浙大侯廷军团队联合IIT等发布系统综述：全景解析机器学习加持下的「增强采样」方法

背景：分子动力学模拟在揭示分子尺度过程方面具有潜力，但受限于时间尺度问题，增强采样方法应运而生，并与机器学习技术深度融合。研究目的：浙江大学侯廷军团队联合意大利技术研究院等发布综述，旨在全面阐述机器学习与增强采样技术融合的方法论进展，为研究者提供实践视角，并分析实际部署的需求与挑战。结论：机器学习在集合变量构建、偏置势能表征等方面推动增强采样发展，但全自动化仍面临挑战，需在表征学习、端到端框架、可解释性等方面取得突破，以实现分子动力学成为真正的“计算显微镜”。