論文の概要: Understanding recent deep-learning techniques for identifying collective
variables of molecular dynamics
- arxiv url: http://arxiv.org/abs/2307.00365v2
- Date: Wed, 9 Aug 2023 13:51:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-10 17:20:30.990342
- Title: Understanding recent deep-learning techniques for identifying collective
variables of molecular dynamics
- Title（参考訳）: 分子動力学の集団変数同定のための最近のディープラーニング技術理解
- Authors: Wei Zhang, Christof Sch\"utte
- Abstract要約: 高次元準安定分子系は、しばしばいくつかの特徴、すなわち集団変数(CV)によって特徴づけられる。
近年,様々な深層学習に基づくCV識別技術が開発され,複雑な分子系の正確なモデリングと効率的なシミュレーションが実現されている。
CVの探索には、無限小ジェネレータの固有関数の計算や、基礎となるダイナミクスに関連付けられた転送演算子、あるいは再構成エラーの最小化によるオートエンコーダの学習の2つの異なるカテゴリについて検討する。
- 参考スコア（独自算出の注目度）: 5.176190855174938
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-dimensional metastable molecular system can often be characterised by a
few features of the system, i.e. collective variables (CVs). Thanks to the
rapid advance in the area of machine learning and deep learning, various deep
learning-based CV identification techniques have been developed in recent
years, allowing accurate modelling and efficient simulation of complex
molecular systems. In this paper, we look at two different categories of deep
learning-based approaches for finding CVs, either by computing leading
eigenfunctions of infinitesimal generator or transfer operator associated to
the underlying dynamics, or by learning an autoencoder via minimisation of
reconstruction error. We present a concise overview of the mathematics behind
these two approaches and conduct a comparative numerical study of these two
approaches on illustrative examples.
- Abstract（参考訳）: 高次元準安定分子系は、しばしばシステムのいくつかの特徴、すなわち集団変数(CV)によって特徴づけられる。
機械学習とディープラーニングの分野での急速な進歩により、様々な深層学習に基づくCV識別技術が近年開発され、複雑な分子系の正確なモデリングと効率的なシミュレーションを可能にしている。
本稿では,無限小ジェネレータの固有関数の計算や,基礎となるダイナミクスに関連付けられた転送演算子,あるいは再構成誤差の最小化によるオートエンコーダの学習など,CVを見つけるための2つの異なるカテゴリについて検討する。
この2つのアプローチの背後にある数学の簡潔な概観を示し、これらの2つのアプローチを例題として比較数値的研究を行う。
関連論文リスト
- RGCVAE: Relational Graph Conditioned Variational Autoencoder for
Molecule Design [70.59828655929194]
ディープグラフ変分自動エンコーダは、この問題に対処可能な、最も強力な機械学習ツールの1つである。
i)新しい強力なグラフ同型ネットワークを利用した符号化ネットワーク,(ii)新しい確率的復号化コンポーネントを提案する。
論文 参考訳（メタデータ） (2023-05-19T14:23:48Z) - Dynamic Latent Separation for Deep Learning [67.62190501599176]
機械学習の中核的な問題は、複雑なデータに対するモデル予測のための表現力のある潜在変数を学習することである。
本稿では,表現性を向上し,部分的解釈を提供し,特定のアプリケーションに限定されないアプローチを開発する。
論文 参考訳（メタデータ） (2022-10-07T17:56:53Z) - Investigation of Machine Learning-based Coarse-Grained Mapping Schemes
for Organic Molecules [0.0]
粗粒化(CG)により、異なるシステム解像度間のリンクを確立することができる。
本稿では,変分オートエンコーダに基づく機械学習戦略を適用し,適切なマッピング手法の開発について検討する。
論文 参考訳（メタデータ） (2022-09-26T18:30:51Z) - Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence
Classification [109.81283748940696]
我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。
シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
論文 参考訳（メタデータ） (2022-07-18T19:16:56Z) - Transferring Chemical and Energetic Knowledge Between Molecular Systems
with Machine Learning [5.27145343046974]
本稿では,単純な分子システムから得られた知識をより複雑なものに伝達するための新しい手法を提案する。
我々は、高低自由エネルギー状態の分類に焦点をあてる。
以上の結果より, トリアラニンからデカアラニン系への移行学習において, 0.92 の顕著な AUC が得られた。
論文 参考訳（メタデータ） (2022-05-06T16:21:00Z) - Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。
本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文 参考訳（メタデータ） (2022-03-23T12:52:49Z) - Mean-field methods and algorithmic perspectives for high-dimensional
machine learning [5.406386303264086]
障害のあるシステムの統計物理学のツールに基づくアプローチを再検討する。
我々は、様々な理論モデルの位相図に光を放つために、複製法とメッセージパッシングアルゴリズムの深い接続に乗じる。
論文 参考訳（メタデータ） (2021-03-10T09:02:36Z) - Learning Neural Generative Dynamics for Molecular Conformation
Generation [89.03173504444415]
分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。
分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
論文 参考訳（メタデータ） (2021-02-20T03:17:58Z) - Using machine-learning modelling to understand macroscopic dynamics in a
system of coupled maps [0.0]
本稿では,グローバルに結合した地図システムから生じるマクロな動きについて考察する。
我々は、機械学習アプローチと粗粒度プロセスの遷移確率の直接数値計算の両方を用いて、マクロ力学のための粗粒度マルコフプロセスを構築した。
我々は,アトラクタの有効次元,メモリ効果の持続性,ダイナミクスのマルチスケール構造について重要な情報を推測することができる。
論文 参考訳（メタデータ） (2020-11-08T15:38:12Z) - Online learning of both state and dynamics using ensemble Kalman filters [0.0]
本稿では,オンライン上での動的および状態の双方,すなわち推定値を常に更新する可能性について検討する。
我々は,(i)グローバルなEnKF,(i)ローカルなEnKF,(iii)反復的なEnKFを通じて,オンラインのダイナミクスを学習することの意味を考察する。
次に,1次元,1スケール,2スケールのカオスロレンツモデルを用いて,これらの手法の有効性を数値的に検証し,精度を評価する。
論文 参考訳（メタデータ） (2020-06-06T13:19:26Z) - Provable Meta-Learning of Linear Representations [114.656572506859]
我々は、複数の関連するタスクから共通の機能の集合を学習し、その知識を新しい未知のタスクに転送する、という2つの課題に対処する、高速でサンプル効率のアルゴリズムを提供する。
また、これらの線形特徴を学習する際のサンプルの複雑さに関する情報理論の下限も提供する。
論文 参考訳（メタデータ） (2020-02-26T18:21:34Z)
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。