慢集体变量、马尔可夫动力学与过渡态集的光谱图
原文中文，约300字，阅读约需1分钟。发表于：。本研究旨在解决复杂分子系统长时间动力学描述中的关键问题，通过识别慢集体变量，将快速变量视为热噪声，从而实现马尔可夫化动力学的简化。引入的光谱图方法能够高效学习慢集体变量，实现蛋白质折叠过程的状态划分，并将其作为捕捉蛋白质折叠关键特征的物理反应坐标。研究结果表明，通过光谱图学习的慢集体变量能够接近过阻尼扩散的马尔可夫极限。
本文介绍了一种探索时间反演不变的随机过程演化算子特征函数的方法，并以Langevin方程为例。该方法使用微小生成器和解算算子，从有偏差的模拟中学习，并在估计特征函数和特征值方面具有优势。实验结果表明，即使数据集只包含少数相关转变，该方法也能恢复有关转变机制的相关信息。
