 분석할 수 있습니다.

「 」를 참조해 주세요.

관련 소프트웨어

  • 희귀 이벤트 시뮬레이션 도구용 R 패키지 미스트랄(CRAN 및 개발 버전)
  • Python 툴셋은 FFS 및 SPRES 계산을 배포하기 위한 예제 툴킷으로 freshs.org을 사용하여 병렬 하드웨어에서 동시에 또는 네트워크 전체에 걸쳐 분산된 방식으로 샘플링 평가판을 실행합니다.
  • Pyretis는 [15]TIS(및 RETIS) 시뮬레이션을 수행하기 위한 오픈 소스 파이썬 라이브러리입니다.MD GROMACS 및 QM/MD CP2K 시뮬레이션용 공통 소프트웨어와 인터페이스됩니다.
  • https://westpa.github.io/westpa/ 및 https://github.com/ADicksonLab/wepy은 Weighted Ensemble용 패키지입니다.
  • PyVisA, 기계 학습 기반 알고리즘의 통합으로 경로 샘플링 출력을 위한 분석 및 시각화 소프트웨어입니다.

레퍼런스

  1. ^ Morio, J.; Balesdent, M. (2014). "A survey of rare event simulation methods for static input–output models" (PDF). Simulation Modelling Practice and Theory. 49 (4): 287–304. doi:10.1016/j.simpat.2014.10.007.
  2. ^ Dellago, Christoph; Bolhuis, Peter G.; Geissler, Phillip L. (2002). Transition Path Sampling. Advances in Chemical Physics. Vol. 123. pp. 1–84. doi:10.1002/0471231509.ch1. ISBN 978-0-471-21453-3.
  3. ^ Riccardi, Enrico; Dahlen, Oda; van Erp, Titus S. (2017-09-06). "Fast Decorrelating Monte Carlo Moves for Efficient Path Sampling". The Journal of Physical Chemistry Letters. 8 (18): 4456–4460. doi:10.1021/acs.jpclett.7b01617. ISSN 1948-7185. PMID 28857565.
  4. ^ Villén-Altamirano, Manuel; Villén-Altamirano, José (1994). "Restart: a straightforward method for fast simulation of rare events". Written at San Diego, CA, USA. Proceedings of the 26th Winter simulation conference. WSC '94. Orlando, Florida, United States: Society for Computer Simulation International. pp. 282–289. ISBN 0-7803-2109-X. acmid 194044.
  5. ^ Allen, Rosalind J.; ten Wolde, Pieter Rein; Rein Ten Wolde, Pieter (2009). "Forward flux sampling for rare event simulations". Journal of Physics: Condensed Matter. 21 (46): 463102. arXiv:0906.4758. Bibcode:2009JPCM...21T3102A. doi:10.1088/0953-8984/21/46/463102. PMID 21715864. S2CID 10222109.
  6. ^ Botev, Z. I.; Kroese, D. P. (2008). "Efficient Monte Carlo simulation via the generalized splitting method". Methodology and Computing in Applied Probability. 10 (4): 471–505. CiteSeerX 10.1.1.399.7912. doi:10.1007/s11009-008-9073-7. S2CID 1147040.
  7. ^ Botev, Z. I.; Kroese, D. P. (2012). "Efficient Monte Carlo simulation via the generalized splitting method". Statistics and Computing. 22 (1): 1–16. doi:10.1007/s11222-010-9201-4. S2CID 14970946.
  8. ^ Cerou., Frédéric; Arnaud Guyader (2005). Adaptive multilevel splitting for rare event analysis (Technical report). INRIA. RR-5710.
  9. ^ Berryman, Joshua T.; Schilling, Tanja (2010). "Sampling rare events in nonequilibrium and nonstationary systems". The Journal of Chemical Physics. 133 (24): 244101. arXiv:1001.2456. Bibcode:2010JChPh.133x4101B. doi:10.1063/1.3525099. PMID 21197970. S2CID 34154184.
  10. ^ Schueller, G. I.; Pradlwarter, H. J.; Koutsourelakis, P. (2004). "A critical appraisal of reliability estimation procedures for high dimensions". Probabilistic Engineering Mechanics. 19 (4): 463–474. doi:10.1016/j.probengmech.2004.05.004.
  11. ^ Au, S.K.; Beck, James L. (October 2001). "Estimation of small failure probabilities in high dimensions by subset simulation". Probabilistic Engineering Mechanics. 16 (4): 263–277. CiteSeerX 10.1.1.131.1941. doi:10.1016/S0266-8920(01)00019-4.
  12. ^ Zuckerman, Daniel M.; Chong, Lillian T. (2017-05-22). "Weighted Ensemble Simulation: Review of Methodology, Applications, and Software". Annual Review of Biophysics. 46 (1): 43–57. doi:10.1146/annurev-biophys-070816-033834. ISSN 1936-122X. PMC 5896317. PMID 28301772.
  13. ^ Huber, G.A.; Kim, S. (January 1996). "Weighted-ensemble Brownian dynamics simulations for protein association reactions". Biophysical Journal. 70 (1): 97–110. Bibcode:1996BpJ....70...97H. doi:10.1016/S0006-3495(96)79552-8. PMC 1224912. PMID 8770190.
  14. ^ Kahn, H.; Harris, T.E. (1951). "Estimation of particle transmission by random sampling". National Bureau of Standards Appl. Math. Series. 12: 27–30.
  15. ^ Riccardi, Enrico; Anders, Lervik; van Erp, Titus S. (2020). "PyRETIS 2: An improbability drive for rare events". Journal of Computational Chemistry. 41 (4): 379–377. doi:10.1002/jcc.26112.
  16. ^ Aarøen, Ola; Kiær, Henrik; Riccardi, Enrico (2020). "PyVisA: Visualization and Analysis of path sampling trajectories". Journal of Computational Chemistry. doi:10.1002/jcc.26467.