欢迎大家参与11月11号(星期二)的午餐会。报告时间是12:15-13:15，午餐于12:00开始提供。
应用数学青年讨论班(午餐会)--Estimating committor functions via deep adaptive sampling on rare transition paths
报告人: 王越洋(北京大学)
时间: 2025-11-11 12:00-13:15
地点: 智华楼四元厅
摘要: 在分子动力学模拟中，committor function对于研究罕见但关键的事件至关重要。然而，计算committor function面临维数灾难的问题。近年来，利用神经网络(PINNs)估算committor function因其在高维问题中的潜力而备受关注。要训练神经网络以逼近该函数，需要通过直接模拟罕见事件来采集转移区域的样本，但这种方法效率极低。转移区域样本的稀缺严重影响了committor function的准确逼近。为解决这一问题，我们提出了一个高效的框架，用于在转移区域生成数据点，从而促进神经网络对过渡概率函数的有效训练。我们引入了一种针对过渡路径的深度自适应采样方法（DASTR），其中采用深度生成模型生成能够有效捕捉转移信息的样本。具体来说，我们将损失泛函中被积的非负函数视为一个未归一化的概率密度函数，并用深度生成模型对其进行逼近。由深度生成模型生成的样本主要集中在过渡态区域，在其他区域则较少。这种分布为逼近过渡概率函数提供了有效的样本，显著提升了准确性。尤其是对于真实的蛋白质分子问题，我们使用Autoencoder在隐空间中进行学习，避免了重复使用分子动力学模拟采样，并大大提升了生成样本的准确性和计算效率。
报告人信息：王越洋，北京大学数学科学学院23级博士生，导师为杨超老师，研究方向为深度学习、分子动力学、flow matching，目前在Journal of Computational Physics发表论文。
