L3 · 24 دقيقة
التحسين العددي
انحدار، نيوتن، بحث عشوائي.
الرياضياتالالتحام
أهداف التعلّم
- التفريق بين انحدار تدرجي، نيوتن/شبه-نيوتن، وبحث عشوائي كما تظهر في min والالتحام.
- معرفة أن الحد المحلي ليس الهيئة المرتبطة، وأن العشوائية بلا بذرة معلنة تُضعف إعادة الإنتاج.
التحسين نزول أو بحث، لا حكمة
تقليل الطاقة يتبع ∇V إلى حد محلي: steepest descent يُصلح التداخلات العنيفة، conjugate gradient أو L-BFGS يكمل بنعومة. الالتحام يخلط بحثاً عالمياً تقريباً (جينياً، تلدين، أخذ عينات) مع تقييم. لا أحد من هؤلاء «يجد ΔG». كلهم يُقرّبون حدّاً على دالة ناقصة.
| تدرجي / نيوتن | عشوائي / سكاني | |
|---|---|---|
| ماذا يحتاج؟ | تدرجات، وأحياناً هسيان تقريبي. | مقترحات عشوائية ومعيار قبول أو انتخاب. |
| أين يفشل؟ | حدود محلية؛ حاجز يفصل عن الحوض الصحيح. | قد يفوت حوضاً إن لم تكفِ الميزانية؛ نتائج تعتمد على البذرة. |
| مثال CADD | EM قبل MD؛ تحسين هندسة QM. | بحث هيئة في Vina؛ بعض مولّدات التوافق. |
لماذا؟ — لماذا نبدأ غالباً بـ steepest descent لا بنيوتن بعد بناء النظام؟
التداخلات الأولى تُنتج تدرجات هائلة وهسياناً سيئ الشرط. الانحدار الحاد بخطوات قصيرة يفك الاصطدام. نيوتن قد يقفز قفزة غير مستقرة. بعد هدوء القوى تنتقل إلى CG أو L-BFGS.
ماذا لو؟ — ماذا لو نشرتَ هيئات docking من تشغيل واحد بلا بذرة وبلا تكرار؟
قد لا يستطيع غيرك إعادة أعلى مرتبة. كرر البحث، ثبّت البذرة في السجل، وافحص إن كانت العناقيد مستقرة عبر تشغيلات.
مواضيع مرتبطة