一张构型照片要放回每个窗口里算能量
把完整构型写作 ,所有窗口共保存 个构型。窗口 有 个样本,约化势能为 ,无量纲自由能为 。已知每个构型后,可以计算它假如处在任一窗口会有多少能量。
混合样本的密度与 成正比。某个构型如果在很多窗口里都很容易采到,就需要较小的目标权重;只有少数窗口能贡献它时,权重通常较大。分母中的 正是采样量不等时所需的修正。
用自洽条件求窗口间的高度
若所有 已知,对目标窗口 的权重求和就能估计它的配分函数。再要求这个估计恰好等于正在使用的配分函数,就得到自洽方程。把更新后的自由能放回分母,反复迭代到变化足够小。每轮减去第一个自由能,把整体零点固定。
同温且偏置已知时,这套方程也可写成 PLUMED 教程所用的 binless WHAM 形式。数值上要在对数域计算指数和,避免非常高的势垒造成下溢。迭代收敛只说明这份数据的方程求解成功;一组受困的轨迹也能给出稳定解。
把求出的常数变成目标权重
目标是无偏模型,其约化势能为 。目标状态可以没有直接采样轨迹。先为每个保存构型计算未归一化权重 ,再除以权重总和。目标平均就是这些权重乘观测量之和。
若各窗口温度相同、只相差已知偏置,共同的 在分子与分母里抵消。重加权可以只用偏置能量;隐藏方向仍必须在轨迹中充分采样。代数上的抵消没有替我们探索构型空间。
十六个构型的完整例题
目标模型只有左、右两种等能构型。窗口甲把右边加上 的约化能量,窗口乙反过来。甲保存十二次,出现九左三右;乙保存四次,出现一左三右。两窗口配分函数相同,可取 。
左构型的混合分母为 ,右构型为 。无偏未归一化权重分别为 与 。十个左构型加起来是四分之三,六个右构型也是四分之三;归一化后左右各一半。原始十六个计数却给左边 。
这个例子中计数恰好等于各窗口的期望比例,便于手算。随机样本一般不会恰好恢复一半;那部分误差需要用独立重复和下一章的方法衡量。
| 构型 | 窗口甲计数 | 窗口乙计数 | 每个构型的目标权重 |
|---|---|---|---|
| 左 | 9 | 1 | |
| 右 | 3 | 3 |
直方图仍然有自己的误差
MBAR 不对输入能量分箱;若最终要画 ,仍须从目标权重估计密度。宽为 的箱内权重总和为 ,密度近似是 。箱太宽会抹平势垒,太窄会留下很多零计数。零计数不能靠随意加一个小数就变成观测。
还要检查窗口重叠。没有实际桥梁的两段,可能在浮点运算里保留极微小的联系;那不等于数据支持它们的相对高度。实验台会保留无支持的区域,并显示可用覆盖范围。