Year: 2025
Type: article
Abstract: 分子动力学模拟是解析复杂分子体系结构、热力学和动力学性质的重要工具，但其应用受限于计算效率，模拟和真实过程的时间尺度往往存在落差。 随着深度学习技术的飞速发展，利用人工智能加速分子动力学模拟成为可能。本文探讨了人工智能在不同层面上实现加速的潜力：时域加速突破步长限制，序列加速捕捉构象跃迁，空间采样优化构象遍历。我们也讨论了现有方法在物理一致性与跨尺度适应性方面的诸多困难与挑战。未来，多尺度方法与物理约束框架的有机融合，有望协同提升精度、效率与可解释性，推动分子模拟智能化发展，并进一步拓展其在机制解析与筛选设计上的应用潜力。
Source: Scientia Sinica Chimica
Authors: Runtong Qian, Shiyue Yang, Zilin Song, Jing Huang
Institution: Westlake University
Language: English
Subfield: Materials Chemistry
Field: Materials Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4409229919