論文の概要: MDsrv -- visual sharing and analysis of molecular dynamics simulations

• arxiv url: http://arxiv.org/abs/2203.13658v1
• Date: Fri, 25 Mar 2022 14:08:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-28 17:17:45.649981
• Title: MDsrv -- visual sharing and analysis of molecular dynamics simulations
• Title（参考訳）: MDsrv -- 分子動力学シミュレーションの視覚的共有と解析
• Authors: Michelle Kampfrath, Ren\'e Staritzbichler, Guillermo P\'erez Hern\'andez, Alexander S. Rose, Johanna K.S. Tiemann, Gerik Scheuermann, Daniel Wiegreffe, Peter W. Hildebrand
• Abstract要約: MDsrvはMDトラジェクトリをストリームし、Webブラウザでインタラクティブに表示するツールである。 現在、MDsrvを拡張して、MDトラジェクトリのアップロードと共有をさらに単純化しています。 重要なイノベーションは、MDsrvがリモートデータセットからトラジェクトリにアクセスして視覚化できるようになったことだ。
• 参考スコア（独自算出の注目度）: 49.88123522856065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Molecular dynamics simulation is a proven technique for computing and visualizing the time-resolved motion of macromolecules at atomic resolution. The MDsrv is a tool that streams MD trajectories and displays them interactively in web browsers without requiring advanced skills, facilitating interactive exploration and collaborative visual analysis. We have now enhanced the MDsrv to further simplify the upload and sharing of MD trajectories and improve their online viewing and analysis. With the new instance, the MDsrv simplifies the creation of sessions, which allows the exchange of MD trajectories with preset representations and perspectives. An important innovation is that the MDsrv can now access and visualize trajectories from remote datasets, which greatly expands its applicability and use, as the data no longer needs to be accessible on a local server. In addition, initial analyses such as sequence or structure alignments, distance measurements, or RMSD calculations have been implemented, which optionally support visual analysis. Finally, the MDsrv now offers a faster and more efficient visualization of even large trajectories.
• Abstract（参考訳）: 分子動力学シミュレーションは、分子の時間分解運動を原子分解能で計算し可視化するための実証された技術である。 MDsrvはMDトラジェクトリをストリームし、高度なスキルを必要とせず、インタラクティブな探索と協調的な視覚分析を容易にするツールである。 mdsrvを強化し、mdトラックのアップロードと共有をさらに単純化し、オンライン視聴と分析を改善しました。 新しいインスタンスでは、MDsrvはセッションの作成を単純化し、事前セットされた表現と視点とのMDトラジェクトリの交換を可能にする。 重要なイノベーションは、mdsrvがリモートデータセットからのトラジェクタにアクセスして視覚化できるようになったことだ。 さらに、シーケンスや構造アライメント、距離測定、RMSD計算などの初期分析も実施されており、視覚解析を任意にサポートする。 最後に、MDsrvはより速く、より効率的な大きな軌道の可視化を提供する。

関連論文リスト

• When Graph Neural Networks Meet Dynamic Mode Decomposition [34.16727363891593]
  DMDアルゴリズムによって提供される低ランク固有関数を効果的に活用するMDD-GNNモデル群を紹介する。 我々の研究は、GNNを通して高度な動的システム解析ツールを適用するための道筋をたどっている。
  論文  参考訳（メタデータ） (2024-10-08T01:09:48Z)
• A Perspective on AI-Guided Molecular Simulations in VR: Exploring Strategies for Imitation Learning in Hyperdimensional Molecular Systems [0.7853804618032806]
  バーチャルリアリティー(iMD-VR)におけるインタラクティブ分子動力学は,近年,「ループ内人間」戦略として開発されている。 本稿では、ユーザ生成したiMD-VRデータセットを用いて、模倣学習(IL)を用いてAIエージェントを訓練する可能性について検討する。
  論文  参考訳（メタデータ） (2024-09-11T11:21:02Z)
• Latent Space Explorer: Visual Analytics for Multimodal Latent Space Exploration [12.202104074544202]
  大規模なデータセットからトレーニングされたマルチモーダル機械学習モデルは、心臓病の発症を予測する可能性がある。 Latent Space Explorerはインタラクティブな視覚化を提供しており、ユーザーは被写体のマルチモーダルな表現を探索することができる。 ユーザースタディは、医学の専門家とともに行われ、彼らのフィードバックは、ラテント・エクスプローラーが分析にどのように役立つかについての有益な洞察を提供した。
  論文  参考訳（メタデータ） (2023-12-01T15:25:56Z)
• MoViT: Memorizing Vision Transformers for Medical Image Analysis [13.541165687193581]
  トランスフォーマーベースのアーキテクチャのトレーニングとデプロイを成功させるために,大規模なデータセットの必要性を軽減するために,覚醒型ビジョントランスフォーマー(MoViT)を提案する。 MoViTはトレーニングデータのわずか3.0%でViTの競争性能に達することができる。
  論文  参考訳（メタデータ） (2023-03-27T19:12:02Z)
• ViSNet: an equivariant geometry-enhanced graph neural network with vector-scalar interactive message passing for molecules [69.05950120497221]
  本稿では、幾何学的特徴をエレガントに抽出し、分子構造を効率的にモデル化する同変幾何拡張グラフニューラルネットワークViSNetを提案する。 提案するViSNetは,MD17,MD17,MD22を含む複数のMDベンチマークにおける最先端の手法よりも優れ,QM9およびMolecule3Dデータセット上での優れた化学的特性予測を実現する。
  論文  参考訳（メタデータ） (2022-10-29T07:12:46Z)
• SynopSet: Multiscale Visual Abstraction Set for Explanatory Analysis of DNA Nanotechnology Simulations [60.05887213349294]
  DNAナノテクノロジー領域における分子動力学シミュレーション(MDS)の説明的解析のための視覚表現の連続性を持つ新しい抽象集合(SynopSet)を提案する。 この集合はまた、すべての空間的および時間的詳細と全ての構造的複雑さを示すことができるように設計されている。 我々の表現の集合は、SynopSpaceと呼ばれる可視化空間に体系的に配置できることを示してきた。
  論文  参考訳（メタデータ） (2022-04-18T06:53:52Z)
• Towards Scale Consistent Monocular Visual Odometry by Learning from the Virtual World [83.36195426897768]
  仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。 まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。 結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
  論文  参考訳（メタデータ） (2022-03-11T01:51:54Z)
• Multitask Adaptation by Retrospective Exploration with Learned World Models [77.34726150561087]
  本稿では,タスク非依存ストレージから取得したMBRLエージェントのトレーニングサンプルを提供するRAMaというメタ学習型アドレッシングモデルを提案する。 このモデルは、期待されるエージェントのパフォーマンスを最大化するために、ストレージから事前のタスクを解く有望な軌道を選択することで訓練される。
  論文  参考訳（メタデータ） (2021-10-25T20:02:57Z)
• Relational Graph Learning on Visual and Kinematics Embeddings for Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
  本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。 本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
  論文  参考訳（メタデータ） (2020-11-03T11:00:10Z)

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。