Fugu-MT 論文翻訳(概要): SchNetPack 2.0: A neural network toolbox for atomistic machine learning

論文の概要: SchNetPack 2.0: A neural network toolbox for atomistic machine learning

arxiv url: http://arxiv.org/abs/2212.05517v1
Date: Sun, 11 Dec 2022 14:44:56 GMT
ステータス: 処理完了
システム内更新日: 2022-12-13 17:39:33.889236
Title: SchNetPack 2.0: A neural network toolbox for atomistic machine learning
Title（参考訳）: SchNetPack 2.0: 原子性機械学習のためのニューラルネットワークツールボックス
Authors: Kristof T. Sch\"utt, Stefaan S. P. Hessmann, Niklas W. A. Gebauer, Jonas Lederer, Michael Gastegger
Abstract要約: SchNetPackは、メソッド開発要件と原子論的機械学習の適用の両方に対処する汎用ニューラルネットワークツールボックスである。バージョン2.0には、改良されたデータパイプライン、同変ニューラルネットワーク用のモジュール、分子動力学のPyTorch実装が含まれている。
参考スコア（独自算出の注目度）: 3.849857432787595
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: SchNetPack is a versatile neural networks toolbox that addresses both the requirements of method development and application of atomistic machine learning. Version 2.0 comes with an improved data pipeline, modules for equivariant neural networks as well as a PyTorch implementation of molecular dynamics. An optional integration with PyTorch Lightning and the Hydra configuration framework powers a flexible command-line interface. This makes SchNetPack 2.0 easily extendable with custom code and ready for complex training task such as generation of 3d molecular structures.
Abstract（参考訳）: SchNetPackは、メソッド開発要件と原子論的機械学習の適用の両方に対処する汎用ニューラルネットワークツールボックスである。バージョン2.0は改良されたデータパイプライン、等価ニューラルネットワークのためのモジュール、分子動力学のpytorch実装を備えている。 PyTorch LightningとHydra設定フレームワークとのオプション統合により、柔軟なコマンドラインインターフェースが実現される。これにより、SchNetPack 2.0はカスタムコードで容易に拡張でき、3d分子構造の生成のような複雑なトレーニングタスクの準備ができる。

関連論文リスト

Neural Metamorphosis [72.88137795439407]
本稿では,ニューラル・メタモルファス(NeuMeta)と呼ばれる,自己変形可能なニューラルネットワークの構築を目的とした新たな学習パラダイムを提案する。 NeuMetaはニューラルネットワークの連続重み多様体を直接学習する。 75%の圧縮速度でもフルサイズの性能を維持する。
論文参考訳（メタデータ） (2024-10-10T14:49:58Z)
ESPnet-EZ: Python-only ESPnet for Easy Fine-tuning and Integration [54.53405886636696]
ESPnet-EZはオープンソースの音声処理ツールキットであるESPnetの拡張である。音声モデルの開発を迅速かつ容易に行うことを目的としている。
論文参考訳（メタデータ） (2024-09-14T19:03:53Z)
OTOv3: Automatic Architecture-Agnostic Neural Network Training and Compression from Structured Pruning to Erasing Operators [57.145175475579315]
このトピックは、構造化プルーニングからニューラルアーキテクチャサーチまで、さまざまなテクニックにまたがっている。第3世代のOTOv3(Noth-Train-Once)を導入する。我々は,構造化プルーニングとニューラルアーキテクチャ探索におけるOTOv3の有効性を実証した。
論文参考訳（メタデータ） (2023-12-15T00:22:55Z)
SpikingJelly: An open-source machine learning infrastructure platform for spike-based intelligence [51.6943465041708]
スパイキングニューラルネットワーク(SNN)は、高エネルギー効率のニューロモルフィックチップに脳にインスパイアされたインテリジェンスを実現することを目的としている。我々は、ニューロモルフィックデータセットの事前処理、深層SNNの構築、パラメータの最適化、およびニューロモルフィックチップへのSNNのデプロイのためのフルスタックツールキットをコントリビュートする。
論文参考訳（メタデータ） (2023-10-25T13:15:17Z)
TensorKrowch: Smooth integration of tensor networks in machine learning [46.0920431279359]
PyTorch上に構築されたオープンソースのPythonライブラリであるKrowchを紹介します。ユーザは任意のテンソルネットワークを構築してトレーニングし、より複雑なディープラーニングモデルにレイヤとして統合することができる。
論文参考訳（メタデータ） (2023-06-14T15:55:19Z)
PDSketch: Integrated Planning Domain Programming and Learning [86.07442931141637]
我々は PDSketch という新しいドメイン定義言語を提案する。これにより、ユーザーはトランジションモデルで柔軟にハイレベルな構造を定義できる。移行モデルの詳細は、トレーニング可能なニューラルネットワークによって満たされる。
論文参考訳（メタデータ） (2023-03-09T18:54:12Z)
PIC4rl-gym: a ROS2 modular framework for Robots Autonomous Navigation with Deep Reinforcement Learning [0.4588028371034407]
この研究は、ナビゲーションと学習の研究を強化するための基本的なモジュラーフレームワークであるtextitPIC4rl-gymを導入している。本稿では、DRLエージェントのトレーニングとテストを完全に統合したPIC4rl-gymの全体構造について述べる。モジュラーアプローチは、新しいプラットフォーム、センサー、モデルを選択することで、シミュレーションを簡単にカスタマイズするために採用されている。
論文参考訳（メタデータ） (2022-11-19T14:58:57Z)
NetKet 3: Machine Learning Toolbox for Many-Body Quantum Systems [1.0486135378491268]
NetKetは、多体量子物理学のための機械学習ツールボックスである。この新バージョンは、差別化可能なプログラミングと加速線形代数フレームワークであるJAXの上に構築されている。最も重要な新機能は、純粋なPythonコードで任意のニューラルネットワーク ans" を定義することだ。
論文参考訳（メタデータ） (2021-12-20T13:41:46Z)
NeVer 2.0: Learning, Verification and Repair of Deep Neural Networks [12.112394899530834]
NeVer 2.0はディープニューラルネットワークの自動合成と解析のための新しいシステムである。 NeVer 2.0は、ニューラルネットワークの学習、自動検証、修復を単一のツールに統合する最初のパッケージであるNeVerから設計思想を借用している。
論文参考訳（メタデータ） (2020-11-18T14:37:33Z)
Nengo and low-power AI hardware for robust, embedded neurorobotics [6.574517227976925]
強靭で組込み型神経ロボティクスシステムを構築する上での4つの主要な課題を特定する。我々は、Nengoを使用して、CPU、GPU、IntelのニューロモーフィックチップであるLoihi上で動作するニューラルネットワークを開発する2つの例を示す。
論文参考訳（メタデータ） (2020-07-20T16:17:27Z)
Neural Network Compression Framework for fast model inference [59.65531492759006]
我々は、ニューラルネットワーク圧縮フレームワーク(NNCF)と呼ばれる、微調整によるニューラルネットワーク圧縮のための新しいフレームワークを提案する。様々なネットワーク圧縮手法の最近の進歩を活用し、空間性、量子化、双項化などのいくつかの実装を行っている。フレームワークは、トレーニングサンプル内に提供され、あるいは既存のトレーニングコードにシームレスに統合可能なスタンドアロンパッケージとして使用することができる。
論文参考訳（メタデータ） (2020-02-20T11:24:01Z)

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。