論文の概要: Exploration of new chemical materials using black-box optimization with
the D-wave quantum annealer
- arxiv url: http://arxiv.org/abs/2312.09537v1
- Date: Fri, 15 Dec 2023 05:06:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-18 16:59:24.785650
- Title: Exploration of new chemical materials using black-box optimization with
the D-wave quantum annealer
- Title（参考訳）: D波量子アニールを用いたブラックボックス最適化による新しい化学物質の探索
- Authors: Mikiya Doi, Yoshihiro Nakao, Takuro Tanaka, Masami Sako and Masayuki
Ohzeki
- Abstract要約: 材料情報学では、化学空間の広大なため、望ましい性質を持つ化学物質を探すことは困難である。
実際には、容易に合成可能な構成を提案する必要もある。
本稿では,物質探索における個別変数を含むブラックボックス目的関数の最適化について述べる。
- 参考スコア（独自算出の注目度）: 0.4499833362998489
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In materials informatics, searching for chemical materials with desired
properties is challenging due to the vastness of the chemical space. Moreover,
the high cost of evaluating properties necessitates a search with a few clues.
In practice, there is also a demand for proposing compositions that are easily
synthesizable. In the real world, such as in the exploration of chemical
materials, it is common to encounter problems targeting black-box objective
functions where formalizing the objective function in explicit form is
challenging, and the evaluation cost is high. In recent research, a Bayesian
optimization method has been proposed to formulate the quadratic unconstrained
binary optimization (QUBO) problem as a surrogate model for black-box objective
functions with discrete variables. Regarding this method, studies have been
conducted using the D-Wave quantum annealer to optimize the acquisition
function, which is based on the surrogate model and determines the next
exploration point for the black-box objective function. In this paper, we
address optimizing a black-box objective function containing discrete variables
in the context of actual chemical material exploration. In this optimization
problem, we demonstrate results obtaining parameters of the acquisition
function by sampling from a probability distribution with variance can explore
the solution space more extensively than in the case of no variance. As a
result, we found combinations of substituents in compositions with the desired
properties, which could only be discovered when we set an appropriate variance.
- Abstract（参考訳）: 材料情報学では, 化学空間の広さから, 所望の特性を有する化学物質の探索が困難である。
さらに、プロパティ評価の高コストは、いくつかの手がかりで検索を必要とする。
実際には、合成が容易な構成の提案も要求されている。
化学材料の探索などの実世界では、客観的関数を明示的に定式化することが困難であり、評価コストが高いブラックボックス目的関数を対象とする問題に遭遇することが一般的である。
近年,離散変数を持つブラックボックス対象関数のサロゲートモデルとして,2次非制約バイナリ最適化(QUBO)問題を定式化するためのベイズ最適化法が提案されている。
この方法に関して、d波量子アニーラを用いて、サロゲートモデルに基づいてブラックボックス目的関数の次の探索点を決定する獲得関数を最適化する研究が行われている。
本稿では,実化学材料探索の文脈における離散変数を含むブラックボックス目的関数の最適化について述べる。
この最適化問題において,分散のある確率分布からサンプリングすることで獲得関数のパラメータを得る結果が,分散しない場合よりも広い解空間を探索できることを示す。
その結果, 組成中の置換基と所望の特性との組合せが, 適切な分散を設定する際にのみ発見できることがわかった。
関連論文リスト
- Covariance-Adaptive Sequential Black-box Optimization for Diffusion Targeted Generation [60.41803046775034]
ユーザのブラックボックス目標スコアのみを用いた拡散モデルを用いて,ユーザ優先のターゲット生成を行う方法を示す。
数値実験問題と目標誘導型3次元分子生成タスクの両方の実験により,より優れた目標値を得る上で,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2024-06-02T17:26:27Z) - Latent Energy-Based Odyssey: Black-Box Optimization via Expanded Exploration in the Energy-Based Latent Space [65.44449711359724]
ブラックボックス関数の高次元かつ高マルチモーダルな入力設計空間は、既存の手法に固有の課題をもたらす。
設計値の結合空間の圧縮的かつ正確な表現として機能する潜在空間の発見を検討する。
本稿では, 高精度潜時空間モデルの変分学習のための雑音強調型テレスコープ密度比推定法を提案する。
論文 参考訳（メタデータ） (2024-05-27T00:11:53Z) - Physics-based reward driven image analysis in microscopy [5.581609660066545]
本稿では,画像解析を動的に最適化するReward Functionの概念に基づく方法論を提案する。
Reward関数は、実験目標とより広いコンテキストと密接に整合するように設計されている。
高次元クラスタリングの物理駆動型報酬関数とアクション空間を作成することにより,部分非秩序領域の同定に向けた報酬関数のアプローチを拡張した。
論文 参考訳（メタデータ） (2024-04-22T12:55:04Z) - Diffusion Models as Constrained Samplers for Optimization with Unknown Constraints [42.47298301874283]
拡散モデルを用いてデータ多様体内で最適化を行う。
目的関数の微分可能性に応じて,2つの異なるサンプリング手法を提案する。
提案手法は,従来の最先端のベースラインよりも優れた,あるいは同等のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-02-28T03:09:12Z) - Deterministic Langevin Unconstrained Optimization with Normalizing Flows [3.988614978933934]
我々は,Fokker-Planck方程式とLangevin方程式にインスパイアされたブラックボックス関数に対するグローバルで自由な代理最適化戦略を導入する。
本研究は,標準合成試験関数の最適目的に向けての競争力の向上を実証する。
論文 参考訳（メタデータ） (2023-10-01T17:46:20Z) - Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
統計的決定論の研究からシャノンエントロピーの一般化を考える。
まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。
次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
論文 参考訳（メタデータ） (2022-10-04T04:43:58Z) - Bayesian Optimization for Macro Placement [48.55456716632735]
本研究では,系列対上のベイズ最適化(BO)を用いた新しいマクロ配置法を提案する。
BOは確率的代理モデルと獲得関数を利用する機械学習技術である。
固定アウトラインマクロ配置問題に対して, 半周波線長目標を用いたアルゴリズムを実証する。
論文 参考訳（メタデータ） (2022-07-18T06:17:06Z) - RoMA: Robust Model Adaptation for Offline Model-based Optimization [115.02677045518692]
入力出力クエリの静的データセットからブラックボックス目的関数を最大化する入力を探索する問題を考える。
この問題を解決するための一般的なアプローチは、真の客観的関数を近似するプロキシモデルを維持することである。
ここでの大きな課題は、検索中に逆最適化された入力を避ける方法である。
論文 参考訳（メタデータ） (2021-10-27T05:37:12Z) - Benchmark test of Black-box optimization using D-Wave quantum annealer [0.8602553195689513]
バイナリ変数を持つブラックボックス目的関数に対して,スパースによる推論を用いた効率的な手法が提案されている。
量子ゆらぎによって2変数を駆動することでQUBOを解くことができるD-Wave 2000Q量子アニールを用いる。
ブラックボックス最適化におけるD波量子アニールの出力特性について検討する。
論文 参考訳（メタデータ） (2021-03-23T05:27:09Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳（メタデータ） (2021-02-16T06:04:27Z) - Output-Weighted Optimal Sampling for Bayesian Experimental Design and
Uncertainty Quantification [0.0]
サンプル選択のための一連の取得関数を導入し,ベイズの実験設計と不確実性定量化に関する応用において,より高速な収束をもたらす。
提案手法は,ブラックボックス関数の入力方向が他よりも出力に大きく影響していることを活用することを目的としており,特に稀かつ極端な事象を示すシステムにおいて重要である。
論文 参考訳（メタデータ） (2020-06-22T16:21:54Z)
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。