文章预览
在理解分子水平动力学中，反常扩散发挥着至关重要的作用，为分子相互作用、迁移状态以及生物和材料科学中系统的物理性质，提供了有价值的见解。最近在异常扩散识别方面，深度学习技术优于传统的统计方法。然而，深度学习网络，通常是由有限分布的数据来训练的，这不可避免地无法识别未知的扩散模型，并且在面对分布外out-of-distribution (OOD) 场景时，会误解动态。 近日，哈尔滨工业大学（深圳）Xiaochen Feng, Hao Sha, 张永兵Yongbing Zhang，清华大学季向阳Xiangyang Ji等，在Nature Computational Science上发文，提出了基于深度学习的通用框架，以评估分布外OOD动态检测方法。 进一步开发了一种基线方法，可实现稳健的分布外OOD动力学检测，以及对分布内异常扩散的准确识别。研究证明，这种方法，可靠地表征各种实验系统的复杂行为，包括膜中的烟碱乙
………………………………
