論文の概要: Learned Mappings for Targeted Free Energy Perturbation between Peptide Conformations

• arxiv url: http://arxiv.org/abs/2306.14010v1
• Date: Sat, 24 Jun 2023 15:54:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 17:42:47.554977
• Title: Learned Mappings for Targeted Free Energy Perturbation between Peptide Conformations
• Title（参考訳）: ペプチドコンフォメーション間の自由エネルギー摂動の学習的マッピング
• Authors: Soohaeng Yoo Willow, Lulu Kang, and David D. L. Minh
• Abstract要約: 我々は、ボルツマン分布間の異なる熱力学状態のマッピングのためにニューラルネットワークを訓練する。 1 rAと2 rAで分離されたバネ中心を持つ熱力学状態間の正確な自由エネルギー差を計算した。 より遠い熱力学状態の場合、マッピングは対象状態を表す構造を作らない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Targeted free energy perturbation uses an invertible mapping to promote configuration space overlap and the convergence of free energy estimates. However, developing suitable mappings can be challenging. Wirnsberger et al. (2020) demonstrated the use of machine learning to train deep neural networks that map between Boltzmann distributions for different thermodynamic states. Here, we adapt their approach to free energy differences of a flexible bonded molecule, deca-alanine, with harmonic biases with different spring centers. When the neural network is trained until ``early stopping'' - when the loss value of the test set increases - we calculate accurate free energy differences between thermodynamic states with spring centers separated by 1 \r{A} and sometimes 2 \r{A}. For more distant thermodynamic states, the mapping does not produce structures representative of the target state and the method does not reproduce reference calculations.
• Abstract（参考訳）: 対象とする自由エネルギー摂動は、構成空間の重なりと自由エネルギー推定の収束を促進するために可逆写像を用いる。 しかし、適切なマッピングを開発することは困難である。 wirnsberger et al. (2020) は、ボルツマン分布を異なる熱力学状態にマップする深層ニューラルネットワークを訓練する機械学習の使用を実証した。 ここでは, 柔軟な結合分子であるdeca-alanineの自由エネルギー差にそれらのアプローチを適応させ, スプリング中心の異なる調和バイアスを付与する。 実験セットの損失値が増加する「早期停止」までニューラルネットワークを訓練すると、スプリング中心を1 \r{a} と2 \r{a} で分離した熱力学的状態の間の正確な自由エネルギー差を計算する。 より遠い熱力学状態に対しては、マッピングは対象の状態を表す構造を生成しず、この方法は参照計算を再現しない。

関連論文リスト

• Thermodynamics-Consistent Graph Neural Networks [50.0791489606211]
  本稿では,二成分混合物の組成依存的活動係数を予測するために,ギブス自由エネルギーグラフニューラルネットワーク(GE-GNN)を提案する。 GE-GNNアーキテクチャはギブス自由エネルギーを超えるモルを予測することによって熱力学的整合性を確保する。 活性係数予測の精度と熱力学的整合性を示す。
  論文  参考訳（メタデータ） (2024-07-08T06:58:56Z)
• Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
  神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。 近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。 この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
  論文  参考訳（メタデータ） (2024-05-23T16:30:51Z)
• Doubly Stochastic Graph-based Non-autoregressive Reaction Prediction [59.41636061300571]
  電子再分配予測を得るために2つの二重自己アテンションマッピングを組み合わせた新しいフレームワークを提案する。 提案手法は,非自己回帰モデルの予測性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2023-06-05T14:15:39Z)
• Accurate Free Energy Estimations of Molecular Systems Via Flow-based Targeted Free Energy Perturbation [0.0]
  TFEP(Targeted Free Energy Perturbation)法は、2つの状態間の自由エネルギー差を推定するための標準手法の時間的およびコンピュータ集約的な成層化プロセスを克服することを目的としている。 自由エネルギー計算の理論的可能性にもかかわらず、TFEPはエントロピー補正、エネルギーベースのトレーニングの制限、モード崩壊といった課題のために実際には採用されていない。 本研究は,生物分子の高速かつ高精度な深層学習に基づくTFEP法を実用化し,医薬品設計の文脈で実現可能な自由エネルギー推定法として紹介するものである。
  論文  参考訳（メタデータ） (2023-02-23T08:53:52Z)
• Non-Markovianity through entropy-based quantum thermodynamics [0.0]
  単一量子進化に対する熱流に基づく非マルコビアン性の測定法を提案する。 この測度は、内部エネルギーの符号を反転しない単位力学写像に適用することができる。
  論文  参考訳（メタデータ） (2022-10-07T18:09:32Z)
• In-Gap Band Formation in a Periodically Driven Charge Density Wave Insulator [68.8204255655161]
  周期的に駆動される量子多体系は、平衡で実現されない非伝統的な振舞いを持つ。 電荷密度波絶縁体を形成する鎖上の強い相互作用を持つスピンレスフェルミオンについて検討する。
  論文  参考訳（メタデータ） (2022-05-19T13:28:47Z)
• Machine Learning S-Wave Scattering Phase Shifts Bypassing the Radial Schr\"odinger Equation [77.34726150561087]
  本稿では, 畳み込みニューラルネットワークを用いて, 正確な散乱s波位相シフトを得られる機械学習モデルの実証を行う。 我々は、ハミルトニアンが物理的に動機づけられた記述子の構築において、いかにして指導原理として機能するかについて議論する。
  論文  参考訳（メタデータ） (2021-06-25T17:25:38Z)
• R\'enyi free energy and variational approximations to thermal states [0.688204255655161]
  2-R'enyiアンサンブルに対するテンソルネットワーク近似を求めるアルゴリズムを提供する。 一次元スピンチェーン上でのアルゴリズムの性能とアンサンブルの特性を解析する。
  論文  参考訳（メタデータ） (2020-12-23T18:16:06Z)
• Dynamics of Ultracold Bosons in Artificial Gauge Fields: Angular Momentum, Fragmentation, and the Variance of Entropy [0.0]
  人工ゲージ場に突然切り替えることによって引き起こされる2次元相互作用する超低温ボソンのダイナミクスを考察する。 本研究では, 角運動量, 断片化, エントロピーのエントロピー, あるいは単発画像のエントロピーのばらつきを観測することにより, 創発的ダイナミクスを解析する。
  論文  参考訳（メタデータ） (2020-12-17T19:00:03Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。