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
- Probing reaction channels via reinforcement learning [4.523974776690403]
化学反応経路に沿って反応と生成物を結合する重要な構成を同定するための強化学習に基づく手法を提案する。
これらの構成から複数の軌道を撮影することで、遷移経路のアンサンブルに集中する構成のアンサンブルを生成することができる。
結果として得られる解は、コミッタ関数 (committor function) と呼ばれ、反応の力学情報を符号化し、反応速度を評価するのに使うことができる。
論文 参考訳(メタデータ) (2023-05-27T17:22:32Z) - 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) - Initial Correlations in Open Quantum Systems: Constructing Linear
Dynamical Maps and Master Equations [62.997667081978825]
任意の所定の初期相関に対して、開系の作用素の空間上の線型動的写像を導入することができることを示す。
この構造が一般化されたリンドブラッド構造を持つ線形時間局所量子マスター方程式に導かれることを実証する。
論文 参考訳(メタデータ) (2022-10-24T13:43:04Z) - Neural-network solutions to stochastic reaction networks [7.021105583098606]
本稿では,化学マスター方程式の解法として,変分自己回帰ネットワークを用いた機械学習手法を提案する。
提案手法は, 種数状態空間における結合確率分布の時間的変化を追跡する。
遺伝的トグルスイッチと初期生命自己複製器において、時間とともに確率分布を正確に生成することを示した。
論文 参考訳(メタデータ) (2022-09-29T07:27:59Z) - 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) - 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) - 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。