学术讲座｜Chris Chipot教授 Learning Transition Pathways Using Artificial Neural Networks

2025年09月11日

2025年9月10日，领衔科学家高毅勤主持召开学术讲座。本次讲座邀请到法国国家科学研究中心Chris Chipot教授进行了题为“Learning Transition Pathways Using Artificial Neural Networks”的学术报告，分享了利用人工神经网络来研究分子运动的新方法。

 

领衔科学家高毅勤主持

 

Chris Chipot教授现任法国国家科学研究中心主任，其实验室主要研究自由能方法的开发和利用这些方法来探索生物学中的罕见事件。

 

Chris Chipot教授分享报告

 

讲座背景：

在蛋白质和其他生物大分子等复杂的高维系统中，分子在两个稳定状态之间的折叠、构象变化、化学反应等过渡现象，即“罕见动力学事件”，是计算化学的核心难题。罕见动力学事件发生概率极低、时间尺度极短，却对理解体系行为至关重要。常规分子模拟方法往往难以直接捕捉到这些过程，其关键挑战在于难以找到能够准确描述反应动力学的集体变量。依赖物理方法选择集体变量常会失败，传统的机器学习方法也可能被不相关的快变量迷惑而无法捕捉正确的动力学特征。

讲座内容：

Chris Chipot教授提出了一种基于神经网络的全新策略，同时学习承诺子函数（committor function）和承诺子一致字符串（committor function），为揭示罕见事件动力学中的转移机制提供了新的框架。该方法基于承诺子时间相关函数，能够适应多样的动态机制并区分竞争路径，突破了传统方法的局限。

研究表明，该方法不仅可以准确地捕获动力学过程、速率常数和转移机制，还在基准势能面和生物系统中得到了验证。其核心优势在于：神经网络能够自动提取有效特征，避免对预设集体变量的过度依赖；同时，即便使用不同架构或类型的神经网络，方法效果依然稳定可靠。凭借对集体变量的高度适应性和跨神经结构的稳健性，该方法与多种增强采样技术兼容，成为一款通用的模拟工具，帮助科学家更加深入地理解复杂的生物分子能量景观。

科研人员提问与交流

 

Chris Chipot教授此次讲座吸引了计算生物学及相关领域科学家、科研人员及学生参会。在讲座内容结束后，Chris Chipot教授与参会人员就方法的有效性、关键参数、计算成本、与权威数据对比等方面展开了热烈讨论。

 

昌平实验室开展学术讲座系列活动，邀请知名学者专家开展专题讲座，努力打造特色化、专业化、品牌化学术交流活动，为打造世界一流生命科学创新高地提供良好学术平台。