归一化流让分子晶体自由能不再逐态炼金：三个药物晶型体系与爱因斯坦晶体法吻合，平均耗时约为其四成
核心概要
分子晶体多晶型的热力学排序长期依赖爱因斯坦晶体法（ECM），后者要为每个多晶型单独采样一串重叠的炼金中间态，成本随晶型景观扩大而难以承受。该工作把靶向自由能微扰中的映射交给归一化流学习：模型把分子动力学采到的超胞构型可逆地变换到解析参考分布，再用靶向Bennett接受率（tBAR）重加权得到晶格自由能。在琥珀酸、Veliparib和Mivebresib上，结果与ECM吻合，可处理约3×10³自由度的超胞，平均计算时间约为ECM的2.5分之一。
深度剖析
分子晶体多晶型的晶格自由能现在可以直接从每个晶型已有的物理分子动力学轨迹中重加权得到，不必再为每个晶型搭建并采样一串炼金中间态。 此前的基准方法ECM虽然精度高，但要为每个多晶型遍历采样一条由重叠炼金玻尔兹曼分布组成的链，在晶体结构预测产生的大景观上计算代价过高；谐振自由能方法效率高，却在柔性、非谐体系中失去精度。 在300 K下，琥珀酸的α、β、γ三种晶型、Veliparib的I与II型、Mivebresib的I、II、IIIs、IIIb四种堆垛的超胞自由能与ECM基准吻合，自由能差落在彼此误差棒之内；跨全部体系，ECM平均所需计算时间约为重加权后模型估计的2.5倍。
做法是学一个可逆坐标变换，把某个晶型的玻尔兹曼分布搬到统一的解析参考分布上，再用统计重加权把近似映射的偏差纠正回来。 靶向自由能微扰的关键难点在于构造足够准确的映射，这类映射难以靠物理或化学直觉写出，因此改用归一化流神经网络来学；归一化流是一类能给出样本精确解析似然的生成模型。 模型在琥珀酸、Veliparib、Mivebresib的有限温度超胞上训练，超胞最多含32个分子、约3×10³自由度；训练用4:1的训练-验证划分，自由能只用验证集样本重加权，每次BAR评估取5000个模型样本与5000个物理样本。
启示与展望
演示范围限于300 K、1 atm附近的三类单组分分子晶体（琥珀酸、Veliparib、Mivebresib），超胞最多32个分子、约3×10³自由度，且每个晶型需有一条遍历采样的物理轨迹；作者指出该方法最适合中等至大分子的小超胞，并推荐用于高通量多晶型排序。
作者报告在含16个Mivebresib分子的超胞中模型接近其表示能力上限，自由能随训练收敛偏慢，呈现欠拟合特征；Veliparib的TMFF体系因ECM部分扰动态难以遍历采样而未计算基准，且GAFF与TMFF给出的晶型稳定性排序不同，作者强调力场选择的影响。