OpenMM 8: молекулярно-динамическое моделирование с потенциалами машинного обучения

Машинное обучение играет всё более значимую роль в молекулярном моделировании. В новой версии пакета OpenMM для молекулярной динамики появились функции, позволяющие использовать потенциалы машинного обучения. В симуляцию можно подключать произвольные модели PyTorch и использовать их для расчёта сил и энергии. Интерфейс более высокого уровня упрощает моделирование нужных молекул с помощью универсальных предварительно обученных потенциалов. Набор оптимизированных ядер CUDA и специальных операций PyTorch значительно ускоряет симуляции. Возможности пакета продемонстрированы при моделировании циклинзависимой киназы 8 (CDK8) и хромофора зелёного флуоресцентного белка в воде. В совокупности эти функции позволяют практически применять машинное обучение для повышения точности моделирования при лишь умеренном увеличении затрат.