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.