論文の概要: Transferable Boltzmann Generators
- arxiv url: http://arxiv.org/abs/2406.14426v1
- Date: Thu, 20 Jun 2024 15:50:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 12:52:55.928664
- Title: Transferable Boltzmann Generators
- Title（参考訳）: 伝達可能なボルツマン発電機
- Authors: Leon Klein, Frank Noé,
- Abstract要約: 化学空間をまたいで移動可能なボルツマン発生器のための第1の枠組みを提案する。
提案アーキテクチャは, 単一分子系で訓練されたボルツマン発生器の効率を向上させる。
- 参考スコア（独自算出の注目度）: 6.36887173111677
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The generation of equilibrium samples of molecular systems has been a long-standing problem in statistical physics. Boltzmann Generators are a generative machine learning method that addresses this issue by learning a transformation via a normalizing flow from a simple prior distribution to the target Boltzmann distribution of interest. Recently, flow matching has been employed to train Boltzmann Generators for small molecular systems in Cartesian coordinates. We extend this work and propose a first framework for Boltzmann Generators that are transferable across chemical space, such that they predict zero-shot Boltzmann distributions for test molecules without being retrained for these systems. These transferable Boltzmann Generators allow approximate sampling from the target distribution of unseen systems, as well as efficient reweighting to the target Boltzmann distribution. The transferability of the proposed framework is evaluated on dipeptides, where we show that it generalizes efficiently to unseen systems. Furthermore, we demonstrate that our proposed architecture enhances the efficiency of Boltzmann Generators trained on single molecular systems.
- Abstract（参考訳）: 分子系の平衡サンプルの生成は、統計物理学における長年の問題であった。
Boltzmann Generatorsは、単純な事前分布から対象のBoltzmann分布への正規化フローを通じて変換を学習することで、この問題に対処する生成機械学習手法である。
近年,カルテシアン座標系における小さな分子系に対するボルツマン・ジェネレータの訓練にフローマッチングが用いられている。
本研究を拡張し, 試験分子に対するゼロショットボルツマン分布をこれらの系に再学習することなく予測できるように, 化学空間に移動可能なボルツマン発生器の第一の枠組みを提案する。
これらの伝達可能なボルツマン発生器は、対象とするボルツマン分布に対する効率的な再重み付けと同様に、目に見えない系のターゲット分布から近似的なサンプリングを可能にする。
提案するフレームワークの転写性はジペプチドで評価され, 効率よく非可視系に一般化することを示した。
さらに,本アーキテクチャにより,単一分子系で訓練したボルツマン発電機の効率が向上することを示した。
関連論文リスト
- Flow Perturbation to Accelerate Unbiased Sampling of Boltzmann distribution [2.103187931015573]
フローベース生成モデルはボルツマン分布のサンプリングに用いられているが、その応用は流れのジャコビアンを得る計算コストによって妨げられている。
本稿では,最適化された摂動を流れに組み込む流れ摂動法を提案する。
摂動流によって生じる軌跡を再重み付けすることにより,ボルツマン分布の非バイアスサンプリングを桁違いの速度アップで達成する。
論文 参考訳（メタデータ） (2024-07-15T12:29:17Z) - Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
論文 参考訳（メタデータ） (2024-02-09T01:11:23Z) - Energy based diffusion generator for efficient sampling of Boltzmann distributions [11.855642710689704]
エネルギーベース拡散発生器(EDG)は、変分オートエンコーダと拡散モデルからアイデアを統合する新しいアプローチである。
EDGはシミュレーションなしで、訓練中に通常の方程式や微分方程式を解く必要がなくなる。
論文 参考訳（メタデータ） (2024-01-04T06:03:46Z) - Transition Path Sampling with Boltzmann Generator-based MCMC Moves [49.69940954060636]
サンプル遷移経路への現在のアプローチはマルコフ連鎖モンテカルロを用いており、新しい経路を見つけるために時間集約的な分子動力学シミュレーションに依存している。
我々の手法は、分子のボルツマン分布からガウスへ写像する正規化フローの潜在空間で機能し、分子シミュレーションを必要とせずに新しい経路を提案する。
論文 参考訳（メタデータ） (2023-12-08T20:05:33Z) - Universal representation by Boltzmann machines with Regularised Axons [34.337412054122076]
正規化されたボルツマンマシンは任意の分布を表現できることを示す。
また、正規化されたボルツマンマシンは、任意の相関した多くの可視パターンを完全検索で指数関数的に保存できることを示す。
論文 参考訳（メタデータ） (2023-10-22T20:05:47Z) - Equivariant flow matching [0.9208007322096533]
等変連続正規化流(CNF)の新しい訓練目標である等変フローマッチングを導入する。
等変流マッチングは、標的エネルギーの物理対称性を利用して、同変CNFの効率的でシミュレーションなしな訓練を行う。
この結果から,同変フローマッチングの対象は,従来の手法に比べて,より短い積分経路,サンプリング効率の向上,スケーラビリティの向上を図っている。
論文 参考訳（メタデータ） (2023-06-26T19:40:10Z) - Learning Probabilistic Models from Generator Latent Spaces with Hat EBM [81.35199221254763]
本研究では、エネルギーベースモデル(EBM)の基礎として、任意のジェネレータネットワークを使用する方法を提案する。
128x128解像度の非条件画像ネット合成,(2)既存の生成装置の出力の精細化,(3)非確率的生成装置を組み込んだ学習用EMMにおいて,提案手法の強い性能を示す。
論文 参考訳（メタデータ） (2022-10-29T03:55:34Z) - Macroscopic noise amplification by asymmetric dyads in non-Hermitian
optical systems for generative diffusion models [55.2480439325792]
非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。
このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
論文 参考訳（メタデータ） (2022-06-24T10:19:36Z) - GeoDiff: a Geometric Diffusion Model for Molecular Conformation
Generation [102.85440102147267]
分子配座予測のための新しい生成モデルGeoDiffを提案する。
GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
論文 参考訳（メタデータ） (2022-03-06T09:47:01Z) - Generative Semantic Hashing Enhanced via Boltzmann Machines [61.688380278649056]
既存の生成ハッシュ法は、主に後部分布の分解形式を仮定する。
本稿では,ボルツマンマシンの分布を検索後部として利用することを提案する。
ハッシュコード内の異なるビット間の相関関係を効果的にモデル化することにより、我々のモデルは大幅な性能向上を達成できることを示す。
論文 参考訳（メタデータ） (2020-06-16T01:23:39Z) - Entropy, Free Energy, and Work of Restricted Boltzmann Machines [0.08594140167290096]
我々は統計物理学の文脈で制限されたボルツマンマシンの訓練過程を分析する。
トレーニングが進むにつれて,エントロピーのサブ付加性を通じて,可視層と隠蔽層との相関関係が成長することを示す。
本稿では,作業の指数関数の経路平均と学習前後の自由エネルギーの差を結合するジャージンスキー等式について論じる。
論文 参考訳（メタデータ） (2020-04-10T04:16:33Z)
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。