【剑桥大学博士论文】推进归一化流模型以模拟玻尔兹曼分布，187页pdf

文章预览

分子可以采取多种构型，它们以随机的方式出现，并遵循所谓的玻尔兹曼分布。对这种分布进行建模和采样对于许多应用至关重要，例如理解生化过程和疾病机制，以及发现药物。传统的玻尔兹曼分布采样方法成本高昂，而通过机器学习模型对其进行近似则提供了一种替代方案，这些模型可以作为代理。正规化流（normalising flows）是一种常用于此任务的可处理密度模型。本论文旨在改进实施、采样和训练正规化流的方法，并增强其架构，重点应用于玻尔兹曼分布的模拟。 首先，本文介绍了一个用于在Python中实现正规化流的软件包。该软件包涵盖了大多数常见的流架构，并提供了许多特别有助于模拟玻尔兹曼分布的工具，例如用于建模周期性坐标（如角度）的采样层和流模型。接下来，本文提出了一种用于采样方法Hamiltonian Monte Carlo（HMC）的超参数 ………………………………