Классические силовые поля не могут моделировать водный магний и как нейронные потенциалы MACE
Аннотация Ионы магния играют важную роль во многих биологических процессах, но их по-прежнему сложно моделировать в биомолекулярном моделировании. Несмотря на значительные научные усилия, классические силовые поля не могут одновременно воспроизвести ключевые структурные, термодинамические и кинетические свойства решения, вероятно, из-за их неспособности явно объяснить квантовые эффекты многих тел. Здесь мы разрабатываем и систематически сравниваем потенциалы нейронной сети MACE (NNP) для водных растворов MgCl2, обучаемые на справочных данных теории функционала плотности revPBE-D3/zd и revPBE0-D3/zd, и оцениваем их способность воспроизводить широкий спектр экспериментальных свойств раствора, включая структуру первой гидратной оболочки, коэффициент диффузии, производную активности, скорость и механизм водного обмена, а также свободную энергию сольватации. Оба ННЧ точно воспроизводят октаэдрическую структуру первой гидратной оболочки, свойства ионного спаривания и коэффициенты диффузии. Сочетание NNP с отбором проб по переходному пути и другими усовершенствованными методами отбора проб позволяет нам уловить редкое событие водного обмена в первой гидратной оболочке Mg2+, раскрывая диссоциативный механизм обмена. Выборка переходного интерфейса дает скорости обмена в пределах 1 порядка экспериментальной величины, что представляет собой существенное улучшение по сравнению с классическими диссоциативными силовыми полями. Напротив, свободная энергия сольватации, полученная из NNP, значительно недооценивает экспериментальное значение, показывая ограничение нынешней локальной архитектуры NNP для описания термодинамики ионной сольватации. Наши результаты показывают, что ННП, обученные методом ДПФ, могут точно описывать структуру гидратации Mg2+, диффузию, ионное спаривание и кинетику обмена, одновременно подчеркивая ограничения локальной архитектуры ННП и важность дальнодействующих электростатических вкладов для достижения количественного согласия с экспериментальными свободными энергиями сольватации ионов.
## В чем суть открытия Почему классические силовые поля не могут моделировать водный магний и как нейронные потенциалы MACE точно предсказывают скорость обмена редкой воды? ## Как это устроено: принцип работы Несмотря на значительные научные усилия, классические силовые поля не могут одновременно воспроизвести ключевые структурные, термодинамические и кинетические свойства решения, вероятно, из-за их неспособности явно объяснить квантовые эффекты многих тел. Здесь мы разрабатываем и систематически сравниваем потенциалы нейронной сети MACE (NNP) для водных растворов MgCl2, обучаемые на справочных данных теории функционала плотности revPBE-D3/zd и revPBE0-D3/zd, и оцениваем их способность воспроизводить широкий спектр экспериментальных свойств раствора, включая структуру первой гидратной оболочки, коэффициент диффузии, производную активности, скорость и механизм водного обмена, а также свободную энергию сольватации. ## Что это меняет на практике Обеспечивает точное биомолекулярное моделирование связывания РНК-магния и ферментных катализаторов в течение 1–3 лет, ускоряя рациональную разработку лекарств и моделирование электролитов. ## Границы метода и риски Локальная архитектура текущих потенциалов нейронной сети недооценивает свободную энергию сольватации из-за отсутствия дальнодействующих электростатических взаимодействий. ## Результаты и доказательства - **Комплексный скор значимости:** 9.6 / 10.0 - **Уровень доказательности:** Теоретическое обоснование - **Реализация в открытом доступе:** Да (верифицируемый репозиторий кода)