論文の概要: Molecular relaxation by reverse diffusion with time step prediction
- arxiv url: http://arxiv.org/abs/2404.10935v1
- Date: Tue, 16 Apr 2024 22:15:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 17:42:39.979971
- Title: Molecular relaxation by reverse diffusion with time step prediction
- Title(参考訳): 時間ステップ予測による逆拡散による分子緩和
- Authors: Khaled Kahouli, Stefaan Simon Pierre Hessmann, Klaus-Robert Müller, Shinichi Nakajima, Stefan Gugler, Niklas Wolf Andreas Gebauer,
- Abstract要約: モレレッドは、非平衡構造の平衡状態を見つけるための概念的に新しく純粋に統計的アプローチである。
非常に小さく、計算的に安価で、ラベルなしの平衡構造からなるデータセットで訓練されている。
我々は、MoreRedを古典的な力場、平衡データと非平衡データの大規模なデータセットに基づいて訓練された同変ニューラルネットワーク力場、および半経験的強結合モデルと比較した。
- 参考スコア(独自算出の注目度): 13.834005606387706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Molecular relaxation, finding the equilibrium state of a non-equilibrium structure, is an essential component of computational chemistry to understand reactivity. Classical force field methods often rely on insufficient local energy minimization, while neural network force field models require large labeled datasets encompassing both equilibrium and non-equilibrium structures. As a remedy, we propose MoreRed, molecular relaxation by reverse diffusion, a conceptually novel and purely statistical approach where non-equilibrium structures are treated as noisy instances of their corresponding equilibrium states. To enable the denoising of arbitrarily noisy inputs via a generative diffusion model, we further introduce a novel diffusion time step predictor. Notably, MoreRed learns a simpler pseudo potential energy surface instead of the complex physical potential energy surface. It is trained on a significantly smaller, and thus computationally cheaper, dataset consisting of solely unlabeled equilibrium structures, avoiding the computation of non-equilibrium structures altogether. We compare MoreRed to classical force fields, equivariant neural network force fields trained on a large dataset of equilibrium and non-equilibrium data, as well as a semi-empirical tight-binding model. To assess this quantitatively, we evaluate the root-mean-square deviation between the found equilibrium structures and the reference equilibrium structures as well as their DFT energies.
- Abstract(参考訳): 非平衡構造の平衡状態を見つける分子緩和は、反応性を理解するための計算化学の重要な構成要素である。
古典的な力場法はしばしば局所エネルギーの最小化に頼っているが、ニューラルネットワーク力場モデルは平衡構造と非平衡構造の両方を含む大きなラベル付きデータセットを必要とする。
そこで本研究では, 逆拡散による分子緩和であるMoreRedを提案する。これは, 非平衡構造を対応する平衡状態のノイズインスタンスとして扱う, 概念的, 純粋に統計的アプローチである。
生成拡散モデルを用いて任意のノイズの入力をデノナイズできるようにするため、新しい拡散時間ステップ予測器を導入する。
特に、モレレッドは複雑な物理ポテンシャルエネルギー曲面の代わりに、単純な擬似ポテンシャルエネルギー曲面を学習する。
非平衡構造の計算を完全に回避し、ラベル付けされていない平衡構造からなるデータセットを、はるかに小さく、計算的に安価に訓練する。
我々は、MoreRedを古典的な力場、平衡データと非平衡データの大規模なデータセットに基づいて訓練された同変ニューラルネットワーク力場、および半経験的強結合モデルと比較する。
これを定量的に評価するために、見いだされた平衡構造と参照平衡構造とDFTエネルギーとのルート平均二乗偏差を評価する。
関連論文リスト
- Improving equilibrium propagation without weight symmetry through Jacobian homeostasis [7.573586022424398]
平衡伝播(EP)は誤りアルゴリズム(BP)のバックプロパゲーションの魅力的な代替手段である
EPは、非バイアス勾配を効率的に推定するために、重量対称性と無限小平衡摂動(nudges)を必要とする。
有限ヌッジはコーシー積分を通しても正確な微分を推定できるので、問題が生じないことが示される。
ネットワークの固定点におけるジャコビアンの関数的非対称性を直接緩和する新たなホメオスタティックな目的を提案する。
論文 参考訳(メタデータ) (2023-09-05T13:20:43Z) - May the Force be with You: Unified Force-Centric Pre-Training for 3D
Molecular Conformations [19.273404278711794]
平衡データとオフ平衡データの両方をカバーする3次元分子配座のための力中心事前学習モデルを提案する。
平衡データに対しては, ゼロフォース正則化と強制的復調法を導入し, 近似平衡力について検討する。
実験により, 事前学習目標により, 未訓練の同変変変圧器モデルと比較して, 力の精度を約3倍に向上することを示した。
論文 参考訳(メタデータ) (2023-08-24T01:54:02Z) - Towards Predicting Equilibrium Distributions for Molecular Systems with
Deep Learning [60.02391969049972]
本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。
DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
論文 参考訳(メタデータ) (2023-06-08T17:12:08Z) - Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。
我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。
本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文 参考訳(メタデータ) (2023-06-06T09:12:49Z) - Simulating scalar field theories on quantum computers with limited
resources [62.997667081978825]
量子ビットコンピュータ上での格子スカラー場理論を実装するための量子アルゴリズムを提案する。
このアルゴリズムは、通常の対称性相と壊れた対称性相の両方において、幅広い入力パラメータの効率的な$phi4$状態の準備を可能にする。
論文 参考訳(メタデータ) (2022-10-14T17:28:15Z) - Global Convergence of Over-parameterized Deep Equilibrium Models [52.65330015267245]
ディープ均衡モデル(Deep equilibrium model, DEQ)は、入射を伴う無限深度重み付きモデルの平衡点を通して暗黙的に定義される。
無限の計算の代わりに、ルートフィンディングで直接平衡点を解き、暗黙の微分で勾配を計算する。
本稿では,無限深度重み付きモデルの非漸近解析における技術的困難を克服する新しい確率的枠組みを提案する。
論文 参考訳(メタデータ) (2022-05-27T08:00:13Z) - Unusual Dynamical Properties of Disordered Polaritons in Micocavities [0.0]
ファノ・アンダーソンモデルに対するグリーン関数解を開発する。
マイクロキャビティのスペクトルおよび輸送特性に及ぼすエネルギー障害の影響を定量化する。
論文 参考訳(メタデータ) (2021-12-08T00:47:42Z) - Spherical Motion Dynamics: Learning Dynamics of Neural Network with
Normalization, Weight Decay, and SGD [105.99301967452334]
SMD (Spherical Motion Dynamics) と名付けられた, 正規化, 重崩壊 (WD) , SGD (運動量) を伴うニューラルネットワークの学習力学について述べる。
我々は,ImageNet や MSCOCO など様々なコンピュータビジョンタスクにおける仮定と理論的結果を標準設定で検証する。
論文 参考訳(メタデータ) (2020-06-15T14:16:33Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳(メタデータ) (2020-06-11T09:58:01Z) - Density dynamics in the mass-imbalanced Hubbard chain [0.0]
一次元格子上で相互に相互作用するフェルミオン粒子種を2種検討する。
2種間の質量比$eta$が粒子の力学に与える影響について検討した。
論文 参考訳(メタデータ) (2020-04-28T15:38:02Z)
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。