Self-guided Langevin dynamics

舍命为江山

不怎么懂Self-guided Langevin dynamics这个东西，搜了下doi:10.1016/j.cplett.2003.10.013
看了下abstract说对构像搜索需求比较高的适合SGLD，但是replica exchange MD貌似也是处理难以逃离局部势能最低的问题，

想请问下了解的人SGLD和普通的Langevin区别，以及现在的应用状况等

谢谢

sobereva

解决采样不足问题的做法有很多，self-guided MD和REMD都能有这种效果，只不过做法不同。self-guided就是原子受力上额外加上一个局部平均外力项，某种程度类似于ABF，这样原子就更容易越过势垒。而REMD则是通过高温-低温切换来达到这种目的。

SGLD是将这种策略用到了朗之万动力学(LD)上，更适合大分子。SGLD在CHARMM中可以用。SGLD比一般的LD采样速度加快几倍，例如直链蛋白折叠出alpha螺旋，在一般的LD中需要36ns，而在SGLD只需要1ns。SGLD有可调参数，可以调节哪种振动频率范围的运动被加速，例如可以让大尺度运动加速发生，而键伸缩或者其它内运动方式不被加速。