論文の概要: Autonomous Discovery of Unknown Reaction Pathways from Data by Chemical
Reaction Neural Network
- arxiv url: http://arxiv.org/abs/2002.09062v2
- Date: Fri, 8 Jan 2021 22:18:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 07:35:59.005477
- Title: Autonomous Discovery of Unknown Reaction Pathways from Data by Chemical
Reaction Neural Network
- Title（参考訳）: 化学反応ニューラルネットワークによるデータからの未知反応経路の自律的発見
- Authors: Weiqi Ji and Sili Deng
- Abstract要約: 化学反応は、エネルギー、環境、生物、その他多くの自然システムで起こる。
本稿では、時間分解種濃度データから反応経路を自律的に発見するニューラルネットワークアプローチを提案する。
提案された化学反応ニューラルネットワーク(CRNN)は設計上、質量反応法やアレニウス法を含む基本的な物理法則を満たす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Chemical reactions occur in energy, environmental, biological, and many other
natural systems, and the inference of the reaction networks is essential to
understand and design the chemical processes in engineering and life sciences.
Yet, revealing the reaction pathways for complex systems and processes is still
challenging due to the lack of knowledge of the involved species and reactions.
Here, we present a neural network approach that autonomously discovers reaction
pathways from the time-resolved species concentration data. The proposed
Chemical Reaction Neural Network (CRNN), by design, satisfies the fundamental
physics laws, including the Law of Mass Action and the Arrhenius Law.
Consequently, the CRNN is physically interpretable such that the reaction
pathways can be interpreted, and the kinetic parameters can be quantified
simultaneously from the weights of the neural network. The inference of the
chemical pathways is accomplished by training the CRNN with species
concentration data via stochastic gradient descent. We demonstrate the
successful implementations and the robustness of the approach in elucidating
the chemical reaction pathways of several chemical engineering and biochemical
systems. The autonomous inference by the CRNN approach precludes the need for
expert knowledge in proposing candidate networks and addresses the curse of
dimensionality in complex systems. The physical interpretability also makes the
CRNN capable of not only fitting the data for a given system but also
developing knowledge of unknown pathways that could be generalized to similar
chemical systems.
- Abstract（参考訳）: 化学反応は、エネルギー、環境、生物、その他の多くの自然システムで起こり、反応ネットワークの推論は、工学や生命科学における化学プロセスを理解し設計するために不可欠である。
しかし、複雑なシステムやプロセスの反応経路を明らかにすることは、関連する種や反応の知識が不足しているため、依然として難しい。
本稿では,時間分解種濃度データから自律的に反応経路を探索するニューラルネットワークアプローチを提案する。
提案された化学反応ニューラルネットワーク(CRNN)は設計上、質量反応法やアレニウス法を含む基本的な物理法則を満たす。
これにより、CRNNは反応経路を解釈できるように物理的に解釈可能となり、ニューラルネットワークの重みから運動パラメータを同時に定量化することができる。
化学経路の推測は、CRNNを確率勾配降下による種濃度データで訓練することで達成される。
本稿では,いくつかの化学工学系と生化学系の化学反応経路を解明する手法の実装と頑健性を示す。
CRNNアプローチによる自律的推論は、候補ネットワークの提案における専門家の知識の必要性を防ぎ、複雑なシステムにおける次元性の呪いに対処する。
物理的解釈性により、crnnは与えられたシステムのデータに適合するだけでなく、類似の化学系に一般化できる未知の経路に関する知識を発達させることができる。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Automatic Implementation of Neural Networks through Reaction Networks --
Part I: Circuit Design and Convergence Analysis [9.107489906506798]
本論文は, 物質動態を考慮したプログラム型生化学反応ネットワーク (BCRN) の導入を目的とする。
第1部では、フィードフォワード伝播計算、バックプロパゲーション成分、およびFCNNのすべてのブリッジ処理を、特定のBCRNモジュールとして創発的に設計する。
論文 参考訳（メタデータ） (2023-11-30T07:31:36Z) - AI for Interpretable Chemistry: Predicting Radical Mechanistic Pathways
via Contrastive Learning [45.379791270351184]
RMechRPは、新しいディープラーニングベースの反応予測システムである。
我々は、ラジカル反応の公開データベースであるRMechDBを用いてモデルを開発し、訓練する。
本研究は,RMechRPが正確かつ解釈可能な予測に有効であることを示す。
論文 参考訳（メタデータ） (2023-11-02T09:47:27Z) - Interpretable neural architecture search and transfer learning for
understanding CRISPR/Cas9 off-target enzymatic reactions [3.5994174958472307]
Elektrumは、生化学系の力学を決定するためのディープラーニングフレームワークである。
KINNは中間層として深い畳み込みニューラルネットワークに挿入される。
我々はEektrumを用いてCRISPR-Cas9のオフターゲット編集確率を予測し、最先端のパフォーマンスを実現することを実証する。
論文 参考訳（メタデータ） (2023-05-18T23:49:42Z) - Differentiable Programming of Chemical Reaction Networks [63.948465205530916]
化学反応ネットワークは、自然によって使用される最も基本的な計算基板の1つである。
膜によって分離された複数のチャンバーを持つシステムと同様に、よく混合されたシングルチャンバーシステムについて検討した。
我々は、微分可能な最適化と適切な正規化が相まって、非自明なスパース反応ネットワークを発見することを実証した。
論文 参考訳（メタデータ） (2023-02-06T11:41:14Z) - Detailed Balanced Chemical Reaction Networks as Generalized Boltzmann
Machines [0.0]
本稿では,生物化学計算機が内在性化学ノイズを用いて複雑な計算を行う方法を示す。
また、我々の明示的な物理モデルを用いて、推論の熱力学的コストを導出する。
論文 参考訳（メタデータ） (2022-05-12T18:59:43Z) - Programming molecular systems to emulate a learning spiking neuron [1.2707050104493216]
ヘビアン理論は、脳のニューロンが刺激にどのように適応し、学習を可能にするかを説明する。
本稿では, 分子系が, プロト・インテリジェントな振る舞いを示すためにどのように設計できるかを考察する。
任意に多くの入力チャネルにまたがる自律的なヘビアン学習を示す最初の化学反応ネットワークを提案する。
論文 参考訳（メタデータ） (2022-05-09T09:21:40Z) - Programming and Training Rate-Independent Chemical Reaction Networks [9.001036626196258]
天然の生化学系は一般的に化学反応ネットワーク(CRN)によってモデル化される
CRNは合成化学計算の仕様言語として使用できる。
本稿では, NC-CRNのプログラム手法について述べる。
論文 参考訳（メタデータ） (2021-09-20T15:31:03Z) - Self-Improved Retrosynthetic Planning [66.5397931294144]
再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応の経路を見つけるための化学の基本的な問題である。
最近の検索アルゴリズムは、ディープニューラルネットワーク(DNN)を用いてこの問題を解決するための有望な結果を示している。
そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-09T08:03:57Z) - Graph Neural Networks for the Prediction of Substrate-Specific Organic
Reaction Conditions [79.45090959869124]
有機化学反応をモデル化するために,グラフニューラルネットワーク(GNN)を用いた系統的研究を行った。
実験試薬と条件の識別に関わる分類タスクに対して、7つの異なるGNNアーキテクチャを評価した。
論文 参考訳（メタデータ） (2020-07-08T17:21:00Z) - Learning To Navigate The Synthetically Accessible Chemical Space Using
Reinforcement Learning [75.95376096628135]
ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。
このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。
本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
論文 参考訳（メタデータ） (2020-04-26T21:40:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。