論文の概要: Data-driven path collective variables
- arxiv url: http://arxiv.org/abs/2312.13868v1
- Date: Thu, 21 Dec 2023 14:07:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 14:41:11.870834
- Title: Data-driven path collective variables
- Title(参考訳): データ駆動パス集合変数
- Authors: Arthur France-Lanord, Hadrien Vroylandt, Mathieu Salanne, Benjamin
Rotenberg, A. Marco Saitta, Fabio Pietrucci
- Abstract要約: 本稿では,集合変数の生成,最適化,比較のための新しい手法を提案する。
結果として得られる集合変数は1次元、解釈可能、微分可能である。
2つの異なるアプリケーションに対して,本手法の有効性を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identifying optimal collective variables to model transformations, using
atomic-scale simulations, is a long-standing challenge. We propose a new method
for the generation, optimization, and comparison of collective variables, which
can be thought of as a data-driven generalization of the path collective
variable concept. It consists in a kernel ridge regression of the committor
probability, which encodes a transformation's progress. The resulting
collective variable is one-dimensional, interpretable, and differentiable,
making it appropriate for enhanced sampling simulations requiring biasing. We
demonstrate the validity of the method on two different applications: a
precipitation model, and the association of Li$^+$ and F$^-$ in water. For the
former, we show that global descriptors such as the permutation invariant
vector allow to reach an accuracy far from the one achieved \textit{via}
simpler, more intuitive variables. For the latter, we show that information
correlated with the transformation mechanism is contained in the first
solvation shell only, and that inertial effects prevent the derivation of
optimal collective variables from the atomic positions only.
- Abstract(参考訳): 原子スケールシミュレーションを用いて最適な集団変数をモデル変換に同定することは長年の課題である。
本稿では,経路集合変数の概念をデータ駆動で一般化したものと考えられる,集合変数の生成,最適化,比較のための新しい手法を提案する。
これは、変換の進捗を符号化するコミッタ確率のカーネルリッジ回帰で構成されている。
得られた集合変数は1次元、解釈可能、微分可能であり、バイアスを必要とするサンプリングシミュレーションの強化に適している。
本研究では, 降水モデルとLi$^+$, F$^-$の2つの異なる利用法の有効性を示す。
前者に対しては、置換不変ベクトルのような大域的ディスクリプタは、より単純で直感的な変数で達成された \textit{via} から遠く離れた精度に到達できることを示した。
後者では,変換機構に関連付けられた情報が第1の溶出殻にのみ含まれており,慣性効果が最適集団変数の原子位置からの導出を妨げていることを示す。
関連論文リスト
- Conformalization of Sparse Generalized Linear Models [2.1485350418225244]
等角予測法は、任意の有限サンプルサイズに対して有効である$y_n+1$の信頼セットを推定する。
魅力的ではあるが、そのような集合の計算は多くの回帰問題において計算不可能である。
経路追従アルゴリズムが共形予測集合を正確に近似する方法を示す。
論文 参考訳(メタデータ) (2023-07-11T08:36:12Z) - Scalable variable selection for two-view learning tasks with projection
operators [0.0]
本稿では,2視点設定やベクトル値による教師付き学習問題に対して,新しい変数選択法を提案する。
当社のフレームワークは,データサンプルの数が数百万にものぼる,非常に大規模な選択タスクを処理できる。
論文 参考訳(メタデータ) (2023-07-04T08:22:05Z) - Exact Manifold Gaussian Variational Bayes [76.95091121622674]
複雑なモデルにおける変分推論(VI)の最適化アルゴリズムを提案する。
本研究では,変分行列上の正定値制約を暗黙的に満足するガウス変分推論の効率的なアルゴリズムを開発する。
ブラックボックスの性質のため、EMGVBは複雑なモデルにおけるVIのための準備が整ったソリューションである。
論文 参考訳(メタデータ) (2022-10-26T10:12:31Z) - A Quadrature Rule combining Control Variates and Adaptive Importance
Sampling [0.0]
モンテカルロ積分推定の精度を向上させるために, 単純重み付き最小二乗法が有効であることを示す。
我々の主な成果は、プロシージャの確率的誤差の非漸近的境界である。
この手法のよい振る舞いは、ベイズ線形回帰のための合成例と実世界のデータに実証的に説明される。
論文 参考訳(メタデータ) (2022-05-24T08:21:45Z) - Equivariance Discovery by Learned Parameter-Sharing [153.41877129746223]
データから解釈可能な等価性を発見する方法について検討する。
具体的には、モデルのパラメータ共有方式に対する最適化問題として、この発見プロセスを定式化する。
また,ガウスデータの手法を理論的に解析し,研究された発見スキームとオラクルスキームの間の平均2乗ギャップを限定する。
論文 参考訳(メタデータ) (2022-04-07T17:59:19Z) - Unified Multivariate Gaussian Mixture for Efficient Neural Image
Compression [151.3826781154146]
先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。
ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。
当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
論文 参考訳(メタデータ) (2022-03-21T11:44:17Z) - Improving the Sample-Complexity of Deep Classification Networks with
Invariant Integration [77.99182201815763]
変換によるクラス内分散に関する事前知識を活用することは、ディープニューラルネットワークのサンプル複雑性を改善するための強力な方法である。
そこで本研究では,アプリケーションの複雑な問題に対処するために,プルーニング法に基づく新しい単項選択アルゴリズムを提案する。
本稿では,Rotated-MNIST,SVHN,CIFAR-10データセットにおけるサンプルの複雑さの改善について述べる。
論文 参考訳(メタデータ) (2022-02-08T16:16:11Z) - VarCLR: Variable Semantic Representation Pre-training via Contrastive
Learning [84.70916463298109]
VarCLRは変数名のセマンティック表現を学ぶための新しいアプローチである。
VarCLRはコントラスト学習に適しており、明示的に類似した入力間の距離を最小化することを目的としている。
VarCLRはBERTのような洗練された汎用言語モデルを効果的に適用できることを示す。
論文 参考訳(メタデータ) (2021-12-05T18:40:32Z) - Sparse Communication via Mixed Distributions [29.170302047339174]
我々は「混合確率変数」の理論基盤を構築する。
本フレームワークは,混合確率変数の表現とサンプリングのための2つの戦略を提案する。
我々は、創発的な通信ベンチマークにおいて、両方のアプローチを実験する。
論文 参考訳(メタデータ) (2021-08-05T14:49:03Z) - An Embedded Model Estimator for Non-Stationary Random Functions using
Multiple Secondary Variables [0.0]
本稿では,本手法を導入し,地理的モデリングや量子ランダムフォレストに適用した結果と自然に類似した一貫性を有することを示す。
このアルゴリズムは、各ターゲット位置におけるターゲット変数の条件分布を推定することで機能する。
論文 参考訳(メタデータ) (2020-11-09T00:14:24Z) - Gaussianization Flows [113.79542218282282]
そこで本研究では,サンプル生成における効率のよい繰り返しと効率のよい逆変換を両立できる新しい型正規化フローモデルを提案する。
この保証された表現性のため、サンプル生成の効率を損なうことなく、マルチモーダルなターゲット分布をキャプチャできる。
論文 参考訳(メタデータ) (2020-03-04T08:15:06Z)
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。