論文の概要: Probing reaction channels via reinforcement learning
- arxiv url: http://arxiv.org/abs/2305.17531v1
- Date: Sat, 27 May 2023 17:22:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 18:24:25.422549
- Title: Probing reaction channels via reinforcement learning
- Title（参考訳）: 強化学習による反応チャネルの探索
- Authors: Senwei Liang, Aditya N. Singh, Yuanran Zhu, David T. Limmer, Chao Yang
- Abstract要約: 化学反応経路に沿って反応と生成物を結合する重要な構成を同定するための強化学習に基づく手法を提案する。
これらの構成から複数の軌道を撮影することで、遷移経路のアンサンブルに集中する構成のアンサンブルを生成することができる。
結果として得られる解は、コミッタ関数 (committor function) と呼ばれ、反応の力学情報を符号化し、反応速度を評価するのに使うことができる。
- 参考スコア（独自算出の注目度）: 4.523974776690403
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a reinforcement learning based method to identify important
configurations that connect reactant and product states along chemical reaction
paths. By shooting multiple trajectories from these configurations, we can
generate an ensemble of configurations that concentrate on the transition path
ensemble. This configuration ensemble can be effectively employed in a neural
network-based partial differential equation solver to obtain an approximation
solution of a restricted Backward Kolmogorov equation, even when the dimension
of the problem is very high. The resulting solution, known as the committor
function, encodes mechanistic information for the reaction and can in turn be
used to evaluate reaction rates.
- Abstract（参考訳）: 化学反応経路に沿って反応と生成物を結合する重要な構成を同定するための強化学習に基づく手法を提案する。
これらの構成から複数の軌道を撮影することで、遷移経路のアンサンブルに集中する構成のアンサンブルを生成することができる。
この構成アンサンブルは、ニューラルネットワークに基づく偏微分方程式解法で有効に利用することができ、問題の次元が非常に高い場合でも、制限された後向きコルモゴロフ方程式の近似解を得ることができる。
結果として得られる解はコミッタ関数(committor function)と呼ばれ、反応の機械的な情報をエンコードし、反応速度を評価するのに使うことができる。
関連論文リスト
- Approximating Families of Sharp Solutions to Fisher's Equation with Physics-Informed Neural Networks [8.487185704099925]
本稿では,フィッシャー方程式の解法として物理インフォームドニューラルネットワーク(PINN)を用いる。
主眼は、大きな反応速度係数の条件下でのフィッシャー方程式の研究である。
ネットワークトレーニングにおいて、標準のPINNアプローチに関連する問題を軽減するために、残留重み付け方式が導入された。
論文 参考訳（メタデータ） (2024-02-13T09:17:20Z) - Differentiable Programming of Chemical Reaction Networks [63.948465205530916]
化学反応ネットワークは、自然によって使用される最も基本的な計算基板の1つである。
膜によって分離された複数のチャンバーを持つシステムと同様に、よく混合されたシングルチャンバーシステムについて検討した。
我々は、微分可能な最適化と適切な正規化が相まって、非自明なスパース反応ネットワークを発見することを実証した。
論文 参考訳（メタデータ） (2023-02-06T11:41:14Z) - Exploring Complex Dynamical Systems via Nonconvex Optimization [0.0]
我々は、機械学習のツールを用いた代替の最適化駆動アプローチを提案する。
本稿では, 複雑な化学反応ネットワークを組み込んだ, 完全最適化可能な反応拡散モデルに適用する。
これにより、パターン形成、散逸を最大化する非平衡状態、複製のような動的構造を含む、新しい状態と振舞いを体系的に同定することができる。
論文 参考訳（メタデータ） (2023-01-03T01:35:39Z) - A Recursively Recurrent Neural Network (R2N2) Architecture for Learning
Iterative Algorithms [64.3064050603721]
本研究では,リカレントニューラルネットワーク (R2N2) にランゲ・クッタニューラルネットワークを一般化し,リカレントニューラルネットワークを最適化した反復アルゴリズムの設計を行う。
本稿では, 線形方程式系に対するクリロフ解法, 非線形方程式系に対するニュートン・クリロフ解法, 常微分方程式に対するルンゲ・クッタ解法と類似の繰り返しを計算問題クラスの入力・出力データに対して提案した超構造内における重みパラメータの正規化について述べる。
論文 参考訳（メタデータ） (2022-11-22T16:30:33Z) - Tunable Complexity Benchmarks for Evaluating Physics-Informed Neural
Networks on Coupled Ordinary Differential Equations [64.78260098263489]
本研究では,より複雑に結合した常微分方程式(ODE)を解く物理インフォームドニューラルネットワーク(PINN)の能力を評価する。
PINNの複雑性が増大するにつれて,これらのベンチマークに対する正しい解が得られないことが示される。
PINN損失のラプラシアンは,ネットワーク容量の不足,ODEの条件の低下,局所曲率の高さなど,いくつかの理由を明らかにした。
論文 参考訳（メタデータ） (2022-10-14T15:01:32Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳（メタデータ） (2022-02-15T19:00:09Z) - A Grid-Structured Model of Tubular Reactors [61.38002492702646]
提案モデルは完全に偏微分方程式の既知の形式に基づくものや,多層パーセプトロンなどの汎用機械学習コンポーネントを含むものもある。
本研究では, 固定層反応器の状態を記述するために, 限られた量のデータを用いて, 提案モデルを訓練可能であることを示す。
論文 参考訳（メタデータ） (2021-12-13T19:54:23Z) - Towards Understanding Theoretical Advantages of Complex-Reaction
Networks [77.34726150561087]
パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。
経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
論文 参考訳（メタデータ） (2021-08-15T10:13:49Z) - Learning second order coupled differential equations that are subject to
non-conservative forces [0.0]
畳み込みブロック間の残差接続の観点から、2階微分の差分近似を組み込んだネットワークを導入する。
我々はこのマップを解法ネットワークと共に最適化し、その重みを共有しながら、散逸的力学系の複雑な物理特性を学習できる強力なフレームワークを形成する。
論文 参考訳（メタデータ） (2020-10-17T23:31:31Z) - Monte-Carlo wavefunction approach for the spin dynamics of recombining
radicals [0.0]
我々はモンテカルロ波動関数(MCWF)アプローチを適用し、ラジカル対の開系スピンダイナミクスを扱う。
このタイプのマスター方程式は、第2タイプの量子ジャンプを導入することにより、MCWFアプローチで適用可能であることを示す。
論文 参考訳（メタデータ） (2020-05-09T11:01:38Z)
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。