Fugu-MT 論文翻訳(概要): Detailed Balanced Chemical Reaction Networks as Generalized Boltzmann Machines

論文の概要: Detailed Balanced Chemical Reaction Networks as Generalized Boltzmann Machines

arxiv url: http://arxiv.org/abs/2205.06313v1
Date: Thu, 12 May 2022 18:59:43 GMT
ステータス: 処理完了
システム内更新日: 2022-05-16 14:15:33.293986
Title: Detailed Balanced Chemical Reaction Networks as Generalized Boltzmann Machines
Title（参考訳）: 一般化ボルツマンマシンとしての詳細な平衡化学反応ネットワーク
Authors: William Poole, Thomas Ouldridge, Manoj Gopalkrishnan, and Erik Winfree
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Can a micron sized sack of interacting molecules understand, and adapt to a constantly-fluctuating environment? Cellular life provides an existence proof in the affirmative, but the principles that allow for life's existence are far from being proven. One challenge in engineering and understanding biochemical computation is the intrinsic noise due to chemical fluctuations. In this paper, we draw insights from machine learning theory, chemical reaction network theory, and statistical physics to show that the broad and biologically relevant class of detailed balanced chemical reaction networks is capable of representing and conditioning complex distributions. These results illustrate how a biochemical computer can use intrinsic chemical noise to perform complex computations. Furthermore, we use our explicit physical model to derive thermodynamic costs of inference.
Abstract（参考訳）: ミクロンサイズの相互作用分子の袋は、常に変動する環境に適応できるのか? 細胞性生命は肯定的な存在の証明を提供するが、生命の存在を許す原理は証明されていない。バイオケミカル計算の工学と理解における課題の1つは、化学的変動による固有のノイズである。本稿では, 機械学習理論, 化学反応ネットワーク理論, 統計物理学の知見から, 複雑な分布の表現と条件付けが可能な, 詳細なバランスの取れた化学反応ネットワークの広範かつ生物学的な分類を示す。これらの結果は,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している。さらに, 熱力学的な推論コストを導出するために, 明示的な物理モデルを用いる。

関連論文リスト

Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
本稿では,様々な有機反応関連タスクに適した新しい化学反応表現学習モデルであるモデルネームを紹介する。反応物質と生成物との原子対応を統合することにより、反応中に生じる分子変換を識別し、反応機構の理解を深める。反応条件を化学反応表現に組み込むアダプタ構造を設計し、様々な反応条件を処理し、様々なデータセットや下流タスク、例えば反応性能予測に適応できるようにした。
論文参考訳（メタデータ） (2024-11-26T17:41:44Z)
The Origin and Evolution of Information Handling [0.6963971634605796]
本稿では、情報制御の開始過程と、生命の原始的な制御機構がいかに進化し、ますます洗練されていくかを説明する。化学計算における原始遷移を正確に記述することにより、上記のギャップを説明することができる。自由エネルギーの原理と互換性があるので、生命の起源から高レベルの認知までを記述できる計算エアクティビスト理論の枠組みを開発した。
論文参考訳（メタデータ） (2024-04-05T19:35:38Z)
A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文参考訳（メタデータ） (2024-02-16T18:05:09Z)
Autonomous Learning of Generative Models with Chemical Reaction Network Ensembles [0.0]
我々は、幅広い種類の化学系が複雑な分布を自律的に学習できる一般的なアーキテクチャを開発する。提案手法は, 相対エントロピーコスト関数の勾配降下という, 機械学習の最適化作業の化学的実装の形式を取り入れたものである。
論文参考訳（メタデータ） (2023-11-02T03:46:23Z)
Towards Predicting Equilibrium Distributions for Molecular Systems with Deep Learning [60.02391969049972]
本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。 DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
論文参考訳（メタデータ） (2023-06-08T17:12:08Z)
A linear response framework for simulating bosonic and fermionic correlation functions illustrated on quantum computers [58.720142291102135]
線形反応における応答関数を得るためのリーマン形式は実験に直接関連しない。量子コンピューティングの文脈において、実験を量子シミュレーションの不可分な部分とする。ボソニックグリーンとフェルミオングリーンの両方の関数が得られ、これらのアイデアを電荷密度波材料の研究に応用できることを示す。
論文参考訳（メタデータ） (2023-02-20T19:01:02Z)
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)
A modular quantum-classical framework for simulating chemical reaction pathways accurately [0.0]
化学反応経路を正確にシミュレートするモジュラー量子古典ハイブリッドフレームワークを提案する。我々は、小さな有機分子の異性化経路を正確に追跡することで、我々の枠組みを実証する。この枠組みは、薬品や化学産業の他の「活性」分子の研究に容易に応用できる。
論文参考訳（メタデータ） (2022-10-17T10:41:53Z)
Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
論文参考訳（メタデータ） (2022-05-17T13:08:28Z)
A Quantum Finite Automata Approach to Modeling the Chemical Reactions [0.0]
量子計算モデルを用いた化学情報処理の研究は自然な目標である。線形時間で停止する2方向量子有限オートマトンを用いた化学反応をモデル化した。化学アクセプション/リジェクトシグネチャと量子オートマトンモデルを組み合わせることで、計算の汎用性を向上できることが証明されている。
論文参考訳（メタデータ） (2020-07-08T09:15:33Z)
Autonomous Discovery of Unknown Reaction Pathways from Data by Chemical Reaction Neural Network [0.0]
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。
論文参考訳（メタデータ） (2020-02-20T23:36:46Z)

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。