論文の概要: Information geometric bound on general chemical reaction networks

• arxiv url: http://arxiv.org/abs/2309.10334v1
• Date: Tue, 19 Sep 2023 05:37:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 16:17:11.510828
• Title: Information geometric bound on general chemical reaction networks
• Title（参考訳）: 一般化学反応ネットワーク上の情報幾何結合
• Authors: Tsuyoshi Mizohata, Tetsuya J. Kobayashi, Louis-S. Bouchard, Hideyuki Miyahara
• Abstract要約: 我々は、自然勾配を用いた情報幾何学的手法を用いて、CRN力学の上限となる非線形系を開発する。 我々は,CRNの特定のクラスにおいて,より高速な収束を示す数値シミュレーションによるアプローチの有効性を検証した。 我々の研究はCRNに焦点を当てているが、自然科学から工学まで分野におけるハイパーグラフの普遍性は、我々の手法がより広範な応用を見出す可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate the dynamics of chemical reaction networks (CRNs) with the goal of deriving an upper bound on their reaction rates. This task is challenging due to the nonlinear nature and discrete structure inherent in CRNs. To address this, we employ an information geometric approach, using the natural gradient, to develop a nonlinear system that yields an upper bound for CRN dynamics. We validate our approach through numerical simulations, demonstrating faster convergence in a specific class of CRNs. This class is characterized by the number of chemicals, the maximum value of stoichiometric coefficients of the chemical reactions, and the number of reactions. We also compare our method to a conventional approach, showing that the latter cannot provide an upper bound on reaction rates of CRNs. While our study focuses on CRNs, the ubiquity of hypergraphs in fields from natural sciences to engineering suggests that our method may find broader applications, including in information science.
• Abstract（参考訳）: 本研究では,反応速度の上限を導出することを目的として,反応ネットワーク(crns)のダイナミクスについて検討する。 この課題は、CRNに固有の非線形性質と離散構造のために困難である。 これに対処するために,自然勾配を用いた情報幾何学的手法を用いて,crnダイナミクスの上限となる非線形システムを開発する。 我々は,CRNの特定のクラスにおいて,より高速な収束を示す数値シミュレーションによるアプローチを検証する。 このクラスは化学反応の数、化学反応の化学量係数の最大値、反応の数によって特徴づけられる。 また,本手法を従来の手法と比較し,CRNの反応速度に上限を与えることができないことを示した。 本研究はCRNに焦点をあてる一方で,自然科学から工学に至るまでの分野におけるハイパーグラフの多用性は,情報科学を含む幅広い応用を見出すことを示唆している。

関連論文リスト

• NeuralCRNs: A Natural Implementation of Learning in Chemical Reaction Networks [0.0]
  決定論的化学反応ネットワーク(CRN)の集合体として構築された新しい教師あり学習フレームワークを提案する。 従来の作業とは異なり、NeuralCRNsフレームワークは動的システムベースの学習実装に基づいており、結果として化学的に互換性のある計算が行われる。
  論文  参考訳（メタデータ） (2024-08-18T01:43:26Z)
• 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)
• 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)
• Training Feedback Spiking Neural Networks by Implicit Differentiation on the Equilibrium State [66.2457134675891]
  スパイキングニューラルネットワーク(英: Spiking Neural Network、SNN)は、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする脳にインスパイアされたモデルである。 既存のほとんどの手法は、人工ニューラルネットワークのバックプロパゲーションフレームワークとフィードフォワードアーキテクチャを模倣している。 本稿では,フォワード計算の正逆性に依存しない新しいトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T07:46:54Z)
• Chemical-Reaction-Aware Molecule Representation Learning [88.79052749877334]
  本稿では,化学反応を用いて分子表現の学習を支援することを提案する。 本手法は,1) 埋め込み空間を適切に整理し, 2) 分子埋め込みの一般化能力を向上させるために有効であることが証明された。 実験結果から,本手法は様々なダウンストリームタスクにおける最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2021-09-21T00:08:43Z)
• Programming and Training Rate-Independent Chemical Reaction Networks [9.001036626196258]
  天然の生化学系は一般的に化学反応ネットワーク(CRN)によってモデル化される CRNは合成化学計算の仕様言語として使用できる。 本稿では, NC-CRNのプログラム手法について述べる。
  論文  参考訳（メタデータ） (2021-09-20T15:31:03Z)
• Kinetics-Informed Neural Networks [0.0]
  我々は、通常の微分方程式を解くために、サロゲートモデルを構築するための基礎関数としてフィードフォワード人工ニューラルネットワークを用いる。 正規化多目的最適化設定におけるニューラルネットと運動モデルパラメータの同時学習により,逆問題の解が導かれることを示す。 この逆運動的ODEに対する代理的アプローチは、過渡的なデータに基づく反応機構の解明に役立てることができる。
  論文  参考訳（メタデータ） (2020-11-30T00:07:09Z)
• Graph Neural Networks for the Prediction of Substrate-Specific Organic Reaction Conditions [79.45090959869124]
  有機化学反応をモデル化するために,グラフニューラルネットワーク(GNN)を用いた系統的研究を行った。 実験試薬と条件の識別に関わる分類タスクに対して、7つの異なるGNNアーキテクチャを評価した。
  論文  参考訳（メタデータ） (2020-07-08T17:21:00Z)
• Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
  一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。 線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。 提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:55:47Z)
• Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search [83.22850633478302]
  反合成計画(retrosynthetic planning)は、ターゲット生成物の合成に繋がる一連の反応を特定する。 既存の手法では、高いばらつきを持つロールアウトによる高価なリターン推定が必要か、品質よりも探索速度を最適化する必要がある。 本稿では,高品質な合成経路を効率よく見つけるニューラルネットワークA*ライクなアルゴリズムRetro*を提案する。
  論文  参考訳（メタデータ） (2020-06-29T05:53:33Z)
• Autonomous Discovery of Unknown Reaction Pathways from Data by Chemical Reaction Neural Network [0.0]
  化学反応は、エネルギー、環境、生物、その他多くの自然システムで起こる。 本稿では、時間分解種濃度データから反応経路を自律的に発見するニューラルネットワークアプローチを提案する。 提案された化学反応ニューラルネットワーク(CRNN)は設計上、質量反応法やアレニウス法を含む基本的な物理法則を満たす。
  論文  参考訳（メタデータ） (2020-02-20T23:36:46Z)

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。