論文の概要: What Do Deep Neural Networks Find in Disordered Structures of Glasses?

• arxiv url: http://arxiv.org/abs/2208.00349v1
• Date: Sun, 31 Jul 2022 03:09:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 15:02:23.058222
• Title: What Do Deep Neural Networks Find in Disordered Structures of Glasses?
• Title（参考訳）: ガラスの異常構造にディープニューラルネットワークは何が見えるか?
• Authors: Norihiro Oyama, Shihori Koyama, and Takeshi Kawasaki
• Abstract要約: 本研究では,機械学習,特に畳み込みニューラルネットワークを用いて,眼鏡の特徴構造を抽出する手法を開発した。 得られた構造は, 熱揺らぎの非平衡時効動力学と強く相関していた。
• 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: Glass transitions are widely observed in a range of types of soft matter systems. However, the physical mechanism of these transitions remains unknown, despite years of ambitious research. In particular, an important unanswered question is whether the glass transition is accompanied by a divergence of the correlation lengths of the characteristic static structures. Recently, a method that can predict long-time dynamics from purely static information with high accuracy was proposed; however, even this method is not universal and does not work well for the Kob--Andersen system, which is a typical model of glass-forming liquids. In this study, we developed a method to extract the characteristic structures of glasses using machine learning or, specifically, a convolutional neural network. In particular, we extracted the characteristic structures by quantifying the grounds for the decisions made by the network. We considered two qualitatively different glass-forming binary systems and, through comparisons with several established structural indicators, we demonstrate that our system can identify characteristic structures that depend on the details of the systems. Surprisingly, the extracted structures were strongly correlated with the nonequilibrium aging dynamics on thermal fluctuation.
• Abstract（参考訳）: ガラス転移は、様々な種類の軟質物質系で広く観察されている。 しかし、これらの遷移の物理的メカニズムは、長年の野心的な研究にもかかわらず不明である。 特に、ガラス転移が特徴的静的構造の相関長のばらつきを伴うかどうかが重要な未解決問題である。 近年,ガラス形成液の典型モデルであるkob-andersen系では,静的情報から長時間のダイナミクスを高精度に予測する手法が提案されている。 本研究では,機械学習,特に畳み込みニューラルネットワークを用いて,眼鏡の特徴構造を抽出する手法を開発した。 特に,ネットワークによる決定の根拠を定量化し,特徴構造を抽出した。 2つの定性的に異なるガラス形成二元系を考察し,いくつかの確立した構造指標との比較により,システムの詳細に依存する特性構造を識別できることを実証した。 得られた構造は熱揺らぎの非平衡時効力学と強く相関していた。

関連論文リスト

• Response Estimation and System Identification of Dynamical Systems via Physics-Informed Neural Networks [0.0]
  本稿では,物理インフォームドニューラルネットワーク(PINN)を用いた力学系の同定と推定について検討する。 PINNは、既知の物理法則をニューラルネットワークの損失関数に直接埋め込むことによって、複雑な現象の単純な埋め込みを可能にするユニークな利点を提供する。 その結果、PINNは上記のすべてのタスクに対して、たとえモデルエラーがあっても、効率的なツールを提供することを示した。
  論文  参考訳（メタデータ） (2024-10-02T08:58:30Z)
• Dislocation cartography: Representations and unsupervised classification of dislocation networks with unique fingerprints [0.0]
  本研究は, 転位構造の高次元密度場データの内在構造を明らかにするために, 多様体学習手法であるIsomapを用いた。 結果の地図は転位構造を定量的に比較するための体系的な枠組みを提供し、密度場に基づくユニークな指紋を提供する。
  論文  参考訳（メタデータ） (2024-06-21T09:32:09Z)
• Discovering Symmetry Breaking in Physical Systems with Relaxed Group Convolution [21.034937143252314]
  我々は、リラックスしたグループ畳み込みを用いてデータの非対称性を学習することに集中する。 我々は、様々な物理系において解釈可能で物理的に意味のある様々な対称性を破る要因を明らかにする。
  論文  参考訳（メタデータ） (2023-10-03T14:03:21Z)
• Direct observation of a dynamical glass transition in a nanomagnetic artificial Hopfield network [0.0]
  相互作用ネットワーク上に配置された双極子結合単ドメインIsing型ナノ磁性体からなる人工スピングラスの実験的実現について述べる。 具体的には、スピングラス相関関数の温度依存性は、2次元スピングラスの理論モデルから予測されるパワー則の傾向に従う。
  論文  参考訳（メタデータ） (2022-02-04T20:18:27Z)
• Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
  トレーニングセットとその構造が長期予測の品質に与える影響を考察する。 トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-12-15T20:09:20Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• On the Exploitation of Neuroevolutionary Information: Analyzing the Past for a More Efficient Future [60.99717891994599]
  本稿では,神経進化過程から情報を抽出し,メタモデルを構築するアプローチを提案する。 本稿では, 異なる特徴を有する生成的対向ネットワークの神経進化的探索における最良の構造について検討する。
  論文  参考訳（メタデータ） (2021-05-26T20:55:29Z)
• Feedback-induced instabilities and dynamics in the Jaynes-Cummings model [62.997667081978825]
  時間遅延コヒーレントフィードバックを受けるJaynes-Cummingsモデルのコヒーレンスと定常状態特性について検討する。 導入されたフィードバックは、システムの動的応答と定常量子特性を質的に修正する。
  論文  参考訳（メタデータ） (2020-06-20T10:07:01Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)
• Self-Supervised Learning of Generative Spin-Glasses with Normalizing Flows [0.0]
  一般的な離散問題におけるモデル相関に対する正規化フローを用いた連続スピングラス分布の開発を行う。 スピングラス位相の物理的および計算的特性をうまく学習できることを実証する。 注目すべきは、学習そのものがトレーニングされた正規化フローの層内のスピングラス相転移に対応することである。
  論文  参考訳（メタデータ） (2020-01-02T19:00:01Z)

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。