論文の概要: From Peptides to Nanostructures: A Euclidean Transformer for Fast and
Stable Machine Learned Force Fields
- arxiv url: http://arxiv.org/abs/2309.15126v2
- Date: Fri, 16 Feb 2024 15:54:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-19 20:34:59.441363
- Title: From Peptides to Nanostructures: A Euclidean Transformer for Fast and
Stable Machine Learned Force Fields
- Title（参考訳）: ペプチドからナノ構造へ:高速で安定な機械学習力場のためのユークリッド変換器
- Authors: J. Thorben Frank, Oliver T. Unke, Klaus-Robert M\"uller, Stefan
Chmiela
- Abstract要約: 本稿では,疎等式表現と自己注意機構を組み合わせたSO3kratesというトランスフォーマーアーキテクチャを提案する。
SO3kratesは精度、安定性、速度の独特な組み合わせを実現し、拡張時間とシステムサイズスケールでの物質の量子特性の洞察に富んだ分析を可能にする。
- 参考スコア（独自算出の注目度）: 5.013279299982324
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent years have seen vast progress in the development of machine learned
force fields (MLFFs) based on ab-initio reference calculations. Despite
achieving low test errors, the reliability of MLFFs in molecular dynamics (MD)
simulations is facing growing scrutiny due to concerns about instability over
extended simulation timescales. Our findings suggest a potential connection
between robustness to cumulative inaccuracies and the use of equivariant
representations in MLFFs, but the computational cost associated with these
representations can limit this advantage in practice. To address this, we
propose a transformer architecture called SO3krates that combines sparse
equivariant representations (Euclidean variables) with a self-attention
mechanism that separates invariant and equivariant information, eliminating the
need for expensive tensor products. SO3krates achieves a unique combination of
accuracy, stability, and speed that enables insightful analysis of quantum
properties of matter on extended time and system size scales. To showcase this
capability, we generate stable MD trajectories for flexible peptides and
supra-molecular structures with hundreds of atoms. Furthermore, we investigate
the PES topology for medium-sized chainlike molecules (e.g., small peptides) by
exploring thousands of minima. Remarkably, SO3krates demonstrates the ability
to strike a balance between the conflicting demands of stability and the
emergence of new minimum-energy conformations beyond the training data, which
is crucial for realistic exploration tasks in the field of biochemistry.
- Abstract（参考訳）: 近年,機械学習力場 (mlffs) の開発は,ab-initio reference calculations に基づく大きな進歩を遂げている。
分子動力学(MD)シミュレーションにおけるMLFFの信頼性は, 試験誤差が低いにもかかわらず, 拡張されたシミュレーションタイムスケールに対する不安定性への懸念から, 精査が進んでいる。
以上の結果から, 累積的不正確性に対するロバスト性とmlffsにおける等価表現の利用との間には, 潜在的な関連性が示唆された。
そこで本稿では,sparse equivariant representations (euclidean variable) と,invariant と equivariant information を分離するself-attention mechanismを組み合わせた so3krates と呼ばれるトランスフォーマーアーキテクチャを提案する。
SO3kratesは精度、安定性、速度の独特な組み合わせを実現し、拡張時間とシステムサイズスケールでの物質の量子特性の洞察に富んだ分析を可能にする。
この能力を示すために、柔軟なペプチドや数百個の原子を持つ超分子構造のための安定なMD軌道を生成する。
さらに, 中型鎖状分子(例えば小ペプチド)のpesトポロジーを数千のミニマを探索することにより検討した。
注目すべきは、SO3kratesは、相反する安定性の要求と、生物化学の分野における現実的な探索タスクにとって重要な、トレーニングデータを超えた新しい最小エネルギーコンフォメーションの出現の間にバランスをとる能力を示すことである。
関連論文リスト
- Tight Stability, Convergence, and Robustness Bounds for Predictive Coding Networks [60.3634789164648]
予測符号化(PC)のようなエネルギーベースの学習アルゴリズムは、機械学習コミュニティにおいて大きな注目を集めている。
動的システム理論のレンズを用いて,PCの安定性,堅牢性,収束性を厳密に解析する。
論文 参考訳（メタデータ） (2024-10-07T02:57:26Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Enhanced sampling of robust molecular datasets with uncertainty-based
collective variables [0.0]
化学関連データポイントの取得を導くために,不確実性を集合変数(CV)として活用する手法を提案する。
このアプローチでは、1つのモデルからのガウス混合モデルに基づく不確実性測定を、偏りのある分子動力学シミュレーションのためのCVとして採用する。
論文 参考訳（メタデータ） (2024-02-06T06:42:51Z) - SE(3)-Invariant Multiparameter Persistent Homology for Chiral-Sensitive
Molecular Property Prediction [1.534667887016089]
多パラメータ持続ホモロジー(MPPH)を用いた新しい分子指紋生成法を提案する。
この技術は、正確な分子特性予測が不可欠である薬物発見と材料科学において、かなりの重要性を持っている。
分子特性の予測における既存の最先端手法よりも優れた性能を示し,MoleculeNetベンチマークで広範囲な評価を行った。
論文 参考訳（メタデータ） (2023-12-12T09:33:54Z) - Implicit Transfer Operator Learning: Multiple Time-Resolution Surrogates
for Molecular Dynamics [8.35780131268962]
シミュレーションプロセスのサロゲートを複数の時間分解能で学習するフレームワークであるImplict Transfer Operator (ITO) Learningを提案する。
また、全原子分子動力学を定量的にモデル化できる粗粒CG-SE3-ITOモデルを提案する。
論文 参考訳（メタデータ） (2023-05-29T12:19:41Z) - Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。
逆スピン対分布関数による強いペアリング相関の出現を観察する。
この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
論文 参考訳（メタデータ） (2023-05-15T17:46:09Z) - Evaluating the Transferability of Machine-Learned Force Fields for
Material Property Modeling [2.494740426749958]
本稿では,機械学習力場の伝達性を評価するため,より包括的なベンチマークテストを提案する。
我々は、OpenMMパッケージと結合したグラフニューラルネットワーク(GNN)ベースの力場を用いて、ArgonのMDシミュレーションを実行する。
実験結果から, モデルが固体相の挙動を正確に把握できるのは, 固体相の構成がトレーニングデータセットに含まれる場合のみであることがわかった。
論文 参考訳（メタデータ） (2023-01-10T00:25:48Z) - Accurate Machine Learned Quantum-Mechanical Force Fields for
Biomolecular Simulations [51.68332623405432]
分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。
近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。
本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
論文 参考訳（メタデータ） (2022-05-17T13:08:28Z) - Noise-resilient Edge Modes on a Chain of Superconducting Qubits [103.93329374521808]
量子系の遺伝対称性は、それ以外は脆弱な状態を保護することができる。
非局所マヨラナエッジモード(MEM)を$mathbbZ$パリティ対称性で表す一次元キックドイジングモデルを実装した。
MEMは、予熱機構により特定の対称性を破るノイズに対して弾力性があることが判明した。
論文 参考訳（メタデータ） (2022-04-24T22:34:15Z) - Entanglement and correlations in fast collective neutrino flavor
oscillations [68.8204255655161]
集合ニュートリノ振動は、天体物理学的な設定においてレプトンのフレーバーを輸送する上で重要な役割を担っている。
高速振動を呈する単純多角ジオメトリーにおける平衡外フレーバーのフルダイナミクスについて検討した。
我々はこれらの高速集団モードが同じ動的相転移によって生成されることを示す。
論文 参考訳（メタデータ） (2022-03-05T17:00:06Z) - A2I Transformer: Permutation-equivariant attention network for pairwise
and many-body interactions with minimal featurization [0.1469945565246172]
本研究では,粒子の座標から原子間エネルギーを直接予測するエンド・ツー・エンドモデルを提案する。
我々は,周期境界条件 (PBC) や$n$-body相互作用,バイナリ合成など,分子シミュレーション問題におけるいくつかの課題に対して実験を行った。
論文 参考訳（メタデータ） (2021-10-27T12:18:25Z)
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。