論文の概要: A Data Driven Method for Computing Quasipotentials
- arxiv url: http://arxiv.org/abs/2012.09111v1
- Date: Sun, 13 Dec 2020 02:32:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-09 12:38:46.073239
- Title: A Data Driven Method for Computing Quasipotentials
- Title(参考訳): 準ポテンシャル計算のためのデータ駆動手法
- Authors: Bo Lin, Qianxiao Li, and Weiqing Ren
- Abstract要約: 準ポテンシャルは遷移イベントと遷移経路の統計を特徴づける中心的な役割を担っている。
動的プログラミング原理やパス空間に基づく伝統的な方法は、次元の呪いに苦しむ傾向があります。
本手法は,空間的離散化や経路空間最適化問題を解くことなく,効果的に準ポテンシャル景観を計算できることを示す。
- 参考スコア(独自算出の注目度): 8.055813148141246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quasipotential is a natural generalization of the concept of energy
functions to non-equilibrium systems. In the analysis of rare events in
stochastic dynamics, it plays a central role in characterizing the statistics
of transition events and the likely transition paths. However, computing the
quasipotential is challenging, especially in high dimensional dynamical systems
where a global landscape is sought. Traditional methods based on the dynamic
programming principle or path space minimization tend to suffer from the curse
of dimensionality. In this paper, we propose a simple and efficient machine
learning method to resolve this problem. The key idea is to learn an orthogonal
decomposition of the vector field that drives the dynamics, from which one can
identify the quasipotential. We demonstrate on various example systems that our
method can effectively compute quasipotential landscapes without requiring
spatial discretization or solving path-space optimization problems. Moreover,
the method is purely data driven in the sense that only observed trajectories
of the dynamics are required for the computation of the quasipotential. These
properties make it a promising method to enable the general application of
quasipotential analysis to dynamical systems away from equilibrium.
- Abstract(参考訳): 準ポテンシャルは非平衡系へのエネルギー関数の概念の自然な一般化である。
確率力学における希少事象の解析において、遷移事象の統計と起こりうる遷移経路を特徴づける中心的な役割を担っている。
しかし、特にグローバルな景観を求める高次元力学系では、準ポテンシャルの計算は困難である。
動的プログラミング原理や経路空間の最小化に基づく伝統的な手法は、次元性の呪いに悩まされる傾向がある。
本稿では,この問題を解決するための簡易かつ効率的な機械学習手法を提案する。
鍵となる考え方は、力学を駆動するベクトル場の直交分解を学習することであり、そこから準ポテンシャルを特定できる。
本手法は,空間的離散化や経路空間最適化問題を解くことなく,効果的に準ポテンシャル景観を計算できることを示す。
さらに、この手法は、準ポテンシャルの計算には力学の観測軌道のみを必要とするという意味で純粋にデータ駆動である。
これらの性質は、平衡から離れる力学系への準ポテンシャル解析の一般応用を可能にする有望な方法である。
関連論文リスト
- An optimization-based equilibrium measure describes non-equilibrium
steady state dynamics: application to edge of chaos [3.0349733976070024]
最適化問題として定常状態を求めることは、勾配ダイナミクスの実行と等価であることを示す。
このフレームワーク内では、ニューラルネットワークの焼き込み内因性障害を平均化することができる。
本手法は,決定論的・高次元力学の定常景観を解析的に研究するための扉を開く。
論文 参考訳(メタデータ) (2024-01-18T14:25:32Z) - TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。
時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。
様々な物理システムに対する実験結果から,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-10-10T08:52:16Z) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳(メタデータ) (2023-02-05T01:39:21Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳(メタデータ) (2022-02-15T19:00:09Z) - Structure-Preserving Learning Using Gaussian Processes and Variational
Integrators [62.31425348954686]
本稿では,機械系の古典力学に対する変分積分器と,ガウス過程の回帰による残留力学の学習の組み合わせを提案する。
我々は、既知のキネマティック制約を持つシステムへのアプローチを拡張し、予測の不確実性に関する公式な境界を提供する。
論文 参考訳(メタデータ) (2021-12-10T11:09:29Z) - Computing the Invariant Distribution of Randomly Perturbed Dynamical
Systems Using Deep Learning [9.053926666240118]
不変分布はランダムな摂動力学系の研究において重要な対象である。
フォッカー・プランク方程式に基づく不変分布の計算法は、低次元系に限られる。
一般化ポテンシャルを計算するためのディープラーニングに基づく手法を提案する。
論文 参考訳(メタデータ) (2021-10-22T00:45:46Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳(メタデータ) (2021-09-06T04:39:06Z) - Modern Koopman Theory for Dynamical Systems [2.5889588665122725]
現代のクープマン作用素論を概観し、最近の理論とアルゴリズムの発展について述べる。
また、急速に成長する機械学習分野における重要な進歩と課題についても論じる。
論文 参考訳(メタデータ) (2021-02-24T06:18:16Z) - Linear embedding of nonlinear dynamical systems and prospects for
efficient quantum algorithms [74.17312533172291]
有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。
次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
論文 参考訳(メタデータ) (2020-12-12T00:01:10Z) - OnsagerNet: Learning Stable and Interpretable Dynamics using a
Generalized Onsager Principle [19.13913681239968]
我々は、一般化オンサーガー原理に基づいて、物理過程からサンプリングされた軌道データを用いて、安定かつ物理的に解釈可能な力学モデルを学ぶ。
さらに、この手法をレイリー・ベナード対流の研究に応用し、ローレンツ風の低次元自律還元次モデルを学ぶ。
論文 参考訳(メタデータ) (2020-09-06T07:30:59Z) - On dissipative symplectic integration with applications to
gradient-based optimization [77.34726150561087]
本稿では,離散化を体系的に実現する幾何学的枠組みを提案する。
我々は、シンプレクティックな非保守的、特に散逸的なハミルトン系への一般化が、制御された誤差まで収束率を維持することができることを示す。
論文 参考訳(メタデータ) (2020-04-15T00:36:49Z)
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。