技術文章 » MindSponge分子動力學模擬——軟體架構（2023.08）

MindSponge分子動力學模擬——軟體架構（2023.08）

2023-08-28 12:01:06

技術背景

在前面一篇文章中，我們介紹了MindSponge的兩種不同的安裝與使用方法，讓大家能夠上手使用。這篇文章主要講解MindSponge的軟體架構，並且協同mindscience倉庫講解一下二者的區別。

整體架構

首先我們來了解一下MindSponge獨立倉庫的軟體架構，其實核心部分的軟體架構跟mindscience是一致的。

在這個架構圖中，我們不僅可以看到MindSponge的內部模組劃分，還能看到一個分子模擬資料處理的流程。

  • 首先從一個模擬體系Molecule()開始，這個Molecule()可以獨立定義，可以自行封裝，也可以用Residue()來構建，裡面儲存有分子的基本資訊，如座標、原子名稱等。

  • 然後根據Molecule()提供的資訊構建一個力場，形成一個PotentialCell()勢能函數。這個勢能函數，是基於模組化的EnergyCell()搭建的一個整體。而且除了力場本身之外，還可以接收外界輸入的EnergyWrapper()，可用於新增神經網路力場，或者是增強取樣產生的Bias()。這也是該架構的一個先進性的體現，雖然是一個MD軟體，但不僅僅侷限於做MD。

  • 我們可以使用MindSpore內建的優化器，如Adam等，對Molecule()的Parameter進行更新迭代，可以自定義Updater()來對Molecule()進行更新。一般情況下，更新的依據主要來自於對PotentialCell()的自動微分。當然，也可以自行定義ForceCell()的內容。如果我們在動力學模擬的過程中，需要定義一些約束演演算法，或者是控溫控壓演演算法，都可以將相關的Controller()傳入到Updater()中。

  • 接下來的重點是要通過PotentialCell()來獲取力，如果是以往傳統的做法，只能通過取兩點做差分的方法來得到一個作用力。但如果我們這裡的所有計算都通過MindSpore的內建運算元來實現的話，就可以使用MindSpore的自動微分來計算這個力。最終我們會得到一個ForceCell()傳到Updater()裡面，但是這一步對使用者是不感知的，使用者只需要定義好PotentialCell()這一塊就足夠了。或者使用者也可以自行定義一個ForceModifier()傳入到WithForceCell()，來構建一個自定義力場。

  • 在具備了體系Molecule()、優化器Optimizer()和力場WithForceCell()之後，我們就可以開始基本的動力學模擬計算，此時就需要用到主程式Sponge()來對整個流程進行管理。並且，我們可以定義一些回撥函數CallBack()給Sponge()進行任務追蹤。比如RunInfo()可以在螢幕上輸出指定步長的能量，或者是WriteH5MD可以將整個MD的軌跡儲存到一個指定的hdf5格式的檔案中，檔案字尾名為h5md，可以在VMD中增加一個hdf5的外掛來進行動態視覺化。

軟體模組

我們先來看一下MindSponge這邊的軟體專案主頁：

針對於這其中的內容我們簡單梳理一下：sponge/是核心目錄，tutorials/和tests/顯然是一些案例或者是測試用例的路徑，docs/是一些檔案或者是圖片，其他的檔案基本上是一些跟mindsponge倉庫的安裝相關的內容，所以我們重點關注下sponge/下的內容：

這裡我們對照每一個目錄來進行內容解析：

  • callback：回撥函數。在執行分子動力學模擬程式的過程中，我們可能會有記錄一些能量、力、速度、軌跡的需求，這時候就需要呼叫回撥函數，對相應的內容進行輸出。目前比較常用的回撥函數，是RunInfo和WriteH5MD。RunInfo可以在螢幕上輸出執行的結果，WriteH5MD則是把軌跡等輸出到一個hdf5格式的檔案裡面，字尾為*.h5md，可以用https://gitee.com/helloyesterday/VMD-h5mdplugin這個VMD外掛來進行視覺化。

  • colvar：各種形式的參量。這裡預定義了一些常用的參量，比如分子質心、原子間鍵長鍵角等。當然，使用者也可以自己開發一些參量，可以用於增強取樣。

  • control：控制器和約束演演算法。顧名思義，就是要對原子系統迭代的過程進行控制，比如溫度引數和壓強引數，甚至是控制鍵長鍵角，都是可以的。

  • core：主程式。這裡就是Sponge()的存放路徑，對整個模擬過程進行管理。

  • data：引數檔案和模板檔案。我們在使用模板構建分子系統力場的時候，會使用到一些模板檔案和力場引數檔案，這些檔案就都儲存在data目錄下，並且有相應的檔案讀取函數。

  • function：非內建函數。對於一些公用的函數，一般都集中放在function路徑下。

  • metrics：度量函數。在機器學習中一般該函數被用於衡量模型的好壞，這裡我們一般就用來計算某個特定的引數，比如設定一個自定義的CV函數，可以與colvar中的內容配合使用。

  • optimizer：優化器和積分器。之所以我們可以使用AI框架來實現一個分子動力學模擬的框架，正是得益於分子動力學模擬與AI訓練/推理之中的共性。在神經網路的訓練中我們可以使用優化器來迭代損失函數，而在分子動力學模擬中就可以使用積分器（如Leap-Frog和Velocity-Verlet）來迭代勢能函數。

  • partition：近鄰表。在分子系統較大時，就不能考慮全連線的相互作用，只能考慮區域性相互作用。而分子模擬的過程中，近鄰表實際上每一步都在變化，因此需要一個單獨用於計算近鄰關係的Cell。

  • potential：勢能函數。這個就不需要過多解釋了，相當於力場裡面每一項的內容分開寫在了幾個檔案裡面。

  • sampling：增強取樣函數。可用於修改勢能項，也可以直接修改力，可以加快取樣的程序。

  • system：分子系統基礎類別。儲存有一個分子系統的基本資訊，如原子名稱、殘基名稱，還有最核心的原子構象座標等等。

總結概要

分子模擬具有眾多的應用場景，比如製藥領域和材料領域，做好分子模擬的工作，可以極大程度上縮減新葯物新材料的研發成本和研發週期。近幾年隨著GPT-4和Diffusion Model的大火，讓大家意識到了AI已經具備了相當的解決問題的能力。因此基於AI的框架和模型，對比AI訓練與分子模擬之間的共性，可以實現一個面向AI時代的分子模擬框架。本文主要介紹基於MindSpore框架實現的，MindSponge分子動力學模擬框架的軟體架構。

版權宣告

本文首發連結為：https://www.cnblogs.com/dechinphy/p/structure.html

作者ID：DechinPhy

更多原著文章請參考：https://www.cnblogs.com/dechinphy/

打賞專用連結：https://www.cnblogs.com/dechinphy/gallery/image/379634.html

騰訊雲專欄同步：https://cloud.tencent.com/developer/column/91958

CSDN同步連結：https://blog.csdn.net/baidu_37157624?spm=1008.2028.3001.5343

51CTO同步連結：https://blog.51cto.com/u_15561675