論文の概要: Transition Path Sampling with Improved Off-Policy Training of Diffusion Path Samplers

• arxiv url: http://arxiv.org/abs/2405.19961v4
• Date: Mon, 07 Oct 2024 14:54:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-08 13:11:13.880520
• Title: Transition Path Sampling with Improved Off-Policy Training of Diffusion Path Samplers
• Title（参考訳）: 拡散路サンプリング器のオフポリティトレーニング改善による遷移路サンプリング
• Authors: Kiyoung Seong, Seonghyun Park, Seonghwan Kim, Woo Youn Kim, Sungsoo Ahn,
• Abstract要約: 遷移経路サンプリングのための拡散経路サンプリングを訓練する新しい手法を提案する。 我々はこの問題を対象経路測定の償却サンプリングとして再考した。 我々はTPS-DPSを合成二重井戸電位と3つのペプチドで評価した。
• 参考スコア（独自算出の注目度）: 10.210248065533133
• License:
• Abstract: Understanding transition pathways between meta-stable states in molecular systems is crucial to advance material design and drug discovery. However, unbiased molecular dynamics simulations are computationally infeasible due to the high energy barriers separating these states. Although recent machine learning techniques offer potential solutions, they are often limited to simple systems or rely on collective variables (CVs) derived from costly domain expertise. In this paper, we introduce a novel approach that trains diffusion path samplers (DPS) for transition path sampling (TPS) without the need for CVs. We recast the problem as an amortized sampling of the target path measure, minimizing the log-variance divergence between the path measure induced by our DPS and the target path measure. To ensure scalability for high-dimensional tasks, we introduce (1) a new off-policy training objective based on learning control variates with replay buffers and (2) a scale-based equivariant parameterization of the bias forces. We evaluate our approach, coined TPS-DPS, on a synthetic double-well potential and three peptides: Alanine Dipeptide, Polyproline Helix, and Chignolin. Results show that our approach produces more realistic and diverse transition pathways compared to existing baselines.
• Abstract（参考訳）: 分子系の準安定状態間の遷移経路を理解することは、物質設計と創薬の進歩に不可欠である。 しかし、これらの状態を分離する高エネルギー障壁のため、非バイアス分子動力学シミュレーションは計算不可能である。 最近の機械学習技術は潜在的な解決策を提供するが、しばしば単純なシステムに制限されるか、高価なドメインの専門知識から派生した集合変数(CV)に依存している。 本稿では,移動路サンプリング(TPS)のための拡散路サンプリング(DPS)をCVを必要とせずに訓練する手法を提案する。 DPSによって誘導される経路測度と対象経路測度の対数分散を最小化して、対象経路測度を補正したサンプリングとして再放送する。 高次元タスクのスケーラビリティを確保するため,(1)リプレイバッファによる学習制御に基づく新たなオフ政治学習目標,(2)バイアス力のスケールベース同変パラメータ化を提案する。 我々は、合成二重井戸電位と3つのペプチド(アラニンジペプチド、ポリプロリンヘリックス、チグノリン)に基づいて、TPS-DPSと呼ばれるアプローチを評価した。 その結果,本手法は既存のベースラインと比較して,より現実的で多様な遷移経路を生み出すことがわかった。

関連論文リスト

• Variational Schrödinger Momentum Diffusion [15.074672636555755]
  我々は、シミュレーションされた前方軌道への依存を排除するために、変分Schr"odinger運動量拡散(VSMD)を導入する。 提案手法は実世界のデータに対して効果的にスケールし,時系列および画像生成における競合的な結果を達成する。
  論文  参考訳（メタデータ） (2025-01-28T03:19:58Z)
• Sequential Controlled Langevin Diffusions [80.93988625183485]
  2つの一般的な方法として,(1) 所定のマルコフ連鎖と再サンプリング工程を通した連続モンテカルロ (SMC) と,(2) 学習された動的輸送を用いる拡散に基づくサンプリング手法が最近開発された。 本稿では,SMC と拡散型サンプリング器を連続的に観察し,経路空間の測度を考慮し,SMC と拡散型サンプリング器を組み合わせるための基本的枠組みを提案する。 これは、従来の拡散のトレーニング予算の10%しか使用しない場合が多いが、これらの手法の利点を活用でき、複数のベンチマーク問題の性能向上に資するSCLD(Sequential Controlled Langevin Diffusion)サンプリング手法の成果である。
  論文  参考訳（メタデータ） (2024-12-10T00:47:10Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  逆問題の解法として, 後方分布からのサンプルの変分推論手法を提案する。 本手法はユークリッド空間の標準信号や多様体上の信号に適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• Dynamical Measure Transport and Neural PDE Solvers for Sampling [77.38204731939273]
  本研究では, 対象物へのトラクタブル密度関数の移動として, 確率密度からサンプリングする作業に取り組む。 物理インフォームドニューラルネットワーク(PINN)を用いて各偏微分方程式(PDE)の解を近似する。 PINNはシミュレーションと離散化のない最適化を可能にし、非常に効率的に訓練することができる。
  論文  参考訳（メタデータ） (2024-07-10T17:39:50Z)
• Diffusion Methods for Generating Transition Paths [6.222135766747873]
  本研究では,スコアベース生成モデルを用いて準安定状態間の稀な遷移をシミュレートする。 本稿では,チェーンベースアプローチとミッドポイントベースアプローチの2つの新しい経路生成手法を提案する。 M"uller電位とアラニンジペプチドが生成する遷移経路の数値的な結果は、これらのアプローチがデータリッチとデータスカースの両方で有効であることを示す。
  論文  参考訳（メタデータ） (2023-09-19T03:03:03Z)
• Efficient Multimodal Sampling via Tempered Distribution Flow [11.36635610546803]
  我々はTemperFlowと呼ばれる新しいタイプのトランスポートベースサンプリング手法を開発した。 種々の実験により, 従来の手法と比較して, 新規サンプリング器の優れた性能が示された。 画像生成などの最新のディープラーニングタスクに応用例を示す。
  論文  参考訳（メタデータ） (2023-04-08T06:40:06Z)
• Enhanced Sampling of Configuration and Path Space in a Generalized Ensemble by Shooting Point Exchange [71.49868712710743]
  長寿命状態間の遷移によって引き起こされる稀な事象をシミュレートする新しい手法を提案する。 このスキームは遷移経路サンプリングシミュレーションの効率を大幅に向上させる。 力学を歪ませることなく、分子過程の熱力学、動力学、反応座標に関する情報を得る。
  論文  参考訳（メタデータ） (2023-02-17T08:41:31Z)
• 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)
• Stochastic Optimal Control for Collective Variable Free Sampling of Molecular Transition Paths [60.254555533113674]
  分子系の2つの準安定状態間の遷移経路をサンプリングする問題を考察する。 本稿では,その遷移をサンプリングする機械学習手法を提案する。
  論文  参考訳（メタデータ） (2022-06-27T14:01:06Z)

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。