論文の概要: Conditioning Normalizing Flows for Rare Event Sampling
- arxiv url: http://arxiv.org/abs/2207.14530v2
- Date: Fri, 19 May 2023 13:24:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-22 19:51:21.461693
- Title: Conditioning Normalizing Flows for Rare Event Sampling
- Title(参考訳): 希少イベントサンプリングのための条件付き正規化フロー
- Authors: Sebastian Falkner, Alessandro Coretti, Salvatore Romano, Phillip
Geissler, Christoph Dellago
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 61.005334495264194
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the dynamics of complex molecular processes is often linked to
the study of infrequent transitions between long-lived stable states. The
standard approach to the sampling of such rare events is to generate an
ensemble of transition paths using a random walk in trajectory space. This,
however, comes with the drawback of strong correlations between subsequently
sampled paths and with an intrinsic difficulty in parallelizing the sampling
process. We propose a transition path sampling scheme based on neural-network
generated configurations. These are obtained employing normalizing flows, a
neural network class able to generate statistically independent samples from a
given distribution. With this approach, not only are correlations between
visited paths removed, but the sampling process becomes easily parallelizable.
Moreover, by conditioning the normalizing flow, the sampling of configurations
can be steered towards regions of interest. We show that this approach enables
the resolution of both the thermodynamics and kinetics of the transition
region.
- Abstract(参考訳): 複雑な分子過程の力学を理解することは、しばしば長寿命の安定状態の間の頻繁な遷移の研究と結びついている。
このようなまれな事象のサンプリングに対する標準的なアプローチは、軌道空間内のランダムウォークを用いて遷移経路のアンサンブルを生成することである。
しかし、これは後続のサンプルパス間の強い相関の欠点と、サンプリングプロセスの並列化に固有の困難が伴う。
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。
これらは、与えられた分布から統計的に独立なサンプルを生成することができるニューラルネットワーククラスである正規化フローを用いて得られる。
このアプローチでは、訪問経路間の相関が除去されるだけでなく、サンプリングプロセスも容易に並列化できる。
さらに、正規化フローを条件付けすることにより、興味のある領域に向けて構成のサンプリングを行うことができる。
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。
関連論文リスト
- Information-Theoretic Proofs for Diffusion Sampling [13.095978794717007]
本稿では, 拡散法に基づくジェネレーティブ・モデリング手法の基本的, 自己完結型分析法を提案する。
拡散ステップサイズが十分に小さい場合、サンプリング分布はターゲット分布に確実に近いことを示す。
また,各ステップに追加のランダム性を導入して,比較過程における高次モーメントに一致させることにより,収束を促進させる方法についての透過的なビューを提供する。
論文 参考訳(メタデータ) (2025-02-04T13:19:21Z) - Sequential Controlled Langevin Diffusions [80.93988625183485]
2つの一般的な方法として,(1) 所定のマルコフ連鎖と再サンプリング工程を通した連続モンテカルロ (SMC) と,(2) 学習された動的輸送を用いる拡散に基づくサンプリング手法が最近開発された。
本稿では,SMC と拡散型サンプリング器を連続的に観察し,経路空間の測度を考慮し,SMC と拡散型サンプリング器を組み合わせるための基本的枠組みを提案する。
これは、従来の拡散のトレーニング予算の10%しか使用しない場合が多いが、これらの手法の利点を活用でき、複数のベンチマーク問題の性能向上に資するSCLD(Sequential Controlled Langevin Diffusion)サンプリング手法の成果である。
論文 参考訳(メタデータ) (2024-12-10T00:47:10Z) - Transition Path Sampling with Improved Off-Policy Training of Diffusion Path Samplers [10.210248065533133]
本稿では,拡散経路サンプリング問題に対処するために拡散経路サンプリング器(DPS)を訓練する新しい手法を提案する。
DPSにより誘導される経路分布と遷移経路分布との対数分散を最小化することにより、遷移経路分布からの償却サンプリングとして問題を再構築する。
我々は、TPS-DPSと呼ばれる我々のアプローチを、合成系、小ペプチド、高速折りたたみタンパク質で広範囲に評価し、既存のベースラインよりも現実的で多様な遷移経路を生み出すことを実証した。
論文 参考訳(メタデータ) (2024-05-30T11:32:42Z) - On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。
本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
論文 参考訳(メタデータ) (2024-05-18T15:59:41Z) - Stable generative modeling using Schrödinger bridges [0.22499166814992438]
本稿では,Schr"odinger BridgesとLangevin dynamicsを組み合わせた生成モデルを提案する。
我々のフレームワークは自然に条件付きサンプルを生成し、ベイズ推論問題に拡張することができる。
論文 参考訳(メタデータ) (2024-01-09T06:15:45Z) - Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。
本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文 参考訳(メタデータ) (2023-06-27T08:15:28Z) - Detecting and Mitigating Mode-Collapse for Flow-based Sampling of
Lattice Field Theories [6.222204646855336]
格子場理論の文脈における正規化流れのモード崩壊の結果について検討する。
本稿では,モード崩壊の度合いを定量化し,その結果の偏りを導出する指標を提案する。
論文 参考訳(メタデータ) (2023-02-27T19:00:22Z) - Enhanced Sampling of Configuration and Path Space in a Generalized
Ensemble by Shooting Point Exchange [71.49868712710743]
長寿命状態間の遷移によって引き起こされる稀な事象をシミュレートする新しい手法を提案する。
このスキームは遷移経路サンプリングシミュレーションの効率を大幅に向上させる。
力学を歪ませることなく、分子過程の熱力学、動力学、反応座標に関する情報を得る。
論文 参考訳(メタデータ) (2023-02-17T08:41:31Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳(メタデータ) (2021-02-04T02:21:08Z)
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。