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

• arxiv url: http://arxiv.org/abs/2401.10721v2
• Date: Thu, 17 Oct 2024 08:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:15:41.976509
• 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生成モデル
• Authors: Akihide Hayashi, So Takamoto, Ju Li, Yuta Tsuboi, Daisuke Okanohara,
• Abstract要約: 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。 この幾何学的手法の応用は、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）: 0.47477099173857373
• License:
• Abstract: Mapping the chemical reaction pathways and their corresponding activation barriers is a significant challenge in molecular simulation. Given the inherent complexities of 3D atomic geometries, even generating an initial guess of these paths can be difficult for humans. This paper presents an innovative approach that utilizes neural networks to generate initial guesses for reaction pathways based on the initial state and learning from a database of low-energy transition paths. 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 guess reaction path and the coordinates of the final state. The method does not require one-the-fly computation of the actual potential energy surface, and is therefore fast-acting. The application of this geometry-based method extends to complex reaction pathways illustrated by organic reactions. Training was executed on the Transition1x dataset of organic reaction pathways. The results revealed the generation of reactions that bore substantial similarities with the test set of chemical reaction paths. 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）: 化学反応経路とその対応する活性化障壁のマッピングは、分子シミュレーションにおいて重要な課題である。 3次元の原子構造が本質的に複雑であることを考えると、これらの経路を最初に推測することさえ、人間にとって困難である。 本稿では、ニューラルネットワークを用いて、初期状態と低エネルギー遷移経路のデータベースからの学習に基づいて、反応経路の初期推定を生成する革新的なアプローチを提案する。 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。 この反復過程は、推理反応経路の生成と最終状態の座標を決定する。 この方法は、実際のポテンシャルエネルギー表面の1対1の計算を必要としないため、高速に作用する。 この幾何学的手法の応用は、有機反応によって示される複雑な反応経路にまで及ぶ。 有機反応経路のトランジション1xデータセット上で訓練が行われた。 その結果、化学反応経路の試験セットとかなりの類似性を示す反応の発生が明らかとなった。 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。