MétaCan
Menu
Retour à la cohorte
Enregistrement W2022984726 · doi:10.1002/jcc.22974

Efficient treatment of solvation shells in 3D molecular theory of solvation

2012· article· en· W2022984726 sur OpenAlexaff
Sergey Gusarov, Bhalchandra S. Pujari, Andriy Kovalenko

Notice bibliographique

RevueJournal of Computational Chemistry · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSpectroscopy and Quantum Chemical Studies
Établissements canadiensUniversity of AlbertaNational Institute for Nanotechnology
Organismes subventionnairesnon disponible
Mots-clésSolvationImplicit solvationSolvation shellClosure (psychology)ElectrolyteSubspace topologyKrylov subspaceConvergence (economics)SolverChemistryStatistical physicsCurse of dimensionalityThermodynamicsComputational chemistryIterative methodPhysicsMoleculeMathematicsPhysical chemistryQuantum mechanicsAlgorithmMathematical analysisMathematical optimization

Résumé

récupéré en direct d'OpenAlex

We developed a technique to decrease memory requirements when solving the integral equations of three-dimensional (3D) molecular theory of solvation, a.k.a. 3D reference interaction site model (3D-RISM), using the modified direct inversion in the iterative subspace (MDIIS) numerical method of generalized minimal residual type. The latter provides robust convergence, in particular, for charged systems and electrolyte solutions with strong associative effects for which damped iterations do not converge. The MDIIS solver (typically, with 2 × 10 iterative vectors of argument and residual for fast convergence) treats the solute excluded volume (core), while handling the solvation shells in the 3D box with two vectors coupled with MDIIS iteratively and incorporating the electrostatic asymptotics outside the box analytically. For solvated systems from small to large macromolecules and solid-liquid interfaces, this results in 6- to 16-fold memory reduction and corresponding CPU load decrease in MDIIS. We illustrated the new technique on solvated systems of chemical and biomolecular relevance with different dimensionality, both in ambient water and aqueous electrolyte solution, by solving the 3D-RISM equations with the Kovalenko-Hirata (KH) closure, and the hypernetted chain (HNC) closure where convergent. This core-shell-asymptotics technique coupling MDIIS for the excluded volume core with iteration of the solvation shells converges as efficiently as MDIIS for the whole 3D box and yields the solvation structure and thermodynamics without loss of accuracy. Although being of benefit for solutes of any size, this memory reduction becomes critical in 3D-RISM calculations for large solvated systems, such as macromolecules in solution with ions, ligands, and other cofactors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,262
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computational ChemistryMême sujetSpectroscopy and Quantum Chemical StudiesTravaux en français237 207