High-Dimensional Enhanced Sampling via Regularized Path-Dependent McKean--Vlasov Dynamics using Tensor Density Approximation
Dieser Artikel schlägt ein skalierbares, regularisiertes, pfadabhängiges McKean-Vlasov-Framework für hochdimensionale verbesserte Probennahme vor, das die statistische Stabilität durch Pfadhistoriemaße verbessert und eine effiziente numerische Realisierung durch optimierungsfreie Tensor-Dichte-Approximation erreicht, wodurch eine effektive Erkundung komplexer Energielandschaften mit kollektiven Variablendimensionen bis zu 64 ermöglicht wird.