用人工神经网络编码集体变量
anncolvar的Python项目详细描述
| pypi anaconda buildstatus codecov lgtm lgtmpy
阅读
d.trapl，i.horva奇anin，v.mare_ka，f._z_elik，g.unal和v.spiwok中的更多内容：`anncolvar:用人工神经网络对复杂集体变量的近似，用于分析和分子模拟的偏差<；https://www.frontiersin.org/articles/10.3389/fmolb.2019.00025/>；``前台。分子生物学。*2019，**6**，25（doi:10.3389/fmolb.2019.00025）
*****
人工神经网络的集合变量：：
用法：anncolvar[-h][-i infile][-p intop][-c colvar][-col col]
[-boxx][-boxy-boxy-boxy][-boxz boxz][-nofit nofit]
[-testset testset][-shuffle shuffle][-layers]
[-layer1 layer1][-layer2 layer2][-layer3 layer3]
[-actfun1 actfun1][-actfun2 actfun2][-actfun3 actfun3]
[-optim optim][-损失损失][-时期时期][-批处理]
[-o文件][-modelfile模型文件][-plumed plumedfile]
分子系统集合变量的人工神经网络学习，需要numpy、keras和mdtraj
-帮助显示此帮助消息并退出
-i在pdb、xtc、trr、dcd、netcdf或mdcrd中填充输入轨迹，
警告：轨迹必须为1。必须只包含要分析的
原子，2。不得包含任何周期边界
条件问题！
-p进入PDB中的输入拓扑，警告：结构必须是1。
位于PBC框和2的中心。必须只包含要分析的
原子！
-c colvar以文本格式输入集合变量文件，必须
包含与
轨迹中的帧相同的行数
-col col包含集合变量的列的索引
在输入的集合变量文件中，PBC框的X坐标大小（从0到
nm中的设定值）
-PBC框的Y坐标大小（从0到
nm中的设定值）
-boxZ框PBC框的Z坐标大小（从0到
nm中的设定值）
-不适合不适合拟合，轨迹必须正确拟合
（默认为假）
-测试集测试集测试集大小（轨迹的分数，默认值=
0.1）
-随机洗牌-随机洗牌轨迹帧以获得训练和测试
设置（默认值为true）
-层隐藏层数（允许值1-3，默认值=
1）
-层r1第1层第一个编码层的神经元数量（默认值=
256）
-第2层第2个编码层的神经元数量（默认值
=256）
-第3层第3个编码层的神经元数量（默认值=
256）
-actfun1 actfun1第一层激活函数（默认值=
sigmoid，选项见keras文档）
-actfun2 actfun2第二层激活函数（默认值=
线性，有关选项，请参阅keras文档）
-第三层的actfun3 actfun3激活函数（默认值=
线性，有关选项，请参阅keras文档）
-optim optimizer（默认值=adam，有关选项，请参阅keras
文件）
-损失损失函数n（默认值=均方误差，有关选项
请参阅Keras文档）
-各时期的时期数量（默认值=100，>；对于实际应用程序，可能需要1000个时期）
-批次批次批量大小（0=无批次，default=256）
-o具有原始和近似集合的文件输出文件
变量（txt，默认值=无输出）
-输出模型文件的模型文件前缀（实验，默认值=
无输出）
-plumed pplumed的lumedfile输出文件（默认值=plumed.dat）
Introduction
==
偏置模拟（如元动力学）使用预定义的参数集
作为集合变量。在集合变量
上施加人工偏压以增强采样。参数作为集合变量应用有两个条件。首先，可以仅从原子坐标计算集合变量的值。其次，作用在集体变量上的力可以转化为作用在单个原子上的力。换言之，用原子坐标计算集体变量的一阶导数是可能的。这两种计算都必须足够快，因为在模拟的每一步中都必须对它们进行评估。
有许多潜在的集体变量不容易计算。
有可能计算成百上千个
结构的集体变量。t不适用于数百万个结构（这对于纳秒长的模拟是必要的）。*anncolvar*可以使用
神经网络来近似这些集合变量。
为此，请遵循以下链接之一：
-tensorflow
-theano
-cntk
-c spiwokv anncolvar
usage
=
一系列具有代表性的结构（数百个或更多）使用预先计算的集合变量值
来训练神经网络。用户可以在pdb、xtc、
trr、dcd、netcdf或mdcrd中以轨迹的形式指定引用结构的输入集（*-i*）。轨迹必须仅包含要分析的原子
（例如，仅包含非氢原子）。轨迹不能包含任何周期性的边界条件问题。这两种转换都可以通过分子动力学模拟软件包实现，例如*gmx trjconv*。无需将
框架与参考结构匹配。可以通过
*-nofit true*
来关闭配件，必须在PDB中提供输入拓扑。这是一个用作拟合模板的结构。它还用于定义一个框。这个盒子必须大到足以把分子放入轨道的所有框架中。它不应该太大，因为这会抑制神经网络的非线性。当用户决定使用3x3x3nm盒时，有必要将要居中的分子置于坐标（1.5,1.5,1.5）nm处。在gromacs中，可以使用：：
gmx editconf-f mol.pdb-o reference.pdb-c-box 3 3
它还必须只包含要分析的原子。框的大小可以通过参数*-boxx*、*-boxy*和*-boxz*（以nm为单位）指定。它是一个空格分隔的文本
文件，其行数与输入轨迹中的帧数相同。
列的索引可以由*-col*指定（例如，*-col 2*用于文件的第二列
。
选项*-test set*可以控制用作
测试集的轨迹部分。例如*-test set 0.1*表示10%的输入数据用作测试集
，90%用作训练集。选项*-shuffle true*使
前90%用作训练集，其余10%用作测试集。
否则，在将帧分离到训练集和测试集之前，将对帧进行shuffle。
层包含3n个神经元（其中n是原子数）。隐藏层的数量由*-layers*控制。这可以是1、2或3。对于较高的
层数，请联系作者。第一层、第二层和第三层的神经元数量由*-layer1*、*-layer2*和*-layer3*控制。使用等于2（32、64、128等）幂的层数是有用的。大量的神经元会导致程序运行缓慢或内存不足。神经元的激活
功能可以由*-actfun1*、*-actfun2*和*-actfun3*控制
任何由keras支持的激活功能都可以使用。
训练过程中使用的优化器可以由*-optim*控制。
默认的adam优化器（*-optim adam*）工作良好。损耗函数可以由*损耗*控制。默认的*-损失平均值_平方_error*工作良好。
可以由*epochs*控制epochs的数量。默认值（100）是
非常小，通常>；1000对于实际应用程序是必需的。批
大小可以由*-batch*控制（没有批的*-batch 0*默认为256）。
它包含集合变量的近似值和初始值。模型可以存储在文本文件的
集中（try*-model*）。输入文件被打印到由*-plumed*（默认为plumed.dat）控制的文件中。该文件可直接用于计算由＊plumed driver＊或由＊plumed patched＊分子动力学引擎产生的集合变量的演化。要在增强采样中使用集合变量
（例如metadynamics），需要添加适当的关键字（例如
metad）。
。| pypi image：：https://img.shields.io/pypi/v/anncolvar.svg
：target:https://pypi.org/project/anncolvar/
：alt:pypi上发布的最新版本
。| anaconda图片：：https://anaconda.org/spiwokv/anncolvar/badges/version.svg
：目标：https://anaconda.org/spiwokv/anncolvar
：alt:在anaconda云上发布的最新版本
。|构建状态图像：：https://travis-ci.org/spiwokv/anncolvar.svg？branch=master
：目标：http://travis ci.org/spiwokv/anncolvar/
：alt:travis ci
Mac/Linux上主分支的生成状态。| codecov图像：：https://codecov.io/gh/spiwokv/anncolvar/branch/master/graph/badge.svg
：目标：https://codecov.io/gh/spiwokv/anncolvar/
：alt:code coverage
。| lgtm图像：：https://img.shields.io/lgtm/alerts/g/spiwokv/anncolvar.svg？logo=lgtm&logowdth=18
：目标：https://lgtm.com/projects/g/spiwokv/anncolvar/alerts/
：alt:lgtm代码警报
| lgtmpy图像：：https://img.shields.io/lgtm/grade/python/g/spiwokv/anncolvar.svg？logo=lgtm&logowdth=18
：目标：https://lgtm.com/projects/g/spiwokv/anncolvar/context:python
：alt:lgtm python质量
_ TensorFlow:https://www.tensorflow.org/install/
…_ theano:http://deeplearning.net/software/theano/install.html
…_ CNTK:https://docs.microsoft.com/en-us/cognitive-toolkit/setup-cntk-on-your-machine
阅读
d.trapl，i.horva奇anin，v.mare_ka，f._z_elik，g.unal和v.spiwok中的更多内容：`anncolvar:用人工神经网络对复杂集体变量的近似，用于分析和分子模拟的偏差<；https://www.frontiersin.org/articles/10.3389/fmolb.2019.00025/>；``前台。分子生物学。*2019，**6**，25（doi:10.3389/fmolb.2019.00025）
*****
人工神经网络的集合变量：：
用法：anncolvar[-h][-i infile][-p intop][-c colvar][-col col]
[-boxx][-boxy-boxy-boxy][-boxz boxz][-nofit nofit]
[-testset testset][-shuffle shuffle][-layers]
[-layer1 layer1][-layer2 layer2][-layer3 layer3]
[-actfun1 actfun1][-actfun2 actfun2][-actfun3 actfun3]
[-optim optim][-损失损失][-时期时期][-批处理]
[-o文件][-modelfile模型文件][-plumed plumedfile]
分子系统集合变量的人工神经网络学习，需要numpy、keras和mdtraj
-帮助显示此帮助消息并退出
-i在pdb、xtc、trr、dcd、netcdf或mdcrd中填充输入轨迹，
警告：轨迹必须为1。必须只包含要分析的
原子，2。不得包含任何周期边界
条件问题！
-p进入PDB中的输入拓扑，警告：结构必须是1。
位于PBC框和2的中心。必须只包含要分析的
原子！
-c colvar以文本格式输入集合变量文件，必须
包含与
轨迹中的帧相同的行数
-col col包含集合变量的列的索引
在输入的集合变量文件中，PBC框的X坐标大小（从0到
nm中的设定值）
-PBC框的Y坐标大小（从0到
nm中的设定值）
-boxZ框PBC框的Z坐标大小（从0到
nm中的设定值）
-不适合不适合拟合，轨迹必须正确拟合
（默认为假）
-测试集测试集测试集大小（轨迹的分数，默认值=
0.1）
-随机洗牌-随机洗牌轨迹帧以获得训练和测试
设置（默认值为true）
-层隐藏层数（允许值1-3，默认值=
1）
-层r1第1层第一个编码层的神经元数量（默认值=
256）
-第2层第2个编码层的神经元数量（默认值
=256）
-第3层第3个编码层的神经元数量（默认值=
256）
-actfun1 actfun1第一层激活函数（默认值=
sigmoid，选项见keras文档）
-actfun2 actfun2第二层激活函数（默认值=
线性，有关选项，请参阅keras文档）
-第三层的actfun3 actfun3激活函数（默认值=
线性，有关选项，请参阅keras文档）
-optim optimizer（默认值=adam，有关选项，请参阅keras
文件）
-损失损失函数n（默认值=均方误差，有关选项
请参阅Keras文档）
-各时期的时期数量（默认值=100，>；对于实际应用程序，可能需要1000个时期）
-批次批次批量大小（0=无批次，default=256）
-o具有原始和近似集合的文件输出文件
变量（txt，默认值=无输出）
-输出模型文件的模型文件前缀（实验，默认值=
无输出）
-plumed pplumed的lumedfile输出文件（默认值=plumed.dat）
Introduction
==
偏置模拟（如元动力学）使用预定义的参数集
作为集合变量。在集合变量
上施加人工偏压以增强采样。参数作为集合变量应用有两个条件。首先，可以仅从原子坐标计算集合变量的值。其次，作用在集体变量上的力可以转化为作用在单个原子上的力。换言之，用原子坐标计算集体变量的一阶导数是可能的。这两种计算都必须足够快，因为在模拟的每一步中都必须对它们进行评估。
有许多潜在的集体变量不容易计算。
有可能计算成百上千个
结构的集体变量。t不适用于数百万个结构（这对于纳秒长的模拟是必要的）。*anncolvar*可以使用
神经网络来近似这些集合变量。
为此，请遵循以下链接之一：
-tensorflow
-theano
-cntk
-c spiwokv anncolvar
usage
=
一系列具有代表性的结构（数百个或更多）使用预先计算的集合变量值
来训练神经网络。用户可以在pdb、xtc、
trr、dcd、netcdf或mdcrd中以轨迹的形式指定引用结构的输入集（*-i*）。轨迹必须仅包含要分析的原子
（例如，仅包含非氢原子）。轨迹不能包含任何周期性的边界条件问题。这两种转换都可以通过分子动力学模拟软件包实现，例如*gmx trjconv*。无需将
框架与参考结构匹配。可以通过
*-nofit true*
来关闭配件，必须在PDB中提供输入拓扑。这是一个用作拟合模板的结构。它还用于定义一个框。这个盒子必须大到足以把分子放入轨道的所有框架中。它不应该太大，因为这会抑制神经网络的非线性。当用户决定使用3x3x3nm盒时，有必要将要居中的分子置于坐标（1.5,1.5,1.5）nm处。在gromacs中，可以使用：：
gmx editconf-f mol.pdb-o reference.pdb-c-box 3 3
它还必须只包含要分析的原子。框的大小可以通过参数*-boxx*、*-boxy*和*-boxz*（以nm为单位）指定。它是一个空格分隔的文本
文件，其行数与输入轨迹中的帧数相同。
列的索引可以由*-col*指定（例如，*-col 2*用于文件的第二列
。
选项*-test set*可以控制用作
测试集的轨迹部分。例如*-test set 0.1*表示10%的输入数据用作测试集
，90%用作训练集。选项*-shuffle true*使
前90%用作训练集，其余10%用作测试集。
否则，在将帧分离到训练集和测试集之前，将对帧进行shuffle。
层包含3n个神经元（其中n是原子数）。隐藏层的数量由*-layers*控制。这可以是1、2或3。对于较高的
层数，请联系作者。第一层、第二层和第三层的神经元数量由*-layer1*、*-layer2*和*-layer3*控制。使用等于2（32、64、128等）幂的层数是有用的。大量的神经元会导致程序运行缓慢或内存不足。神经元的激活
功能可以由*-actfun1*、*-actfun2*和*-actfun3*控制
任何由keras支持的激活功能都可以使用。
训练过程中使用的优化器可以由*-optim*控制。
默认的adam优化器（*-optim adam*）工作良好。损耗函数可以由*损耗*控制。默认的*-损失平均值_平方_error*工作良好。
可以由*epochs*控制epochs的数量。默认值（100）是
非常小，通常>；1000对于实际应用程序是必需的。批
大小可以由*-batch*控制（没有批的*-batch 0*默认为256）。
它包含集合变量的近似值和初始值。模型可以存储在文本文件的
集中（try*-model*）。输入文件被打印到由*-plumed*（默认为plumed.dat）控制的文件中。该文件可直接用于计算由＊plumed driver＊或由＊plumed patched＊分子动力学引擎产生的集合变量的演化。要在增强采样中使用集合变量
（例如metadynamics），需要添加适当的关键字（例如
metad）。
。| pypi image：：https://img.shields.io/pypi/v/anncolvar.svg
：target:https://pypi.org/project/anncolvar/
：alt:pypi上发布的最新版本
。| anaconda图片：：https://anaconda.org/spiwokv/anncolvar/badges/version.svg
：目标：https://anaconda.org/spiwokv/anncolvar
：alt:在anaconda云上发布的最新版本
。|构建状态图像：：https://travis-ci.org/spiwokv/anncolvar.svg？branch=master
：目标：http://travis ci.org/spiwokv/anncolvar/
：alt:travis ci
Mac/Linux上主分支的生成状态。| codecov图像：：https://codecov.io/gh/spiwokv/anncolvar/branch/master/graph/badge.svg
：目标：https://codecov.io/gh/spiwokv/anncolvar/
：alt:code coverage
。| lgtm图像：：https://img.shields.io/lgtm/alerts/g/spiwokv/anncolvar.svg？logo=lgtm&logowdth=18
：目标：https://lgtm.com/projects/g/spiwokv/anncolvar/alerts/
：alt:lgtm代码警报
| lgtmpy图像：：https://img.shields.io/lgtm/grade/python/g/spiwokv/anncolvar.svg？logo=lgtm&logowdth=18
：目标：https://lgtm.com/projects/g/spiwokv/anncolvar/context:python
：alt:lgtm python质量
_ TensorFlow:https://www.tensorflow.org/install/
…_ theano:http://deeplearning.net/software/theano/install.html
…_ CNTK:https://docs.microsoft.com/en-us/cognitive-toolkit/setup-cntk-on-your-machine
欢迎加入QQ群-->： 979659372
