論文の概要: Estimating Reaction Barriers with Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2407.12453v2
• Date: Thu, 24 Oct 2024 08:37:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-08 20:36:48.495613
• Title: Estimating Reaction Barriers with Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習による反応障壁の推定
• Authors: Adittya Pal,
• Abstract要約: 複雑な系の安定状態は、関連するポテンシャルエネルギー表面上の局所ミニマに対応する。 たいていの場合、システムは局所的な最小値に近づき、希少な大きなゆらぎがミニマ間の遷移に繋がる。 本研究の目的は,システム状態空間における2つの安定状態間の最小エネルギー障壁をコスト最小化問題として求めることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Stable states in complex systems correspond to local minima on the associated potential energy surface. Transitions between these local minima govern the dynamics of such systems. Precisely determining the transition pathways in complex and high-dimensional systems is challenging because these transitions are rare events, and isolating the relevant species in experiments is difficult. Most of the time, the system remains near a local minimum, with rare, large fluctuations leading to transitions between minima. The probability of such transitions decreases exponentially with the height of the energy barrier, making the system's dynamics highly sensitive to the calculated energy barriers. This work aims to formulate the problem of finding the minimum energy barrier between two stable states in the system's state space as a cost-minimization problem. We propose solving this problem using reinforcement learning algorithms. The exploratory nature of reinforcement learning agents enables efficient sampling and determination of the minimum energy barrier for transitions.
• Abstract（参考訳）: 複雑な系の安定状態は、関連するポテンシャルエネルギー表面上の局所ミニマに対応する。 これらの局所ミニマ間の遷移は、そのような系の力学を支配している。 複雑系と高次元系の遷移経路を正確に決定することは、これらの遷移は稀な出来事であり、実験において関連する種を分離することが困難である。 たいていの場合、システムは局所的な最小値に近づき、希少な大きなゆらぎがミニマ間の遷移に繋がる。 このような遷移の確率はエネルギー障壁の高さとともに指数関数的に減少し、システムのダイナミクスは計算されたエネルギー障壁に非常に敏感になる。 本研究の目的は,システム状態空間における2つの安定状態間の最小エネルギー障壁をコスト最小化問題として求めることである。 本稿では、強化学習アルゴリズムを用いてこの問題を解決することを提案する。 強化学習剤の探索的性質は、遷移の最小エネルギー障壁の効率的なサンプリングと決定を可能にする。

関連論文リスト

• Quasiperiodicity protects quantized transport in disordered systems without gaps [0.0]
  我々は、Aubry-Andr'e-Harper鎖に有界局所障害を付加して生き残る量子化された電流を観察する。 寒冷原子やフォトニック実験などにおいて直接実現可能なプロトコルを提案し,この安定性を活用して,高チャーン数で位相多体状態を作成する。
  論文  参考訳（メタデータ） (2024-07-09T17:11:48Z)
• Computing Transition Pathways for the Study of Rare Events Using Deep Reinforcement Learning [4.092552518040045]
  本研究では,特定の経路空間上でのコスト最小化問題としてパスフィニングタスクを定式化する。 コスト関数はFreidlin-Wentzellアクション関数から適用され、荒々しい潜在的な景観に対処できる。 この方法は、エピソードを生成するポリシーにシステムのポテンシャル力を取り入れ、システムの物理的特性と分子系の学習過程を組み合わせる。
  論文  参考訳（メタデータ） (2024-04-08T23:30:15Z)
• Environment-Induced Information Scrambling Transition with Charge Conservations [6.659260341668616]
  一般閉量子系では、作用素の複雑さはハイゼンベルク方程式によって支配される時間進化の下で増加する。 システムが外部環境と相互作用する場合、システム環境の結合によりオペレーターはシステムから脱出することができる。 この遷移は、もともとマヨラナ・フェルミオン・システムで提案された環境誘起情報スクランブル・トランジションとして知られている。
  論文  参考訳（メタデータ） (2024-03-13T15:36:53Z)
• Correspondence between excited energy eigenstates and local minima of energy landscape in quantum spin systems [0.0]
  エネルギースペクトルにおける局所最小値と励起固有状態の対応性について検討した。 局所的なミニマは一般的に励起エネルギー固有状態と解釈できる。 スプリアスミニマの事例も報告されている。
  論文  参考訳（メタデータ） (2023-06-08T05:01:14Z)
• Dissipative Landau-Zener tunneling: crossover from weak to strong environment coupling [0.043784018373427214]
  ランダウ・ツェナー (Landau-Zener) トンネル(LZ)は、2段階のシステムにおいて、反交差を掃討する際の遷移を記述している。 システムと環境の結合による散逸は、遷移率を決定する上で重要な要素である。 超伝導束量子ビットを用いた散逸性LZ遷移の実験結果について報告する。
  論文  参考訳（メタデータ） (2022-07-05T12:58:53Z)
• Low-rank Optimal Transport: Approximation, Statistics and Debiasing [51.50788603386766]
  フロゼットボン2021ローランで提唱された低ランク最適輸送(LOT)アプローチ LOTは興味のある性質と比較した場合、エントロピー正則化の正当な候補と見なされる。 本稿では,これらの領域のそれぞれを対象とし,計算OTにおける低ランクアプローチの影響を補強する。
  論文  参考訳（メタデータ） (2022-05-24T20:51:37Z)
• Adversarially Robust Learning for Security-Constrained Optimal Power Flow [55.816266355623085]
  我々は、N-kセキュリティ制約付き最適電力流(SCOPF)の課題に取り組む。 N-k SCOPFは電力網の運用における中核的な問題である。 N-k SCOPF を極小最適化問題とみなす。
  論文  参考訳（メタデータ） (2021-11-12T22:08:10Z)
• Hyperspace Neighbor Penetration Approach to Dynamic Programming for Model-Based Reinforcement Learning Problems with Slowly Changing Variables in A Continuous State Space [58.720142291102135]
  本稿では,強化学習における変数のゆるやかに変化する問題に対処するHyperspace Neighbor Peretration (HNP) アプローチを提案する。 HNPは、各遷移ステップで状態の部分的な「貫通」を、格子状超空間内の隣接する超タイルにキャプチャする。 要約すると、HNPは強化学習においてゆっくりと変化する変数を扱う場合、古典的な方法よりも桁違いに効率的である。
  論文  参考訳（メタデータ） (2021-06-10T04:58:31Z)
• Bridging the Gap Between the Transient and the Steady State of a Nonequilibrium Quantum System [58.720142291102135]
  非平衡の多体量子系は、多体物理学のフロンティアの1つである。 直流電場における強相関電子に関する最近の研究は、系が連続した準熱状態を経て進化することを示した。 我々は、短時間の過渡計算を用いて遅延量を求める補間スキームを実証する。
  論文  参考訳（メタデータ） (2021-01-04T06:23:01Z)
• Universality of entanglement transitions from stroboscopic to continuous measurements [68.8204255655161]
  有限結合における絡み合い遷移は、連続的な測定系がランダムに非可積分である場合に持続することを示す。 これは、幅広い実験的な設定と、後者のシステムに蓄積された豊富な知識の間の橋渡しとなる。
  論文  参考訳（メタデータ） (2020-05-04T21:45:59Z)
• Einselection from incompatible decoherence channels [62.997667081978825]
  我々は、CQED実験にインスパイアされたオープン量子力学を、2つの非可換リンドブラッド作用素を用いて解析する。 Fock状態は、決定的な結合をデコヒーレンスにデコヒーレンスする最も堅牢な状態のままであることを示す。
  論文  参考訳（メタデータ） (2020-01-29T14:15:19Z)

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。