High-Dimensional Enhanced Sampling via Regularized Path-Dependent McKean--Vlasov Dynamics using Tensor Density Approximation

本文提出了一种可扩展的、正则化的路径依赖麦基恩 - 弗拉索夫框架，用于高维增强采样，该框架通过路径历史度量提升统计稳定性，并通过无优化的张量密度近似实现高效数值求解，从而能够有效探索集体变量维度高达 64 的复杂能量景观。

要点

想象你正试图探索一片广阔而多雾的山脉，以寻找每一个隐藏的山谷和山峰。这片山脉代表了一个分子的“能量景观”。在标准模拟中，分子就像一名徒步者，被困在一个深邃的山谷（即“亚稳态”）中，因为周围的山峰太高而无法翻越。这名徒步者只是在那个单一的山谷里徘徊了很长时间，从未看到世界的其余部分。

科学家们想要看到整张地图，但徒步者太慢，而山峰又太高。这就是采样问题：如何在等待不可能漫长的时间之前，获得对复杂系统的完整图景。

以下是本文如何利用简单的类比来解决这个问题：

1. 旧方法：“瞬时”地图

以前的方法试图通过绘制徒步者此刻所在位置的地图来帮助徒步者，并告诉他们：“去那些你还没去过的地方！”

• 问题所在：如果你只有少数几名徒步者（这在计算机模拟中通常如此），他们绘制的地图会非常不稳定且充满漏洞。这就像试图根据一个人步行五分钟的路径来绘制一座城市的详细地图。地图过于嘈杂，导致指令变得令人困惑。
• 数学问题：为了使地图足够平滑以便遵循，旧方法必须进行大量的复杂数学运算（称为“卷积”），而当山脉具有许多维度（例如 64 个不同的移动方向）时，这种计算变得不可能完成。

2. 新方案：“记忆”徒步者

作者提出了一种引导徒步者的新方法。他们不再关注徒步者这一秒在哪里，而是关注徒步者旅程的整个历史。

• 记忆技巧：想象徒步者背着一个背包，里面记录了过去一小时内他们迈出的每一步。向导查看这段完整的历史，以决定下一步将徒步者推向何处。
• 为何有效：即使你只有少数几名徒步者，他们的历史也是漫长的。通过随时间（路径）进行平均，而不仅仅是计算此刻有多少徒步者位于某处，地图变得更加平滑和可靠。这使得模拟即使在计算机“行走者”数量很少的情况下也能有效工作。

3. “智能”指南针（正则化）

新方法还解决了一个“粗糙度”问题。如果徒步者的历史显示了一个微小的空白区域，旧的数学计算可能会感到困惑，并以一种生硬、不可预测的方式说：“去那里！”或者“别去那里！”

• 修正方案：作者添加了一个“平滑滤波器”（称为正则化）。这就像一把智能指南针，如果数据过于不稳定，它拒绝给出方向。它温和地将徒步者从拥挤的区域推向空旷的区域，但过程是平滑的，以免徒步者受到剧烈震动。这使得数学计算更加稳定，并防止模拟崩溃。

4. “折叠”地图（张量密度）

最大的挑战在于这片山脉拥有64 个维度。想象一下，试图绘制一张城市地图，你需要同时追踪 64 个不同的变量（温度、风、湿度、交通等，所有这些都同时存在）。一张普通的网格地图将需要比宇宙中存在的纸张还要多的纸来绘制。

• 解决方案：作者使用了一种称为**功能分层张量（FHT）**的技术。
• 类比：他们不是试图在一张巨大的纸上绘制整个 64 维地图，而是将地图分解为更小的、相互连接的片段，这些片段可以高效地“折叠”在一起。这就像通过特定的、聪明的折叠模式，将一个复杂的 3D 物体装入一个扁平的手提箱中。这使得他们能够存储和计算 64 维世界的地图，而无需超级计算机耗尽内存。

5. 结果：探索未探索之地

团队在几片“山脉”上测试了这种方法：

• 简单山丘：一个二维测试案例，他们可以看到整张地图。
• 肽链：具有 3 到 9 个移动部分的小蛋白质链。
• 蛋白质：真实的生物分子。
  • Chignolin：一种具有16个移动部分的小蛋白质。
  • Villin Headpiece：一种稍大的蛋白质，具有64个移动部分。

结果：
在标准模拟中，徒步者会卡在蛋白质的“天然”折叠形状中，永远无法展开。使用这种新方法，徒步者成功探索了整个景观，找到了折叠态、中间态（半折叠）和完全展开态。他们甚至能够在64 个维度下做到这一点，而这一规模此前被认为对于此类自适应采样方法来说过于困难。

总结

本文介绍了一种模拟分子的新方法，通过以下方式实现：

1. 利用记忆：查看整个旅程历史而不仅仅是当前时刻，以获得更平滑、更可靠的向导。
2. 平滑路径：添加滤波器，防止向导在空白区域给出令人困惑的指令。
3. 折叠地图：使用一种聪明的数学“折叠”技术来处理多达 64 维的地图，这在以前是不可能的。

这使得科学家能够比以往更快、更准确地观察复杂分子的完整“山脉”。

技术摘要

技术摘要：基于正则化路径依赖麦基恩 - 弗拉索夫动力学与张量密度近似的高维增强采样

问题陈述
从与复杂能量景观相关的高维吉布斯分布中进行采样，是计算统计力学中的核心挑战。当势能 $U(\mathbf{x})$ 包含多个分离良好的局部极小值时，由于罕见的势垒跨越事件，标准朗之万动力学往往无法在可行的模拟时间内探索构型空间。增强采样方法通过在指定的集体变量（CV）上引入自适应偏置势来平坦化自由能景观，从而解决这一问题。然而，现有方法在高维 CV 空间（$m \sim 10\text{--}100$）中面临两个关键的扩展性限制：

1. 正则化的数值不可行性：最近的沃瑟斯坦梯度流公式（例如 Lelièvre、Lin 和 Monmarché [19]）需要嵌套卷积来正则化自由能泛函。CV 域上的外层卷积需要基于网格的表示，随着 CV 维度 $m$ 的增加，这在计算上变得不可行。
2. 有限系综的不稳定性：实际的分子动力学（MD）模拟通常采用少量副本（$M \sim \mathcal{O}(10)$）。由此类小系综导出的瞬时经验边缘密度具有噪声且不稳定的特点，导致在近似平均场极限时产生不可靠的偏置漂移。

方法论
作者提出将自适应偏置过程重新表述为正则化、路径依赖的麦基恩 - 弗拉索夫随机微分方程（SDE）。该方法将偏置构建与精确的沃瑟斯坦梯度流结构解耦，以实现数值可行性和稳定性。

1. 漂移项的直接正则化：该方法不正则化自由能泛函（这会引发嵌套卷积），而是直接正则化进入偏置漂移的 CV 边缘密度。

   • CV 边缘密度首先通过磨光（$\varphi_\delta * \mu_\xi$）进行平滑。
   • 使用 Softplus 函数进行二次正则化，$K_{\tau, \epsilon}(r) = \epsilon + \tau \text{Softplus}(r/\tau)$，确保均匀的正下界。
   • 这产生形式为 $\nabla \log K_{\tau, \epsilon}((\varphi_\delta * \mu_\xi)(\xi(\mathbf{x})))$ 的漂移项，该漂移项是全局利普希茨连续的，并避免了 CV 空间上的外层卷积。

2. 路径依赖公式：为了减轻小副本系综固有的噪声，麦基恩 - 弗拉索夫漂移中的瞬时定律 $\mu_t$ 被替换为加权历史测度 $\mu^q_t$。

   • $\mu^q_t$ 累积直到时间 $t$ 的轨迹历史，并由 $[0,1]$ 上的概率测度 $q$ 加权。
   • 这将动力学转化为路径分布依赖的 SDE，有效地用沿样本路径的时间平均替代了噪声的系综平均。

3. 基于张量的密度估计：历史平均的 CV 边缘密度使用**无优化的函数分层张量（FHT）**表示进行近似。

   • 密度在 Gaussian 函数的张量积基上展开。
   • 系数张量使用草图技术压缩为分层低秩格式（二叉树结构）。
   • 只要密度允许低秩结构，这就允许以 CV 维度 $m$ 的线性缩放高效地评估密度及其得分函数。

4. 理论保证：作者在适当的正则性假设下，建立了正则化麦基恩 - 弗拉索夫动力学及其路径依赖推广形式的适定性（强解的存在性和唯一性）。此外，在强耗散条件下，他们证明了路径依赖动力学与相应瞬时定律动力学的不变测度在渐近上是一致的。

主要结果
该方法在 CV 维度从 2 到 64 的基准系统上进行了验证：

• Müller 势（2D）：该方法成功促进了亚稳态盆地之间的跃迁。重加权自由能面（FES）准确重现了参考景观，误差仅集中在采样稀疏的高能区域。
• 丙氨酸系统（2D 和 4D）：对于丙氨酸二肽（2D）和 ACE-(ALA)$_2$-NME（4D），与无偏 MD 相比，自适应偏置显著加速了收敛。该方法以较低的运行间变异性恢复了主势阱和势垒。
• 肽模拟系统（3D 和 9D）：应用于 s-(1)-苯乙基肽模拟（3D）及其三聚体（9D），该方法展示了对其扭转景观的稳健探索。即使在 9 维情况下，FHT 估计器也产生了平滑、多模态的自由能分布，且无虚假振荡。
• 蛋白质基准（16D 和 64D）：
  • Chignolin（16 个 CV）：该方法驱动系统从天然 $\beta$-发夹结构到去折叠状态，在重构的 FES 中解析了四个不同的亚稳态盆地（折叠态、中间态和两个去折叠态）。
  • Villin 头部结构域（64 个 CV）：这代表了一次重要的扩展性测试。该方法成功地在 64 维空间中构建了自适应偏置，解析了该 36 残基蛋白质的折叠态、中间态和去折叠态盆地。重加权的 FES 投影清晰地分离了这些状态，证明了该方法处理现实高维蛋白质折叠景观的能力。

意义与主张
本文声称提供了一种可扩展的自适应增强采样框架，能够处理通常超出标准基于网格或平均场增强采样方法范围的 CV 维度（高达 64）。

• 新颖性：该工作引入了一种路径依赖的麦基恩 - 弗拉索夫公式，用历史测度替代瞬时定律，专门针对分子模拟中常见的“小副本”机制。
• 效率：通过直接正则化避免外层卷积，并利用 FHT 近似，该方法在高维下实现了计算可行性。
• 区别：与压缩累积 Gaussian 山丘的张量压缩元动力学（TT-metadynamics）不同，该方法使用低秩张量作为密度估计器，以闭合正则化的得分驱动随机动力学。
• 局限性与未来工作：作者谦逊地指出，直接正则化牺牲了精确的沃瑟斯坦梯度流结构，意味着现有的变分收敛理论不能直接适用。他们指出，未来需要在现实分子势能的收敛理论以及张量秩和历史权重的自适应选择方面开展工作。FHT 近似被明确描述为构建偏置的代理，而非最终的无偏 FES 估计器，后者通过重加权或 MBAR 恢复。