스케일러블 코스그레인 볼츠만 생성기

초록

본 논문은 고차원 원자 수준 시뮬레이션의 샘플링 비용을 낮추기 위해, 저차원 코스그레인 좌표에서 작동하는 볼츠만 생성기(CG‑BG)를 제안한다. 학습된 평균 자유에너지(잠재 자유에너지, PMF)를 중요도 가중치에 이용해 정확한 볼츠만 분포를 복원하고, 힘 매칭(Force Matching)과 강화 샘플링을 결합해 빠르게 수렴한 데이터로 PMF를 효율적으로 학습한다. 실험은 Müller‑Brown 포텐셜과 알라닌 디펩타이드 시스템에서 수행했으며, 기존 원자 수준 BG 대비 계산 비용을 크게 절감하면서도 편향 없는 자유에너지와 구조 통계를 제공한다.

상세 분석

이 연구는 두 가지 근본적인 한계를 동시에 해결한다. 첫째, 전통적인 Boltzmann Generator(BG)는 정밀한 확률 밀도 변환을 위해 Jacobian determinant를 매번 계산해야 하는데, 이는 차원이 커질수록 O(N³) 수준의 연산 복잡도를 초래한다. 결과적으로 수백에서 수천 원자 규모의 시스템에 적용하기가 실질적으로 불가능했다. 둘째, 기존 코스그레인 모델은 저차원 잠재 변수에 대한 사후 재가중(weighting) 절차를 제공하지 않아, 비평형 혹은 제한된 시간의 MD 데이터에 기반한 학습 시 편향된 자유에너지 표면을 생성한다.

CG‑BG는 이러한 문제를 “코스그레인 좌표 공간에서 직접 BG를 학습한다”는 설계 철학으로 통합한다. 핵심 아이디어는 목표 분포 p(R) 를 정의하는 잠재 자유에너지 U(R) 를 머신러닝 기반 PMF 네트워크가 근사하도록 하고, 정규화 흐름(Normalizing Flow) qθ(R) 로부터 샘플을 생성한 뒤, 중요도 가중치 w(R) ∝ exp