論文の概要: Generative Model for Constructing Reaction Path from Initial to Final States

• arxiv url: http://arxiv.org/abs/2401.10721v1
• Date: Fri, 19 Jan 2024 14:32:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 15:46:49.150532
• Title: Generative Model for Constructing Reaction Path from Initial to Final States
• Title（参考訳）: 初期状態から最終状態への反応経路構築のための生成モデル
• Authors: Akihide Hayashi, So Takamoto, Ju Li, Daisuke Okanohara
• Abstract要約: 本稿では,ニューラルネットワークを用いて反応経路を推定する手法を提案する。 提案手法は、初期状態の座標を入力し、その後、その構造を進行的に変化させることによって開始される。 この手法の応用は、有機反応によって示される複雑な反応経路にまで及ぶ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mapping out reaction pathways and their corresponding activation barriers is a significant aspect of molecular simulation. Given their inherent complexity and nonlinearity, even generating a initial guess of these paths remains a challenging problem. Presented in this paper is an innovative approach that utilizes neural networks to generate initial guess for these reaction pathways. The proposed method is initiated by inputting the coordinates of the initial state, followed by progressive alterations to its structure. This iterative process culminates in the generation of the approximate representation of the reaction path and the coordinates of the final state. The application of this method extends to complex reaction pathways illustrated by organic reactions. Training was executed on the Transition1x dataset, an organic reaction pathway dataset. The results revealed generation of reactions that bore substantial similarities with the corresponding test data. The method's flexibility allows for reactions to be generated either to conform to predetermined conditions or in a randomized manner.
• Abstract（参考訳）: 反応経路とその活性化障壁のマッピングは分子シミュレーションの重要な側面である。 本質的にの複雑性と非線形性を考えると、これらの経路を最初に推測することさえ難しい問題である。 本稿では,ニューラルネットワークを用いた反応経路の初期推定手法を提案する。 提案手法は初期状態の座標を入力し,その構造に漸進的な変更を加えることで開始する。 この反復過程は、反応経路の近似表現と最終状態の座標の生成に結実する。 この方法の適用は、有機反応によって示される複雑な反応経路にまで及ぶ。 トレーニングは有機反応経路データセットであるtransition1xデータセット上で実行された。 その結果, 対応する試験データとかなり類似した反応が得られた。 この方法の柔軟性は、所定の条件に適合するか、ランダムな方法で反応を生成することができる。

関連論文リスト

• Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
  本稿では,様々な有機反応関連タスクに適した新しい化学反応表現学習モデルであるモデルネームを紹介する。 反応物質と生成物との原子対応を統合することにより、反応中に生じる分子変換を識別し、反応機構の理解を深める。 反応条件を化学反応表現に組み込むアダプタ構造を設計し、様々な反応条件を処理し、様々なデータセットや下流タスク、例えば反応性能予測に適応できるようにした。
  論文  参考訳（メタデータ） (2024-11-26T17:41:44Z)
• A Roadmap for Simulating Chemical Dynamics on a Parametrically Driven Bosonic Quantum Device [32.65699367892846]
  ボソニック超伝導Kerr-catデバイスを用いた反応力学シミュレーションの実現可能性について検討した。 このアプローチは、二重井戸自由エネルギープロファイルを定義するパラメータを制御し、温度や反応座標と非反応性自由度の熱浴との間の結合強度などの外部要因を制御できる。
  論文  参考訳（メタデータ） (2024-09-19T22:43:08Z)
• Measurement-Induced Transmon Ionization [69.65384453064829]
  トランスモンイオン化の起源の物理像を提供する包括的枠組みを開発する。 この枠組みは、トランスモンイオン化に関与する多光子共鳴を同定する。 また、イオン化のための光子数閾値の数値推定を効率的に計算することができる。
  論文  参考訳（メタデータ） (2024-02-09T18:46:50Z)
• Multi-level Protocol for Mechanistic Reaction Studies Using Semi-local Fitted Potential Energy Surfaces [0.0]
  本稿では化学反応機構の定期的な理論的研究のためのマルチスケールプロトコルを提案する。 この手法の性能の重要な側面は、そのマルチスケールな性質であり、これは計算労力を節約するだけでなく、意味のある情報を抽出することを可能にする。
  論文  参考訳（メタデータ） (2023-04-03T12:55:29Z)
• A linear response framework for simulating bosonic and fermionic correlation functions illustrated on quantum computers [58.720142291102135]
  線形反応における応答関数を得るためのリーマン形式は実験に直接関連しない。 量子コンピューティングの文脈において、実験を量子シミュレーションの不可分な部分とする。 ボソニックグリーンとフェルミオングリーンの両方の関数が得られ、これらのアイデアを電荷密度波材料の研究に応用できることを示す。
  論文  参考訳（メタデータ） (2023-02-20T19:01:02Z)
• Self-Improved Retrosynthetic Planning [66.5397931294144]
  再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応の経路を見つけるための化学の基本的な問題である。 最近の検索アルゴリズムは、ディープニューラルネットワーク(DNN)を用いてこの問題を解決するための有望な結果を示している。 そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-09T08:03:57Z)
• Non-Autoregressive Electron Redistribution Modeling for Reaction Prediction [26.007965383304864]
  反応を1ショットで予測する非自己回帰学習パラダイムを考案する。 任意の電子フローとして反応を定式化し、新しいマルチポインター復号ネットワークで予測する。 USPTO-MITデータセットの実験により、我々の手法は最先端のトップ1の精度を確立した。
  論文  参考訳（メタデータ） (2021-06-08T16:39:08Z)
• RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
  そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。 我々の方法はレトロシンセシスを2段階に分解する。 最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
  論文  参考訳（メタデータ） (2020-11-04T04:35:34Z)
• 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)
• Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
  コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。 本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-06T05:36:57Z)

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。