Танец сотен частиц: одни пары кружатся медленно и плавно, другие дёргаются в бешеном ритме. Чтобы понять суть танца, нужно следить именно за медленными движениями — они и есть главная хореография системы. В науке о молекулах такие медленные движения называют «медленными модами», и именно они определяют, как белок сворачивается в клубок или как лекарство связывается с мишенью.
Новый метод SelfTICA учится распознавать эту хореографию без подсказок. Он берёт два снимка молекулярной системы, разделённых небольшим промежутком времени (лагом), и пытается угадать, какие части на снимках — одна и та же «танцевальная фигура», а какие — просто случайные прохожие. Такой подход называется контрастным обучением: алгоритм получает награду за то, что сближает похожие состояния, и штраф за то, что путает их с чужими. В результате внутри программы сама собой формируется карта самых важных, самых медленных движений.
Главная хитрость в том, что обучение и поиск медленных мод разделены. Сначала метод учится выжимать из данных полезные признаки — как если бы танцор сначала просто привыкал к ритму музыки. А потом, уже на выученных признаках, применяет старый добрый приём — анализ независимых компонент с временной задержкой (TICA). Это позволяет найти самые плавные движения и даже оценить их характерные времена.
Такой подход напоминает работу хореографа, который смотрит репетицию не с начала, а с любого места — и всё равно угадывает, какое движение будет следующим. SelfTICA не требует долгих обучающих траекторий и может работать с данными, где редкие переходы ещё не произошли. А значит, компьютерные симуляции биологических молекул станут быстрее и дешевле — и приблизят нас к пониманию того, как работают белки, ДНК и лекарства.
Медленные движения в молекулах могут занимать от микросекунд до минут — для компьютера это вечность, ведь каждый шаг симуляции длится фемтосекунды (миллионные доли миллиардной доли секунды).