論文の概要: Transition Path Sampling with Boltzmann Generator-based MCMC Moves
- arxiv url: http://arxiv.org/abs/2312.05340v2
- Date: Tue, 28 May 2024 14:50:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-30 03:57:34.562618
- Title: Transition Path Sampling with Boltzmann Generator-based MCMC Moves
- Title（参考訳）: ボルツマン発電機を用いたMCMC移動を用いた遷移経路サンプリング
- Authors: Michael Plainer, Hannes Stärk, Charlotte Bunne, Stephan Günnemann,
- Abstract要約: サンプル遷移経路への現在のアプローチはマルコフ連鎖モンテカルロを用いており、新しい経路を見つけるために時間集約的な分子動力学シミュレーションに依存している。
我々の手法は、分子のボルツマン分布からガウスへ写像する正規化フローの潜在空間で機能し、分子シミュレーションを必要とせずに新しい経路を提案する。
- 参考スコア（独自算出の注目度）: 49.69940954060636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sampling all possible transition paths between two 3D states of a molecular system has various applications ranging from catalyst design to drug discovery. Current approaches to sample transition paths use Markov chain Monte Carlo and rely on time-intensive molecular dynamics simulations to find new paths. Our approach operates in the latent space of a normalizing flow that maps from the molecule's Boltzmann distribution to a Gaussian, where we propose new paths without requiring molecular simulations. Using alanine dipeptide, we explore Metropolis-Hastings acceptance criteria in the latent space for exact sampling and investigate different latent proposal mechanisms.
- Abstract（参考訳）: 分子系の2つの3次元状態間の全ての可能な遷移経路をサンプリングすることは、触媒設計から薬物発見まで、様々な応用がある。
サンプル遷移経路への現在のアプローチはマルコフ連鎖モンテカルロを用いており、新しい経路を見つけるために時間集約的な分子動力学シミュレーションに依存している。
我々の手法は、分子のボルツマン分布からガウスへ写像する正規化フローの潜在空間で機能し、分子シミュレーションを必要とせずに新しい経路を提案する。
アラニンジペプチドを用いて,潜伏空間におけるメトロポリス・ハスティングスの受容基準を調査し,様々な潜伏提案機構について検討した。
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) - Conditional Normalizing Flows for Active Learning of Coarse-Grained Molecular Representations [0.6906005491572401]
フローの正規化のような生成機械学習手法は、サンプルなしでボルツマン分布を直接学習するために使われてきた。
本研究では,この問題を細粒度と粗粒度という2つのレベルに分けることで,この問題に対処する。
構成空間を探索するために,フローを更新し,必要時にのみ全原子ポテンシャルエネルギー評価を行うことのできる,能動学習による粗粒度シミュレーションを用いる。
論文 参考訳（メタデータ） (2024-02-02T07:44:26Z) - 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) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳（メタデータ） (2022-06-29T22:19:03Z) - 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) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳（メタデータ） (2021-02-04T02:21:08Z)
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。
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。