論文の概要: Stochastic Optimal Control for Collective Variable Free Sampling of Molecular Transition Paths

• arxiv url: http://arxiv.org/abs/2207.02149v2
• Date: Tue, 18 Jul 2023 10:09:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-19 19:46:04.555036
• Title: Stochastic Optimal Control for Collective Variable Free Sampling of Molecular Transition Paths
• Title（参考訳）: 分子遷移経路の集団可変自由サンプリングのための確率的最適制御
• Authors: Lars Holdijk, Yuanqi Du, Ferry Hooft, Priyank Jaini, Bernd Ensing, Max Welling
• Abstract要約: 分子系の2つの準安定状態間の遷移経路をサンプリングする問題を考察する。 本稿では,その遷移をサンプリングする機械学習手法を提案する。
• 参考スコア（独自算出の注目度）: 60.254555533113674
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the problem of sampling transition paths between two given metastable states of a molecular system, e.g. a folded and unfolded protein or products and reactants of a chemical reaction. Due to the existence of high energy barriers separating the states, these transition paths are unlikely to be sampled with standard Molecular Dynamics (MD) simulation. Traditional methods to augment MD with a bias potential to increase the probability of the transition rely on a dimensionality reduction step based on Collective Variables (CVs). Unfortunately, selecting appropriate CVs requires chemical intuition and traditional methods are therefore not always applicable to larger systems. Additionally, when incorrect CVs are used, the bias potential might not be minimal and bias the system along dimensions irrelevant to the transition. Showing a formal relation between the problem of sampling molecular transition paths, the Schr\"odinger bridge problem and stochastic optimal control with neural network policies, we propose a machine learning method for sampling said transitions. Unlike previous non-machine learning approaches our method, named PIPS, does not depend on CVs. We show that our method successful generates low energy transitions for Alanine Dipeptide as well as the larger Polyproline and Chignolin proteins.
• Abstract（参考訳）: 分子系の2つの準安定な状態、例えば、折りたたまれたタンパク質や生成物と化学反応の反応物の間の遷移経路をサンプリングする問題を考える。 状態を分離する高エネルギー障壁が存在するため、これらの遷移経路は標準的な分子動力学(MD)シミュレーションでサンプリングされる可能性は低い。 遷移の確率を高めるバイアスポテンシャルでMDを増強する伝統的な方法は、集団変数(CV)に基づく次元的還元ステップに依存している。 残念ながら、適切なcvsを選択するには化学直観が必要であるため、従来の方法がより大きなシステムに適用できるとは限らない。 さらに、不正なcvsを使用する場合、バイアスポテンシャルは最小ではなく、遷移と無関係な次元に沿ってシステムをバイアスする可能性がある。 分子遷移経路のサンプリング問題,シュリンガーブリッジ問題,ニューラルネットワークポリシによる確率的最適制御の形式的関係を示すため,これらの遷移をサンプリングする機械学習手法を提案する。 従来の非機械学習法とは異なり、PIPSと呼ばれる手法はCVに依存しない。 本手法はアラニンジペプチドおよびより大きいポリプロリンおよびチグノリンタンパク質の低エネルギー遷移を誘導する。

関連論文リスト

• Detecting Quantum and Classical Phase Transitions via Unsupervised Machine Learning of the Fisher Information Metric [0.0]
  そこで我々はClassiFIMと呼ばれる教師なし機械学習(ML)手法を開発した。 クラスiFIMは、トポロジカル(例えばXXZ鎖)と動的(例えば、ハバードモデルにおける金属絶縁体遷移)の両方を確実に検出する。
  論文  参考訳（メタデータ） (2024-08-06T19:34:04Z)
• Transition Path Sampling with Improved Off-Policy Training of Diffusion Path Samplers [10.210248065533133]
  遷移経路サンプリングのための拡散経路サンプリングを訓練する新しい手法を提案する。 我々はこの問題を対象経路測定の償却サンプリングとして再考した。 我々はTPS-DPSを合成二重井戸電位と3つのペプチドで評価した。
  論文  参考訳（メタデータ） (2024-05-30T11:32:42Z)
• Transition Path Sampling with Boltzmann Generator-based MCMC Moves [49.69940954060636]
  サンプル遷移経路への現在のアプローチはマルコフ連鎖モンテカルロを用いており、新しい経路を見つけるために時間集約的な分子動力学シミュレーションに依存している。 我々の手法は、分子のボルツマン分布からガウスへ写像する正規化フローの潜在空間で機能し、分子シミュレーションを必要とせずに新しい経路を提案する。
  論文  参考訳（メタデータ） (2023-12-08T20:05:33Z)
• Telling different unravelings apart via nonlinear quantum-trajectory averages [0.272760415353533]
  ゴリーニ-コサコフスキー-スダルシャン-リンドブラッドマスター方程式は開量子系の密度行列を支配している。 異なる測定シナリオにおいて同一のMEが生成する未発見物を,操作的に識別する手法を提案する。 量子軌道平均分散は,これらの測定シナリオを識別できることを示す。
  論文  参考訳（メタデータ） (2023-12-06T12:21:17Z)
• Diffusion Methods for Generating Transition Paths [6.222135766747873]
  本研究では,スコアベース生成モデルを用いて準安定状態間の稀な遷移をシミュレートする。 本稿では,チェーンベースアプローチとミッドポイントベースアプローチの2つの新しい経路生成手法を提案する。 M"uller電位とアラニンジペプチドが生成する遷移経路の数値的な結果は、これらのアプローチがデータリッチとデータスカースの両方で有効であることを示す。
  論文  参考訳（メタデータ） (2023-09-19T03:03:03Z)
• Conditioning Normalizing Flows for Rare Event Sampling [61.005334495264194]
  本稿では,ニューラルネットワーク生成構成に基づく遷移経路サンプリング手法を提案する。 本手法は遷移領域の熱力学と運動学の両方の解法を可能にすることを示す。
  論文  参考訳（メタデータ） (2022-07-29T07:56:10Z)
• Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
  多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。 局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
  論文  参考訳（メタデータ） (2022-07-01T09:06:25Z)
• Computational Doob's h-transforms for Online Filtering of Discretely Observed Diffusions [65.74069050283998]
  本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。 提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
  論文  参考訳（メタデータ） (2022-06-07T15:03:05Z)
• GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation [102.85440102147267]
  分子配座予測のための新しい生成モデルGeoDiffを提案する。 GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
  論文  参考訳（メタデータ） (2022-03-06T09:47:01Z)
• Generalized Discrete Truncated Wigner Approximation for Nonadiabtic Quantum-Classical Dynamics [0.0]
  線形化半古典法, 一般化離散トランケートウィグナー近似(GDTWA)を導入する。 GDTWAは離散位相空間における電子自由度をサンプリングし、電子状態の集団の非物理的成長を禁ずる。 本手法は, 化学および関連分野における非断熱力学問題の解決に極めて適している可能性が示唆された。
  論文  参考訳（メタデータ） (2021-04-14T21:53:35Z)

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。