論文の概要: GAUCHE: A Library for Gaussian Processes in Chemistry

• arxiv url: http://arxiv.org/abs/2212.04450v1
• Date: Tue, 6 Dec 2022 08:28:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 16:50:51.943066
• Title: GAUCHE: A Library for Gaussian Processes in Chemistry
• Title（参考訳）: GAUCHE:ガウス化学プロセスのための図書館
• Authors: Ryan-Rhys Griffiths and Leo Klarner and Henry B. Moss and Aditya Ravuri and Sang Truong and Bojana Rankovic and Yuanqi Du and Arian Jamasb and Julius Schwartz and Austin Tripp and Gregory Kell and Anthony Bourached and Alex Chan and Jacob Moss and Chengzhi Guo and Alpha A. Lee and Philippe Schwaller and Jian Tang
• Abstract要約: 本稿では,CHEmistryにおけるGAUssianプロセスのライブラリであるGAUCHEを紹介する。 分子発見および化学反応最適化におけるGAUCHEの応用について紹介する。
• 参考スコア（独自算出の注目度）: 16.949599858323023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce GAUCHE, a library for GAUssian processes in CHEmistry. Gaussian processes have long been a cornerstone of probabilistic machine learning, affording particular advantages for uncertainty quantification and Bayesian optimisation. Extending Gaussian processes to chemical representations, however, is nontrivial, necessitating kernels defined over structured inputs such as graphs, strings and bit vectors. By defining such kernels in GAUCHE, we seek to open the door to powerful tools for uncertainty quantification and Bayesian optimisation in chemistry. Motivated by scenarios frequently encountered in experimental chemistry, we showcase applications for GAUCHE in molecular discovery and chemical reaction optimisation. The codebase is made available at https://github.com/leojklarner/gauche
• Abstract（参考訳）: 本稿では,CHEmistryにおけるGAUssianプロセスのライブラリであるGAUCHEを紹介する。 ガウス過程は確率論的機械学習の基盤であり、不確実な定量化とベイズ最適化に特に利点がある。 しかし、ガウス過程を化学表現に拡張することは非自明であり、グラフ、文字列、ビットベクトルといった構造化入力上で定義される核を必要とする。 このようなカーネルをGAUCHEで定義することにより、不確実な定量化とベイズ最適化のための強力なツールへの扉を開くことを目指す。 実験化学において頻繁に発生するシナリオによって動機付けられ,分子発見および化学反応最適化におけるGAUCHEの応用を示す。 コードベースはhttps://github.com/leojklarner/gaucheで利用可能である。

関連論文リスト

• Posterior Contraction Rates for Mat\'ern Gaussian Processes on Riemannian Manifolds [51.68005047958965]
  我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。 我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
  論文  参考訳（メタデータ） (2023-09-19T20:30:58Z)
• Structural Kernel Search via Bayesian Optimization and Symbolical Optimal Transport [5.1672267755831705]
  ガウスのプロセスでは、カーネルの選択は重要なタスクであり、しばしば専門家が手動で行う。 本稿では,カーネル空間を包含する新しい効率的な探索法を提案する。
  論文  参考訳（メタデータ） (2022-10-21T09:30:21Z)
• Gaussian Processes and Statistical Decision-making in Non-Euclidean Spaces [96.53463532832939]
  我々はガウス過程の適用性を高める技術を開発した。 この観点から構築した効率的な近似を幅広く導入する。 非ユークリッド空間上のガウス過程モデルの集合を開発する。
  論文  参考訳（メタデータ） (2022-02-22T01:42:57Z)
• Vector-valued Gaussian Processes on Riemannian Manifolds via Gauge Equivariant Projected Kernels [108.60991563944351]
  本稿では、ベクトル値のガウス過程を幾何学に忠実に誘導するゲージ同変カーネルの構築法を提案する。 我々は,変分推論などの標準ガウスプロセストレーニング手法を,この設定に拡張する。
  論文  参考訳（メタデータ） (2021-10-27T13:31:10Z)
• Advanced Stationary and Non-Stationary Kernel Designs for Domain-Aware Gaussian Processes [0.0]
  再生カーネルヒルベルト空間(RKHS)の要素である所望の特性を持つ関数のみを許容する先進カーネル設計を提案する。 いくつかの合成および2つの科学的データセットを用いて、先進的なカーネル設計がガウス過程に与える影響を示す。
  論文  参考訳（メタデータ） (2021-02-05T22:07:56Z)
• Mat\'ern Gaussian Processes on Graphs [67.13902825728718]
  我々は、マタン・ガウス過程の偏微分方程式のキャラクタリゼーションを利用して、そのアナログを無向グラフに対して研究する。 得られたガウス過程がユークリッドアナログやユークリッドアナログの様々な魅力的な性質を継承することを示す。 これにより、グラフのMat'ern Gaussianプロセスがミニバッチや非共役設定に使用できる。
  論文  参考訳（メタデータ） (2020-10-29T13:08:07Z)
• Efficient construction of tensor-network representations of many-body Gaussian states [59.94347858883343]
  本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。 これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
  論文  参考訳（メタデータ） (2020-08-12T11:30:23Z)
• Mat\'ern Gaussian processes on Riemannian manifolds [81.15349473870816]
  ガウス過程の広く用いられるマタン類を一般化する方法を示す。 また、Mat'ern から広く用いられる2乗指数過程への一般化も拡張する。
  論文  参考訳（メタデータ） (2020-06-17T21:05:42Z)

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。