반응형 플럭스 매칭 (Reactive Flux Matching): 메커니즘 발견 및 희귀 사건의 적응형 샘플링

경로 샘플링 (Path sampling) 방법들은 준안정 상태 (metastable states)를 연결하는 반응성 궤적 (reactive trajectories)의 앙상블을 생성하지만, 이러한 데이터로부터 메커니즘적 통찰을 추출하는 것은 여전히 쉽지 않은 과제입니다. 본 논문에서는 반응성 궤적 데이터로부터 직접 두 가지 상호 보완적인 객체를 학습하는 프레임워크인 플럭스 매칭 (Flux Matching)을 소개합니다. 첫 번째는 유선 (streamlines)이 지배적인 반응 경로를 추적하는 전류 속도 (current velocity) $u(z)$이며, 두 번째는 반응 전류 (reactive current)의 가중 헬름홀츠-호지 분해 (weighted Helmholtz-Hodge decomposition)를 통해 얻어져 데이터 기반 반응 좌표 (reaction coordinate) 역할을 하는 스칼라 포텐셜 (scalar potential) $h(z)$입니다. 두 객체 모두 생성 모델링 (generative modeling)의 플로우 매칭 (flow matching) 손실 함수와 유사하게 반응 경로 앙상블에 대한 이차 범함수 (quadratic functionals)를 최소화하며, 기저의 역학 (underlying dynamics)이나 정지 분포 (stationary distribution)에 대한 지식을 필요로 하지 않습니다. 커미터 (committor) 기반 방법들과 달리, $u$와 $h$는 비마르코프적 (non-Markovian) 집합 변수 (collective variables)로의 투영 하에서도 잘 정의된 상태를 유지하며, 이들의 등치선 (level sets)은 향상된 샘플링 (enhanced sampling) 방법론을 통한 개선된 샘플링을 위한 적응형 인터페이스 (adaptive interfaces)를 제공합니다. 플럭스 매칭은 분자 시스템에서의 전류 속도 궤적 생성 및 속도 상수 (rate constant) 계산을 통해 검증되었습니다.