論文の概要: Accelerating Bayesian Optimization for Biological Sequence Design with
Denoising Autoencoders
- arxiv url: http://arxiv.org/abs/2203.12742v1
- Date: Wed, 23 Mar 2022 21:58:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 13:24:56.962599
- Title: Accelerating Bayesian Optimization for Biological Sequence Design with
Denoising Autoencoders
- Title(参考訳): Denoising Autoencodersを用いた生物配列設計のためのベイズ最適化の高速化
- Authors: Samuel Stanton, Wesley Maddox, Nate Gruver, Phillip Maffettone, Emily
Delaney, Peyton Greenside, Andrew Gordon Wilson
- Abstract要約: 我々は,識別可能なマルチタスクガウスプロセスヘッドを用いて,デノナイズドオートエンコーダを共同で訓練する手法を開発した。
我々はZINCデータセットに基づく小分子上でLaMBOを評価し,蛍光タンパク質をターゲットとした新しい大規模分子タスクを導入する。
- 参考スコア(独自算出の注目度): 28.550684606186884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bayesian optimization is a gold standard for query-efficient continuous
optimization. However, its adoption for drug and antibody sequence design has
been hindered by the discrete, high-dimensional nature of the decision
variables. We develop a new approach (LaMBO) which jointly trains a denoising
autoencoder with a discriminative multi-task Gaussian process head, enabling
gradient-based optimization of multi-objective acquisition functions in the
latent space of the autoencoder. These acquisition functions allow LaMBO to
balance the explore-exploit trade-off over multiple design rounds, and to
balance objective tradeoffs by optimizing sequences at many different points on
the Pareto frontier. We evaluate LaMBO on a small-molecule task based on the
ZINC dataset and introduce a new large-molecule task targeting fluorescent
proteins. In our experiments, LaMBO outperforms genetic optimizers and does not
require a large pretraining corpus, demonstrating that Bayesian optimization is
practical and effective for biological sequence design.
- Abstract(参考訳): ベイズ最適化はクエリ効率の高い連続最適化のための金の標準である。
しかし、薬品および抗体配列設計への採用は、決定変数の離散的で高次元的な性質によって妨げられている。
本稿では,自動エンコーダの潜在空間における多目的獲得関数の勾配に基づく最適化を実現するため,識別型マルチタスクガウスプロセスヘッドで自動エンコーダを協調訓練する手法(LaMBO)を開発した。
これらの獲得機能により、LaMBOは複数の設計ラウンドにおける探索・探索トレードオフのバランスをとることができ、Paretoフロンティア上の多くの異なる点におけるシーケンスを最適化することで、客観的トレードオフのバランスをとることができる。
我々は,ZINCデータセットに基づく小分子タスクでLaMBOを評価し,蛍光タンパク質をターゲットとした新しい大規模分子タスクを導入する。
我々の実験では、LaMBOは遺伝的オプティマイザよりも優れており、大きな事前学習コーパスを必要としないため、ベイズ最適化は生物学的配列設計において実用的で効果的であることを示す。
関連論文リスト
- Efficient Bayesian Optimization with Deep Kernel Learning and
Transformer Pre-trained on Multiple Heterogeneous Datasets [9.510327380529892]
本稿では,トランスフォーマーベースのエンコーダから学習した深い特徴に基づいてカーネルが定義されたガウス過程(GP)であるサロゲートを事前訓練する簡単な手法を提案する。
総合的および実ベンチマーク問題に対する実験は,提案した事前学習および転送BO戦略の有効性を実証するものである。
論文 参考訳(メタデータ) (2023-08-09T01:56:10Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate
ranks [49.85896045032822]
非支配解と最高多変量階との自然な関係を示し、これは合同累積分布関数(CDF)の最外層線と一致する。
我々はCDFインジケータに基づくBOtiedと呼ばれる取得関数を提案する。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process
Optimization [59.45414406974091]
我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。
NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。
その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
論文 参考訳(メタデータ) (2023-05-31T12:07:50Z) - End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。
我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文 参考訳(メタデータ) (2023-05-25T10:58:46Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳(メタデータ) (2022-10-27T01:58:10Z) - Designing Biological Sequences via Meta-Reinforcement Learning and
Bayesian Optimization [68.28697120944116]
メタ強化学習を用いて自己回帰生成モデルを訓練し、選択のための有望なシーケンスを提案する。
我々は,データのサブセットのサンプリングによって誘導されるMDPの分布に対する最適ポリシーを求める問題として,この問題を提起する。
このようなアンサンブルに対するメタラーニングは,報酬の過小評価に対して頑健であり,競争的な結果が得られることを示す。
論文 参考訳(メタデータ) (2022-09-13T18:37:27Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z) - Multi-Fidelity Bayesian Optimization via Deep Neural Networks [19.699020509495437]
多くのアプリケーションでは、目的関数を複数の忠実度で評価することで、コストと精度のトレードオフを可能にする。
本稿では,DNN-MFBO(Deep Neural Network Multi-Fidelity Bayesian Optimization)を提案する。
本手法の利点は, 総合的なベンチマークデータセットと, 工学設計における実世界の応用の両方にある。
論文 参考訳(メタデータ) (2020-07-06T23:28:40Z) - BOSH: Bayesian Optimization by Sampling Hierarchically [10.10241176664951]
本稿では,階層的なガウス過程と情報理論の枠組みを組み合わせたBOルーチンを提案する。
BOSHは, ベンチマーク, シミュレーション最適化, 強化学習, ハイパーパラメータチューニングタスクにおいて, 標準BOよりも効率的で高精度な最適化を実現する。
論文 参考訳(メタデータ) (2020-07-02T07:35:49Z) - Scalable Constrained Bayesian Optimization [10.820024633762596]
ブラックボックス制約下での高次元ブラックボックス関数のグローバルな最適化は、機械学習、制御、科学コミュニティにおける普及的なタスクである。
本稿では,上記の課題を克服し,現状を推し進めるスケーラブルな制約付きベイズ最適化(SCBO)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-02-20T01:48:46Z)
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。