Detection of molecular behavior that characterizes systems using a deep learning approach

Title: Detection of molecular behavior that characterizes systems using a deep learning approach
Authors: Katsuhiro Endo, Daisuke Yuhara, Katsufumi Tomobe and Kenji Yasuoka
Journal: Nanoscale, 11, 10064-10071 (2019)
DOI: 10.1039/c9nr00219g

Abstract:
分子動力学シミュレーションは，分子のふるまいを観察するための強力で汎用的な手法である．分子動力学シミュレーションを用いた調査・研究において，系に特徴的な分子のふるまいを特定することは重要なタスクであるが，概して難しく専門知識が必要になるものである．本研究では，深層学習を用いて分子動力学シミュレーション結果を半自動的に解析する手法を提案した．本手法の根幹となるものは，注目する分子のダイナミクスを局所的な統計集団としてのダイナミクスの確率分布から得られたものとみなし，系による統計集団の違いを統計距離として推定することである．統計距離の推定により，様々な系の違いを低次元の埋め込み表現として可視化することができる．さらに，統計距離の計算に用いた深層学習モデルから，統計距離の大小に貢献した特定のダイナミクスを検出することができる．本手法の応用可能性を，3つの異なる分子動力学シミュレーションデータに適用し，解析の半自動化のために用いることができることを検証した．