Fugu-MT 論文翻訳(概要): Diffusion Methods for Generating Transition Paths

論文の概要: Diffusion Methods for Generating Transition Paths

arxiv url: http://arxiv.org/abs/2309.10276v1
Date: Tue, 19 Sep 2023 03:03:03 GMT
ステータス: 処理完了
システム内更新日: 2023-09-20 16:34:12.115840
Title: Diffusion Methods for Generating Transition Paths
Title（参考訳）: 遷移経路生成のための拡散法
Authors: Luke Triplett and Jianfeng Lu
Abstract要約: 本研究では,スコアベース生成モデルを用いて準安定状態間の稀な遷移をシミュレートする。本稿では,チェーンベースアプローチとミッドポイントベースアプローチの2つの新しい経路生成手法を提案する。 M"uller電位とアラニンジペプチドが生成する遷移経路の数値的な結果は、これらのアプローチがデータリッチとデータスカースの両方で有効であることを示す。
参考スコア（独自算出の注目度）: 6.222135766747873
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we seek to simulate rare transitions between metastable states using score-based generative models. An efficient method for generating high-quality transition paths is valuable for the study of molecular systems since data is often difficult to obtain. We develop two novel methods for path generation in this paper: a chain-based approach and a midpoint-based approach. The first biases the original dynamics to facilitate transitions, while the second mirrors splitting techniques and breaks down the original transition into smaller transitions. Numerical results of generated transition paths for the M\"uller potential and for Alanine dipeptide demonstrate the effectiveness of these approaches in both the data-rich and data-scarce regimes.
Abstract（参考訳）: 本研究では,スコアベース生成モデルを用いて準安定状態間の稀な遷移をシミュレートする。高い品質の遷移経路を生成する効率的な方法は、しばしばデータを得るのが困難であるため、分子システムの研究に有用である。本稿では,チェーンベースアプローチとミッドポイントベースアプローチの2つの新しい経路生成手法を提案する。 1つ目は遷移を促進するために元のダイナミクスに偏り、もう1つは分割技法を映し出し、元の遷移をより小さな遷移に分解する。 M\"uller電位とアラニンジペプチドの遷移経路の数値的な結果は、これらのアプローチがデータリッチとデータスカースの両方で有効であることを示す。

関連論文リスト

Collective Variable Free Transition Path Sampling with Generative Flow Network [10.210248065533133]
我々は,集団変数(CV)に頼ることなく,生成フローネットワーク(GFlowNets)を用いて遷移経路のサンプルを作成することを提案する。本研究では, 目標分布と生成器の2乗対数比を最小化することにより, 遷移経路上での償却エネルギーベースサンプリングとして問題を再構築し, 神経バイアス電位を訓練する。 TPS-GFNと呼ばれる我々の手法は、従来のCVフリー機械学習手法よりも現実的で多様な遷移経路を生成する。
論文参考訳（メタデータ） (2024-05-30T11:32:42Z)
Deep Learning Method for Computing Committor Functions with Adaptive Sampling [4.599618895656792]
2つの新しい適応型サンプリング方式によるディープラーニング手法(I,II)を提案する。この2つのスキームでは、学習したコミッタ関数からバイアスポテンシャルが構築された修正電位でデータを積極的に生成する。我々は,サンプリング方式の利点を理論的に実証し,サンプリング方式IIのデータが遷移管に沿って均一に分散されていることを示す。
論文参考訳（メタデータ） (2024-04-09T10:53:29Z)
Exploring Straighter Trajectories of Flow Matching with Diffusion Guidance [66.4153984834872]
フローマッチング(StraightFM)のストレートトラジェクトリを提案する。分布レベル全体から拡散モデルによって導かれる結合戦略により軌道を直線化する。拡散法と従来のフローマッチング法の間で、FIDが低い視覚的に魅力的な画像を生成する。
論文参考訳（メタデータ） (2023-11-28T06:19:30Z)
Enhanced Sampling of Configuration and Path Space in a Generalized Ensemble by Shooting Point Exchange [71.49868712710743]
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。
論文参考訳（メタデータ） (2023-02-17T08:41:31Z)
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)
Stochastic Optimal Control for Collective Variable Free Sampling of Molecular Transition Paths [60.254555533113674]
分子系の2つの準安定状態間の遷移経路をサンプリングする問題を考察する。本稿では,その遷移をサンプリングする機械学習手法を提案する。
論文参考訳（メタデータ） (2022-06-27T14:01:06Z)
Generative methods for sampling transition paths in molecular dynamics [0.0]
1つの準安定状態と他の状態とをリンクする遷移経路のシミュレーションは、直接数値法により困難である。本稿では,変分オートエンコーダなどの生成モデルに基づくサンプリング手法と,強化学習に基づく重要サンプリング手法について検討する。
論文参考訳（メタデータ） (2022-05-05T17:50:10Z)
XAI for Transformers: Better Explanations through Conservative Propagation [60.67748036747221]
変換器の勾配は局所的にのみ関数を反映しており、入力特徴の予測への寄与を確実に識別できないことを示す。我々の提案は、よく確立されたLPP法のトランスフォーマーへの適切な拡張と見なすことができる。
論文参考訳（メタデータ） (2022-02-15T10:47:11Z)
Replacing neural networks by optimal analytical predictors for the detection of phase transitions [0.10152838128195464]
位相遷移を検出するために広く使われている3つのNN法を最適に出力する解析式を導出する。提案手法の内部動作は,入力データに対する最適出力の明示的依存によって明らかにされる。我々の理論的結果は、トポロジカル、量子、多体局在相転移などの広範な数値シミュレーションによって支えられている。
論文参考訳（メタデータ） (2022-02-14T19:00:03Z)
Continuous Transition: Improving Sample Efficiency for Continuous Control Problems via MixUp [119.69304125647785]
本稿では,連続的遷移を構築するための簡潔かつ強力な手法を提案する。具体的には、連続的な遷移を線形に補間することにより、トレーニングのための新しい遷移を合成することを提案する。また, 建設過程を自動案内する判別器を開発した。
論文参考訳（メタデータ） (2020-11-30T01:20:23Z)
Leveraging the Feature Distribution in Transfer-based Few-Shot Learning [2.922007656878633]
ラベル付きサンプルの少ない使用によって生じる不確実性のため、ほとんどショット分類が難しい問題である。本稿では,(1)特徴ベクトルをガウス分布に近づけるように前処理し,2)最適輸送インスパイアされたアルゴリズムを用いて,この前処理を活用する。提案手法は,様々なデータセット,バックボーンアーキテクチャ,少数ショット設定を用いて,最先端の精度を実現することができる。
論文参考訳（メタデータ） (2020-06-06T07:32:08Z)

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。