摘要：精确描述复杂分子体系的自由能地貌图是理解和操控其行为,并进一步实现分子设计制造工业化的重要基础.刻画高维空间自由能地貌图的主要挑战是其往往在不同时空间尺度上具有多个层次,每个层次都可能有不止一个亚稳态被相应的自由能垒分开,且跨越路径有可能不止一条.另外很多体系涉及非线性行为,这使得理论解析和直接使用分子模拟都有很大困难.针对这些挑战,多年来研究者们发展了多种多样的增强采样方法,但往往需要很多经验选择和操作,从而一方面使得研究进程较为缓慢,另一方面也让误差控制成为困难.变分虽然在物理、统计和工程中已经被广泛应用并取得巨大成功,但在复杂分子体系中的应用却随着神经网络的发展刚刚开始.本文将对这些探索性工作的主要方向、进展和局限进行简要总结,也对将来的可能发展给出展望,希望能够激发更多对基于变分的分子体系自由能地貌图人工智能算法的关注和努力,促进大分子药物、分子生物机器等实践应用的发展.

摘要：“分而治之”是处理复杂分子势能面的一种快速简洁方案。本文介绍了近年来本课题组在这一领域的方法研究进展及相关应用研究。在新的组装势能面算法和数据库支持下,我们将复杂大分子势能面计算量降低到O(N1~2)次方的标度,并且计算精度接近DFT甚至CCSD(T)的水平。采用该方法,我们对两个不同的应用场景进行了测试。结果表明,高性能的组装势能面可以完成以往难以实现的大规模的分子结构搜索、稳定性分析以及新型分子结构设计等关键性任务。