Detailansicht
Endstate corrections from molecular mechanics to quantum machine learning potential
Sara Tkaczyk
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Chemie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Chemie
Betreuer*in
Stefan Boresch
DOI
10.25365/thesis.72676
URN
urn:nbn:at:at-ubw:1-17678.97503.667482-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Eine akkurate Berechnung der Freien Energie Unterschiede ist aufgrund dreier Hauptschwierigkeiten eine Herausforderung: Das molekulare System muss korrekt aufgesetzt werden, die verwendete potentielle Energiefunktion muss die Energetik des molekularen Systems richtig beschreiben, und alle relevanten Bereiche des Konformationsraums müssen im Rahmen der zur Verfügung stehenden Rechenressourcen erkundet werden. Zurzeit beruhen die meisten Berechnungen Freier Energie Differenzen auf molekular-dynamischen (MD) Simulationen und einer klassisch-mechanischen Beschreibung von Energien und Kräften. Eine offensichtliche Verbesserung könnte mit Hilfe der Quantenmechanik (QM) erlangt werden, da diese eine korrekte Beschreibung interatomarer Kräfte anstelle der klassischen Beschreibung durch Kraftfelder ermöglicht. Aufgrund des hohen Rechenaufwands können QM-Rechnungen jedoch nicht zur Evaluierung Freier Energie Differenzen verwendet werden. Quantum machine learning (QML) Potentiale, die sich dem Niveau der theoretischen Genauigkeit der Quantenmechanik annähern und gleichzeitig die Rechenkosten der klassischen Mechanik beibehalten, sind eine günstige Alternative. Obwohl noch nicht vollständig geklärt werden konnte, wie alchemische Freie Energie Rechnungen mit QML-Potentialen durchgeführt werden können, sind Endzustand-Korrekturen von einem klassisch-mechanischen Kraftfeld zu einer QML-Beschreibung möglich und wurden bereits durchgeführt. In dieser Arbeit haben wir derartige Endzustand-Korrekturen für 18 Moleküle in der Gasphase verwendet. Wir verglichen drei verschiedene Methoden (alchemische Freie Energie Berechnungen, Nichtgleichgewichts(NEQ)-switching und free energy perturbation (FEP)) sowie zwei statistische Methoden zur Freien Energie Abschätzung (Bennett Acceptance Ratio und exponential averaging). Die alchemischen Freien Energie Werte wurden als „Goldstandard“-Referenz für die Genauigkeit der abgeschätzten Freien Energie angesehen. Das bidirektionale NEQ-switching Protokoll erwies sich als der genaueste und stabilste Ansatz. Auch mit der bidirektionalen FEP-Methode konnten für die meisten untersuchten Systeme akkurate Ergebnisse erhalten werden. Das unidirektionale NEQ-switching lieferte jedoch zuverlässigere Freie Energie Schätzungen bei vergleichbarem Rechenaufwand und erwies sich deshalb als effizienteste Methode.
Abstract
(Englisch)
The accurate, computational assessment of free energy differences is challenging because of three principal difficulties: The molecular system has to be set up correctly, the potential energy function used has to accurately describe the molecular systems' energetics, and all relevant regions of the conformational space have to be sampled within the limits of one's computational resources. At present, most calculations of free energy differences rely on molecular dynamic (MD) simulations with a molecular mechanical description of energies and forces. One obvious improvement would be the correct treatment of inter-atomic forces using quantum mechanics (QM) instead of classical force fields. Due to the high computational cost, however, QM calculations cannot be used to compute free energy differences. Quantum machine learning (QML) potentials - which approach quantum mechanics level of theory accuracy while retaining classical mechanics computational costs - are a viable alternative. Although it is still an open question how to perform alchemical free energy calculations with QML potentials, endstate corrections from a classical mechanics force field to a QML description are possible and have been done. In this work, we performed such endstate corrections on 18 molecules in the gas phase. We used and compared three different methods (alchemical multi-state free energy calculations, non-equilibrium (NEQ) switching, and free energy perturbation (FEP)), as well as two free energy estimators (Bennett Acceptance Ratio and exponential averaging). The alchemical multi-state free energy calculations were treated as a "gold standard" reference for the free energy estimates' accuracy. The bidirectional NEQ switching protocol was the most accurate and stable approach. The bidirectional FEP results were also accurate for most of the studied systems. However, unidirectional NEQ switching delivered more reliable free energy estimates at a comparable computational cost. Therefore, we consider it the better choice.
Schlagwörter
Schlagwörter
(Deutsch)
Freie Energie Berechnung QML Potential Machine Learning Thermodynamik
Schlagwörter
(Englisch)
free energy calculation QML potential machine learning thermodynamic
Autor*innen
Sara Tkaczyk
Haupttitel (Englisch)
Endstate corrections from molecular mechanics to quantum machine learning potential
Paralleltitel (Deutsch)
Endzustand-Korrektur von molekularer Mechanik zum Quantum Machine Learning Potential
Publikationsjahr
2022
Umfangsangabe
iv, 65 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Stefan Boresch
Klassifikation
35 Chemie > 35.06 Computeranwendungen
AC Nummer
AC16686468
Utheses ID
65225
Studienkennzahl
UA | 066 | 862 | |