自适应传输能改进神经自由能估计吗？

FEAT 估计的是什么

自由能差衡量一个体系的两个状态中，一个比另一个稳定多少。FEAT 针对的是状态 a 与状态 b 之间的差值，每个状态由能量函数和构型的平衡分布定义。论文把玻尔兹曼常数与温度吸收进势能定义，因此自由能以这种约化单位报告，而不是焦耳或千卡。

输出是一个数，即自由能差，由分别从两个状态抽取的样本估计得到。这一点决定了如何理解下文所有结果：FEAT 不是新的力场或采样器，判断它准不准，看的是估计出的差值与参考值有多接近，而不是它能否重现完整的能量景观。

学习到的传输连接两个状态

核心对象是一个传输：一个随时间变化的映射，沿插值路径把构型从状态 a 带向状态 b。FEAT 用随机插值构建它，这一框架训练一个向量场和分数网络或能量网络，使样本沿期望路径演化。训练时组合一个去噪分数匹配损失和两个时间分数匹配项，分别锚定在两个端点。

训练完成后，传输从状态 a 的样本向前模拟，也从状态 b 的样本向后模拟。每条模拟路径上累积的功，就是估计器所消费的原始量。方法之所以称为自适应，是因为传输从数据中学习而非预先固定，也正是它让同一套机制同时覆盖平衡与非平衡估计。

两个估计器共用一个理论框架

FEAT 的估计来自 escorted Jarzynski 等式和受控 Crooks 定理。直白地说，前向模拟为每条路径给出一个功值，对该功取指数再平均，即使模拟路径并非平衡样本，也能还原自由能差。Crooks 关系把前向与后向路径概率联系起来，由此同时得到自由能差的变分下界和上界。

实际使用的估计器以最小方差形式结合前向与后向信息，其中一个常数需要迭代调整，因为自由能差本身在开始时未知。论文报告，在 LJ-128 和 ALDP 体系上训练时，这一组合估计器明显优于只用前向或只用后向的估计，且方法在两个体系上都收敛很快。

完美传输退化为热力学积分

理论部分说明了理想情形。如果学到的传输是最优的，即模拟样本密度在每个时间步都与插值能量匹配，那么广义功变成常数，等于自由能差。此时 escorted Jarzynski 估计器精确退化为热力学积分，也就是沿路径对能量时间导数做积分的标准做法。

这一等价关系是论文的概念桥梁。它意味着 FEAT 并非平衡方法的对手，而更像是它们的可学习推广：传输完美时它表现得像热力学积分，传输不完美时 Jarzynski 与 Crooks 修正会吸收误差。作者据此把平衡与非平衡方法统一在同一个框架下。

精度结论来自哪些测试

验证分三个层次。玩具示例在受控环境中检验机制。分子模拟包括 Lennard-Jones 体系和丙氨酸二肽，FEAT 在此与现有的基于学习的估计器比较，其中包括分别带和不带问题特定预条件的 Neural TI。论文指出，Neural TI 严重依赖这种预条件，这限制了灵活性，并且在能量评估昂贵时可能代价很高。

最大规模的测试是处于有序相的格点 phi^4 量子场论，其磁化分布呈双峰。FEAT 估计伞形势之间的自由能差，再用这些估计做重加权，成功还原了对称的平均磁化分布。对于更大的 ALA-4 和 Chignolin 体系，标准随机插值难以拟合，作者改用单边变体，先学习每个体系的绝对自由能再取差值。

报告数值及其覆盖范围

单边结果最为具体：ALA-4 的参考溶剂化自由能为 107.5，FEAT 给出 109.91，标准差 2.55；CHIG 的参考值为 320.19，FEAT 给出 320.02，标准差 0.70。这些是带不确定度的单次报告估计，而非多次独立运行的分布，因此这些区间应理解为报告到的波动，而不是完整的误差预算。

论文还报告了推理时间，称相对于使用流匹配的 Target FEP，FEAT 避免了昂贵的散度评估，因而显著更高效。这一比较针对运行时间而非精度，判断方法时不应把两者混为一谈。

方差才是要权衡的代价

作者明确指出了主要弱点：即使采用最小方差形式，估计器方差仍可能很大，在较大规模体系上尤其如此。他们的解释是结构性的。FEAT 在路径空间做重要性采样，而 Target FEP 在状态空间做重要性采样。把分布从状态空间提升到路径空间并不会改善重叠，因此两种方法处在偏差-方差谱的不同位置：FEAT 渐近无偏，但方差往往更高。

这改变了方法之间的选择方式。如果更看重无偏性和单一一致的框架，FEAT 的设计有吸引力；如果优先考虑大型凝聚相体系上的低方差，路径空间采样就是实实在在的代价。论文还指出，FEAT 目前需要两个状态的样本，放宽这一要求仍是未来工作，且面临可扩展性、稳定性和模式坍缩方面的挑战。

何时适合选用 FEAT

决定取决于你需要估计提供什么。当你希望用一套框架同时覆盖平衡与非平衡估计、能够获得两个端点状态的样本、并且看重一个理想极限为热力学积分的一致估计器时，FEAT 是更强的选项。它在玩具、分子和格点场论测试上相对现有学习方法的报告增益支持这一定位。

当方差在大型体系上主导你的误差预算，或无法获得端点样本时，它是较弱的选项。论文自己的表述把 FEAT 与 Target FEP 放在偏差-方差谱上，而非宣称某一方普遍更优，因此实际问题在于你的体系能容忍谱的哪一侧。报告的 ALA-4 与 CHIG 数值及其给出的标准差，是判断该规模下估计能收紧到何种程度的最清晰依据。

本文引用的文献