論文の概要: Coarse-graining conformational dynamics with multi-dimensional generalized Langevin equation: how, when, and why

• arxiv url: http://arxiv.org/abs/2405.12356v1
• Date: Mon, 20 May 2024 20:14:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-22 14:57:39.901019
• Title: Coarse-graining conformational dynamics with multi-dimensional generalized Langevin equation: how, when, and why
• Title（参考訳）: 多次元一般化ランゲヴィン方程式による粗粒配座力学--どのように、いつ、なぜか
• Authors: Pinchen Xie, Yunrui Qiu, Weinan E,
• Abstract要約: データ駆動型ab initio Generalized Langevin equation (AIGLE) アプローチが開発され、高次元、不均一、粗粒状コンフォメーションダイナミクスを学習し、シミュレートする。 揺らぎ散逸定理に制約されたこのアプローチは、全原子分子動力学との動的整合性において粗い粒度のモデルを構築することができる。
• 参考スコア（独自算出の注目度）: 5.4414562674321765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A data-driven ab initio generalized Langevin equation (AIGLE) approach is developed to learn and simulate high-dimensional, heterogeneous, coarse-grained conformational dynamics. Constrained by the fluctuation-dissipation theorem, the approach can build coarse-grained models in dynamical consistency with all-atom molecular dynamics. We also propose practical criteria for AIGLE to enforce long-term dynamical consistency. Case studies of a toy polymer, with 20 coarse-grained sites, and the alanine dipeptide, with two dihedral angles, elucidate why one should adopt AIGLE or its Markovian limit for modeling coarse-grained conformational dynamics in practice.
• Abstract（参考訳）: データ駆動型ab initio Generalized Langevin equation (AIGLE) アプローチが開発され、高次元、不均一、粗粒状コンフォメーションダイナミクスを学習し、シミュレートする。 揺らぎ散逸定理に制約されたこのアプローチは、全原子分子動力学との動的整合性において粗い粒度のモデルを構築することができる。 また,AIGLEが長期的動的整合性を実現するための実践的基準を提案する。 20の粗粒の部位を持つおもちゃのポリマーと2つの二面角を持つアラニンジペプチドのケーススタディは、実際に粗粒のコンフォメーション力学をモデル化するために、なぜAIGLEまたはマルコフ限界を採用するべきかを解明する。

関連論文リスト

• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Dynamics of a Generalized Dicke Model for Spin-1 Atoms [0.0]
  ディック模型は理論空洞量子力学(キャビティQED)の基礎である これは、相転移、相乗法、カオスなど、多様なダイナミクスを示している。 モデルによって認識される多様で複雑な振る舞いは、そのダイナミクスをより厳密にマッピングする必要性を強調します。
  論文  参考訳（メタデータ） (2024-03-04T04:09:35Z)
• Pattern formation in charge density wave states after a quantum quench [5.155523246793565]
  正方格子$t$-$V$モデルにおける電荷密度波(CDW)の時間後ダイナミクスについて検討する。 大規模シミュレーションにより,ポストクエンチCDW状態,特に強いクエンチ状態の複雑なパターンが明らかになった。
  論文  参考訳（メタデータ） (2023-12-21T10:50:26Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Invertible Coarse Graining with Physics-Informed Generative Artificial Intelligence [9.343446996260328]
  マルチスケール分子モデリングには2つの課題がある。 1つは、粗粒度から粗粒度への情報伝達による粗粒度モデルの構築であり、もう1つは粗粒度構成が与えられたときのより微細な分子の詳細を復元することである。 本稿では,これらを結合する理論を提案し,両問題を統一的に解くためのCycle Coarse Graining (CCG) と呼ばれる方法論を開発した。
  論文  参考訳（メタデータ） (2023-05-02T08:05:42Z)
• Husimi dynamics generated by non-Hermitian Hamiltonians [0.0]
  半古典的極限におけるフシミ分布の力学を解析する。 量子力学が古典的なフシミ力学の上にどのように展開するかを示す。
  論文  参考訳（メタデータ） (2022-12-07T15:35:53Z)
• Slow semiclassical dynamics of a two-dimensional Hubbard model in disorder-free potentials [77.34726150561087]
  調和およびスピン依存線形ポテンシャルの導入は、fTWAを長期間にわたって十分に検証することを示した。 特に、有限2次元系に着目し、中間線形ポテンシャル強度において、高調波ポテンシャルの追加と傾きのスピン依存が、亜拡散力学をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-10-03T16:51:25Z)
• Convex Analysis of the Mean Field Langevin Dynamics [49.66486092259375]
  平均場ランゲヴィン力学の収束速度解析について述べる。 ダイナミックスに付随する$p_q$により、凸最適化において古典的な結果と平行な収束理論を開発できる。
  論文  参考訳（メタデータ） (2022-01-25T17:13:56Z)
• Neural Ordinary Differential Equations for Data-Driven Reduced Order Modeling of Environmental Hydrodynamics [4.547988283172179]
  流体シミュレーションにおける神経常微分方程式の利用について検討する。 テスト問題としては,シリンダー周辺の非圧縮性流れや河川・河口系における浅水流体力学の現実的応用などが挙げられる。 本研究では,ニューラル ODE が潜在空間力学の安定かつ正確な進化のためのエレガントな枠組みを提供することを示唆する。
  論文  参考訳（メタデータ） (2021-04-22T19:20:47Z)
• Learning Neural Generative Dynamics for Molecular Conformation Generation [89.03173504444415]
  分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。 分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-02-20T03:17:58Z)

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。