Metastability, geometric clustering and PCA

PCA

Es wird häufig angenommen, dass die langsamen Ereignisse komplett in den ersten PCA-Komponenten zu finden sind, da nur diese Komponenten multimodal erscheinen. Wie viele PCA-Komponenten braucht man um kinetisch getrennte Zustände zu trennen?

  • Projektion mit PCA auf 1, 2, 3, 80%, 90%, 95%, 99%, 100% der EV (1,2,3 können visualisiert werden)
  • Zeige Projektion auf einzelne PCA-Komponenten. Wie viele PCA-Komponenten sind multimodal?
  • Clusterung mit PCCA (jeweils kmeans 5000 für Mikrozustände) für alle Projektionen
  • Berechnung der Markov-lagtimes
  • Berechnung der Relaxationszeiten bei der Markov-Lagtime für jede Clusterung

Wenn die Annahme oben stimmt, dann würden die langsamsten Relaxationszeiten schon bei wenigen PCA-Komponenten auffindbar sein.

  • Visualisiere die langlebigsten Cluster in 1, 2 und 3 PCA-Komponenten.

Geometrische Clusterung

  • Führe k-means durch mit 2, 3, 4, 5, 10, 20, 50, 100 Zuständen.
  • Führe PCCA durch mit den gleich vielen Zuständen (Mikrozustände: gesamter Raum, 5000 k-means Cluster)
  • Vergleiche die Relaxationszeiten
Wenn geometrische Clusterung gut funktionierte müssten die Relaxationszeiten übereinstimmen.

 
Topic revision: r2 - 15 Jun 2012, AntoniaMey
 
  • Printable version of this topic (p) Printable version of this topic (p)