Molecular simulations can access unique atomic-scale information about new materials, pharmaceuticals, and biological environments, making cost-effective predictions and aiding experimental studies. They are particularly useful for describing the mechanisms of nanoscale phenomena and the biological/inorganic interfaces. However, the computational cost of molecular simulations increases with the size of the system as well as with the model complexity, which is related to the accuracy of the simulation. This thesis aims to develop efficient large-scale molecular models that capture important structural details of the atomistic simulations. In particular, we focus on the TiO₂-lipid interface, which forms in the living cells, exposed to TiO₂ nanomaterials, but is also relevant in the context of biomedical applications. We have studied the interface using atomistic molecular dynamics simulations and found that the characteristics of the lipid adsorption depend on the type of the TiO₂ surface, lipid headgroup composition, and the presence of cholesterol. We then derive a coarse-grained molecular model of the TiO₂-lipid interface to enable the large-scale simulations of TiO₂ nanoparticles interacting with model cell membranes. We show that the strength of the lipid adsorption increases with the size of the nanoparticle and that a small TiO₂ nanoparticle can become partially wrapped by a lipid membrane. To improve the transferability of the coarse-grained model, we design and test an artificial neural network that learns the interactions in coarse-grained water-methanol solutions from the structural data obtained in multiple reference simulations at atomistic resolution. We show that in the studied system, the neural network learns the many-body interactions and accurately reproduces the structural properties of the solution at different concentrations. 

Molekylära simuleringar kan ge tillgång till unik information på atomnivå om nya material, läkemedel och biologiska miljöer, vilket gör det möjligt att göra kostnadseffektiva förutsägelser och underlätta experimentella studier. De är särskilt användbara för att beskriva mekanismerna för fenomen på nanoskala och de biologiska/oorganiska gränssnitten. Beräkningskostnaden för molekylära simuleringar ökar dock med systemets storlek såväl som med modellens komplexitet, vilket är relaterat till simuleringens noggrannhet. Den här avhandlingen syftar till att utveckla effektiva storskaliga molekylära modeller som fångar viktiga strukturella detaljer från de atomistiska simuleringarna. Särskilt fokuserar vi på gränssnittet mellan TiO₂ och lipider, som bildas i levande celler, exponerade för TiO₂-nanomaterial, men är också relevant inom biomedicinska tillämpningar. Vi har studerat gränssnittet med hjälp av atomistiska molekyldynamiksimuleringar och funnit att egenskaperna hos lipidadsorptionen beror på typen av TiO₂-yta, sammansättningen av lipidhuvudgrupper och närvaron av kolesterol. Sedan härleder vi en grovkornig molekylär modell av TiO₂-lipidgränssnittet för att möjliggöra storskaliga simuleringar av TiO₂-nanopartiklar som interagerar med modellcellmembran. Vi visar att styrkan hos lipidadsorptionen ökar med nanopartiklens storlek och att en liten TiO₂-nanopartikel delvis kan omslutas av ett lipidmembran. För att förbättra överförbarheten hos den grovkorniga modellen designar och testar vi ett artificiellt neuralt nätverk som lär sig interaktionerna i grovkorniga vatten-metanollösningar från strukturella data som erhållits i flera referenssimuleringar med atomär upplösning. Vi visar att i det studerade systemet lär sig det neurala nätverket flerkroppsinteraktioner och återger strukturegenskaperna hos lösningar med olika koncentrationer noggrant.

Молекулярное моделирование может предоставить уникальную информацию с атомарным разрешением о новых материалах, лекарственных средствах и биологических средах, что делает его эффективным в прогнозировании и поддержке экспериментальных исследований. Особенной областью применения молекулярного моделирования является исследование процессов, происходящих на поверхности неорганических материалов, которые соприкосаются с биомолекулами. Однако, вычислительная сложность симуляций возрастает с размером моделируемой системы и сложностью модели, которая связана с точностью моделирования. Целью настоящей диссертации является разработка эффективных крупномасштабных молекулярных моделей, воспроизводящих ключевые особенности структуры молекулярных систем, полученных в ходе атомистического моделирования. В этой работе мы сосредотачиваемся на взаимодействии поверхности диоксида титана (TiO₂) с молекулами липидов, которое возникает при попадании наночастиц TiO₂ в живые клетки организма, что также является актуальным для биомедицинских исследований. Мы изучили взаимодействие с использованием атомистической молекулярной динамики и обнаружили, что адсорбция молекул липидов зависит от типа поверхности TiO₂, функциональных групп в полярной части молекулы и присутствия холестерина. На основании полученных данных мы разработали грубозернистую молекулярную модель взаимодействия TiO₂ с липидами для проведения крупномасштабных симуляций наночастиц диоксида титана, взаимодействующих с липидными мембранами, представляющих упрощённую структуру клеточных мембран. Наши симуляции показывают, что адсорбция липидов растёт вместе с радиусом наночастицы, а наночастица TiO₂ с наименьшим радиусом оказывается лишь частично обёрнута липидной мембраной. Чтобы сделать полученные грубозернистые модели более универсальными, мы разработали и отладили нейронную сеть, которая учится воспроизводить взаимодействия в грубозернистых водно-метанольных растворах на основании структурных данных, полученных из нескольких атомистических симуляций. Мы демонстрируем, что в данной системе нейронная сеть учитывает многочастичные взаимодействия, что позволяет ей воспроизвести структурные свойства растворов разных концентраций с высокой точностью.