論文の概要: Enhanced Sampling of Configuration and Path Space in a Generalized Ensemble by Shooting Point Exchange

• arxiv url: http://arxiv.org/abs/2302.08757v2
• Date: Wed, 22 Mar 2023 09:54:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 23:44:11.827383
• Title: Enhanced Sampling of Configuration and Path Space in a Generalized Ensemble by Shooting Point Exchange
• Title（参考訳）: ショットポイント交換による一般化アンサンブルにおける構成と経路空間の増強サンプリング
• Authors: Sebastian Falkner, Alessandro Coretti and Christoph Dellago
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 71.49868712710743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The computer simulation of many molecular processes is complicated by long time scales caused by rare transitions between long-lived states. Here, we propose a new approach to simulate such rare events, which combines transition path sampling with enhanced exploration of configuration space. The method relies on exchange moves between configuration and trajectory space, carried out based on a generalized ensemble. This scheme substantially enhances the efficiency of the transition path sampling simulations, particularly for systems with multiple transition channels, and yields information on thermodynamics, kinetics and reaction coordinates of molecular processes without distorting their dynamics. The method is illustrated using the isomerization of proline in the KPTP tetrapeptide.
• Abstract（参考訳）: 多くの分子過程の計算機シミュレーションは、長寿命状態間の稀な遷移によって引き起こされる長期スケールによって複雑である。 本稿では,遷移経路のサンプリングと構成空間の探索の強化を組み合わせた,このような稀な事象をシミュレートする新しい手法を提案する。 この方法は、一般化アンサンブルに基づいて実行される構成と軌道空間の交換移動に依存する。 この手法は遷移経路サンプリングシミュレーションの効率を、特に複数の遷移チャネルを持つ系において大幅に向上させ、そのダイナミクスを歪ませることなく、分子プロセスの熱力学、運動学、反応座標に関する情報を得る。 この方法は、KPTPテトラペプチドにおけるプロリンの異性化を用いて示される。

関連論文リスト

• Vibrationally Assisted Exciton Transfer in Open Quantum Systems with Long-Range Interactions [0.0]
  本研究では,長距離相互作用量子ビットを持つフレンケル・エクシトンモデルと減衰集合ボソニックモードを結合して振動アシスト移動過程を解析する。 特定非局在励起状態が移動速度を最大化し, 消散移動中に絡み合いが保たれることがわかった。
  論文  参考訳（メタデータ） (2025-02-05T19:00:40Z)
• 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)
• 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)
• 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)
• Sampling Rare Conformational Transitions with a Quantum Computer [0.0]
  本稿では,古典的な量子コンピュータ上に実装された機械学習アルゴリズムとMDシミュレーションを紹介する。 我々は、分子構成の小さなセットに基づいて、システムの力学の厳密な低分解能表現を導出する。 この結果は,機械学習と量子コンピューティングを統合するためのMDシミュレーションの新しいパラダイムを提供する。
  論文  参考訳（メタデータ） (2022-01-27T19:46:06Z)
• 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)
• Universality of entanglement transitions from stroboscopic to continuous measurements [68.8204255655161]
  有限結合における絡み合い遷移は、連続的な測定系がランダムに非可積分である場合に持続することを示す。 これは、幅広い実験的な設定と、後者のシステムに蓄積された豊富な知識の間の橋渡しとなる。
  論文  参考訳（メタデータ） (2020-05-04T21:45:59Z)
• Unsupervised machine learning of quantum phase transitions using diffusion maps [77.34726150561087]
  本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。 この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
  論文  参考訳（メタデータ） (2020-03-16T18:40:13Z)

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。