論文の概要: Bayesian Inference for Jump-Diffusion Approximations of Biochemical Reaction Networks

• arxiv url: http://arxiv.org/abs/2304.06592v1
• Date: Thu, 13 Apr 2023 14:57:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 14:08:52.275925
• Title: Bayesian Inference for Jump-Diffusion Approximations of Biochemical Reaction Networks
• Title（参考訳）: 生体化学反応ネットワークのジャンプ拡散近似に対するベイズ推論
• Authors: Derya Alt{\i}ntan, Bastian Alt, Heinz Koeppl
• Abstract要約: マルコフ連鎖モンテカルロに基づく抽出可能なベイズ推定アルゴリズムを開発した。 このアルゴリズムは、部分的に観察されたマルチスケールの生死過程の例に対して数値的に評価される。
• 参考スコア（独自算出の注目度）: 26.744964200606784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biochemical reaction networks are an amalgamation of reactions where each reaction represents the interaction of different species. Generally, these networks exhibit a multi-scale behavior caused by the high variability in reaction rates and abundances of species. The so-called jump-diffusion approximation is a valuable tool in the modeling of such systems. The approximation is constructed by partitioning the reaction network into a fast and slow subgroup of fast and slow reactions, respectively. This enables the modeling of the dynamics using a Langevin equation for the fast group, while a Markov jump process model is kept for the dynamics of the slow group. Most often biochemical processes are poorly characterized in terms of parameters and population states. As a result of this, methods for estimating hidden quantities are of significant interest. In this paper, we develop a tractable Bayesian inference algorithm based on Markov chain Monte Carlo. The presented blocked Gibbs particle smoothing algorithm utilizes a sequential Monte Carlo method to estimate the latent states and performs distinct Gibbs steps for the parameters of a biochemical reaction network, by exploiting a jump-diffusion approximation model. The presented blocked Gibbs sampler is based on the two distinct steps of state inference and parameter inference. We estimate states via a continuous-time forward-filtering backward-smoothing procedure in the state inference step. By utilizing bootstrap particle filtering within a backward-smoothing procedure, we sample a smoothing trajectory. For estimating the hidden parameters, we utilize a separate Markov chain Monte Carlo sampler within the Gibbs sampler that uses the path-wise continuous-time representation of the reaction counters. Finally, the algorithm is numerically evaluated for a partially observed multi-scale birth-death process example.
• Abstract（参考訳）: 生化学反応ネットワークは、それぞれの反応が異なる種の相互作用を表す反応の融合である。 一般的に、これらのネットワークは反応速度や種数の多様性によって引き起こされるマルチスケールの挙動を示す。 いわゆるジャンプ拡散近似は、そのようなシステムのモデリングにおいて貴重なツールである。 近似は反応ネットワークをそれぞれ高速かつ遅い反応のサブグループに分割することによって構成される。 これにより、高速群に対するランジュバン方程式を用いたダイナミクスのモデリングが可能となり、遅い群のダイナミクスにはマルコフジャンプ過程モデルが維持される。 生化学的過程のほとんどは、パラメーターと人口状態の観点で特徴が乏しい。 この結果,隠れた量を推定する手法が注目されている。 本稿では,マルコフ連鎖モンテカルロに基づくベイズ推定アルゴリズムを開発した。 提案するブロックギブス粒子平滑化アルゴリズムは, 逐次モンテカルロ法を用いて潜時状態を推定し, ジャンプ拡散近似モデルを用いて生化学的反応ネットワークのパラメータに対して異なるギブスステップを行う。 提示されたブロックされたGibbsサンプルは、状態推論とパラメータ推論の2つの異なるステップに基づいている。 状態推論ステップでは,連続時間フォワードフィルタによる後方スムーシング手順によって状態を推定する。 後方平滑化過程におけるブートストラップ粒子フィルタリングを利用してスムーズな軌道をサンプリングする。 隠れパラメータを推定するために、反応カウンタの経路ワイド連続時間表現を使用するギブスサンプリング器内でマルコフ連鎖モンテカルロサンプリング器を用いる。 最後に、このアルゴリズムは、部分的に観察されたマルチスケールの生死過程の例に対して数値的に評価する。

関連論文リスト

• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Determinant- and Derivative-Free Quantum Monte Carlo Within the Stochastic Representation of Wavefunctions [0.0]
  連続的な実空間量子多体系の基底状態を記述することは、重要な計算課題である。 近年の進歩は機械学習(ML)アンサテイズに基づく変分法によってなされている。 我々は、SRWと経路積分技術を組み合わせることで、3つの問題を同時に克服する新しい定式化がもたらされると主張している。
  論文  参考訳（メタデータ） (2024-02-09T17:51:32Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
  我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。 シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。 本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
  論文  参考訳（メタデータ） (2022-11-24T07:30:27Z)
• Neural-network solutions to stochastic reaction networks [7.021105583098606]
  本稿では,化学マスター方程式の解法として,変分自己回帰ネットワークを用いた機械学習手法を提案する。 提案手法は, 種数状態空間における結合確率分布の時間的変化を追跡する。 遺伝的トグルスイッチと初期生命自己複製器において、時間とともに確率分布を正確に生成することを示した。
  論文  参考訳（メタデータ） (2022-09-29T07:27:59Z)
• Reactmine: a search algorithm for inferring chemical reaction networks from time series data [0.0]
  時系列データから化学反応ネットワーク(CRN)を推定することは、細胞レベルでの定量的時間的データの増加によって促進される課題である。 本稿では, 境界深さの探索木内に連続的に反応を推論することにより, 空間性を向上させるCRN学習アルゴリズムであるReactmineを提案する。 我々は、SINDyが失敗する隠れCRNを検索することで、Reactmineがシミュレーションデータに成功し、以前の研究と一致して反応を推測することで、2つの実際のデータセットに成功していることを示す。
  論文  参考訳（メタデータ） (2022-09-07T14:30:33Z)
• An application of the splitting-up method for the computation of a neural network representation for the solution for the filtering equations [68.8204255655161]
  フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。 フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。 我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
  論文  参考訳（メタデータ） (2022-01-10T11:01:36Z)
• Entropy Production and the Role of Correlations in Quantum Brownian Motion [77.34726150561087]
  量子ブラウン運動のカルデイラ・レゲットモデルにおいて、量子エントロピーの生成、異なる種類の相関、およびそれらの相互作用について研究する。
  論文  参考訳（メタデータ） (2021-08-05T13:11:05Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Unbalanced Sobolev Descent [31.777218621726284]
  非平衡ソボレフ蛍光(USD)は、高次元の音源分布を、必ずしも同じ質量を持つとは限らないターゲット分布へ輸送する粒子降下アルゴリズムである。 USDは、ソボレフ・フィッシャー差動の証人関数の流れに沿って粒子を輸送し(対流ステップ)、この証人関数に関して粒子の質量を再考する(反応ステップ)。 本稿では,USD が従来の粒子降下アルゴリズムよりも高速に質量を保存・保存して分布を輸送する合成例を示す。
  論文  参考訳（メタデータ） (2020-09-29T16:43:38Z)
• Symplectic Gaussian Process Regression of Hamiltonian Flow Maps [0.8029049649310213]
  ハミルトンフローマップに対する適切な効率なエミュレータを構築するためのアプローチを提案する。 将来的な応用は、加速器における高速荷電粒子の長期追跡と磁気プラズマ閉じ込めである。
  論文  参考訳（メタデータ） (2020-09-11T17:56:35Z)

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。