MindSpore社区群组介绍系列之三——WG- Molecular Modeling

分子动力学[0]最早在20世纪50年代由物理学家提出，是一套分子模拟方法，该方法主要是依靠计算机来模拟分子、原子体系的运动，是一种多体模拟方法。

分子动力学如今被广泛应用于广泛应用于物理、化学、生物、材料、医学等领域：

• 通过研究石墨烯中的离子输运来了解石墨烯的机械性质，从而为创造新材料做好基础；

• 在新冠肺炎病毒变异研究中利用分子动力学来预测药物靶位，从而研制出高效的疫苗。

可以说是当之无愧的基础核心技术。

具体来说分子动力学是通过对分子、原子在一定时间内运动状态的模拟，从而以动态观点考察系统随时间演化的行为。通常分子、原子的轨迹是通过数值求解牛顿运动方程得到，势能（或其对笛卡尔坐标的一阶偏导数，即力）通常可以由分子间相互作用势能函数、分子力学力场、全始计算给出。

势能函数的计算方式通常有两种：

• 量子力学：

  又称为“从头算”（ab initio）方法或“第一性原理”（ First Principle ）方法，指基于量子力学基本原理，直接求解薛定谔方程（Schrödinger Equation ）的量子化学计算方法。其特点是没有经验参数，精度高，可以描述化学键的断裂和生成等涉及电子结构变化的过程，但计算耗时极长。

• 分子力学：

  使用分子力场（Force Field）来描述体系的势能函数。传统的分子力场使用一系列经验性的数学函数，对用QM放法计算或者实验得到的数据进行参数拟合，从而得到体系的势能函数。该方法的特点是计算速度快，但精度受限于所拟合的对象，可迁移性差，且通常无法模拟化学键的断裂和生成，也即无法模拟化学反应的过程。

优化的对象→MD的可达到的时间尺度：

能量函数的计算复杂度

积分步长

体系粒子数

优化的目标→如何拓展MD的时间尺度:

特殊硬件: ×10^3

增强抽样方法：×10^3~6

能够快速计算的替代势能函数(light-speed surrogate energy function)：×10^3~6

问题：

• 多年前开始使用C/C++或Fortran编写，历史包袱沉重

• 需要对所有函数手工写其对应的导数，以计算势能和力

• 需要手工处理并行（MPI）操作

• 在专用加速设备（如GPU）上运行需要单独编写对应代码，不同设备之间的迁移非常麻烦

• 传统分子力场模型存在“精度”和“速度”之间的矛盾

应对策略：

• 使用新的库重新编写MD软件

• 使用自动微分技术处理势能和力

• 使用自动并行技术实现MD并行操作

• 使用TVM等技术实现代码在不同设备间的迁移

• 使用深度分子模型替代传统分子力场模型

现有的深度分子模型架构：

基于描述符（Descriptor）的模型

基于图神经网络（Graph Neural Network）的模型

基于图神经网络的分子模型：

SchNet: arXiv:1706.08566

PhysNet: arXiv:1902.08408

如前所述，深度分子模型的实现，需要在框架层面进行多方面的适配，而在非常适合科学计算场景的MindSpore社区成立协调多个SIG协作的工作组，成为了深圳湾实验室分子动力学团队进行相关开源协作的首选。

WG-MM的主要职责将会是集中梳理分子动力学研究对MindSpore的需求、在每个版本周期同相关SIG合作落地相应诉求、以及形成相关的教程性文档。我们在此特别感谢深圳湾实验室团队选择MindSpore社区进行这样卓有远见的研究和开发。

1. 参加社区开发非常简单：

请先查看WG-MM的立项文档：

https://gitee.com/mindspore/community/blob/master/design/meps/mep-mm/MEP-MM.md