論文の概要: Flow Matching for Optimal Reaction Coordinates of Biomolecular System

• arxiv url: http://arxiv.org/abs/2408.17139v1
• Date: Fri, 30 Aug 2024 09:28:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-02 15:48:34.372523
• Title: Flow Matching for Optimal Reaction Coordinates of Biomolecular System
• Title（参考訳）: 生体分子系の最適反応座標に対するフローマッチング
• Authors: Mingyuan Zhang, Zhicheng Zhang, Yong Wang, Hao Wu,
• Abstract要約: Flow Matching for Reaction Coordinates (FMRC)は、分子動力学における最適な反応座標(RC)を特定するために設計された新しいディープラーニングアルゴリズムである。 FMRCは、深い生成モデルを用いた効率的なデータ駆動最適化のための条件付き確率フレームワークに再構成した、疎結合性と分解性の数学的原理に基づいている。
• 参考スコア（独自算出の注目度）: 19.036655133404487
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present Flow Matching for Reaction Coordinates (FMRC), a novel deep learning algorithm designed to identify optimal reaction coordinates (RC) in biomolecular reversible dynamics. FMRC is based on the mathematical principles of lumpability and decomposability, which we reformulate into a conditional probability framework for efficient data-driven optimization using deep generative models. While FMRC does not explicitly learn the well-established transfer operator or its eigenfunctions, it can effectively encode the dynamics of leading eigenfunctions of the system transfer operator into its low-dimensional RC space. We further quantitatively compare its performance with several state-of-the-art algorithms by evaluating the quality of Markov State Models (MSM) constructed in their respective RC spaces, demonstrating the superiority of FMRC in three increasingly complex biomolecular systems. Finally, we discuss its potential applications in downstream applications such as enhanced sampling methods and MSM construction.
• Abstract（参考訳）: 生体分子可逆力学における最適反応座標 (RC) の同定を目的とした新しい深層学習アルゴリズムであるFMRC(Flow Matching for Reaction Coordinates)を提案する。 FMRCは、深い生成モデルを用いた効率的なデータ駆動最適化のための条件付き確率フレームワークに再構成した、疎結合性と分解性の数学的原理に基づいている。 FMRCは、十分に確立された転送演算子や固有関数を明示的に学習するわけではないが、システム転送演算子の先頭の固有関数のダイナミクスを低次元RC空間に効果的にエンコードすることができる。 さらに,各RC空間に構築されたマルコフ状態モデル(MSM)の品質を評価し,より複雑な3つの生体分子系におけるFMRCの優位性を示すことによって,その性能をいくつかの最先端アルゴリズムと定量的に比較する。 最後に,拡張サンプリング法やMSM構築など,下流アプリケーションにおけるその可能性について論じる。

関連論文リスト

• RadioDiff: An Effective Generative Diffusion Model for Sampling-Free Dynamic Radio Map Construction [42.596399621642234]
  無線マップ(RM)は、位置のみに基づいてパスロスを得ることができる有望な技術である。 本稿では, サンプリングフリーのRM構造を条件付き生成問題としてモデル化し, 高品質なRM構造を実現するためにRadioDiffという名前の拡散拡散法を提案する。 実験の結果,提案したRadioDiffは,3つの精度,構造的類似度,ピーク信号対雑音比の3つの指標において,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2024-08-16T08:02:00Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Reaction coordinate flows for model reduction of molecular kinetics [2.6088247674246303]
  本稿では,分子系の低次元動力学モデルの発見を目的として,反応座標(RC)フローと呼ばれるフローベース機械学習手法を提案する。 この研究で研究されたブラウン力学に基づく還元速度論的モデルにより、分子系の相空間における準安定状態の容易に識別できる表現が得られる。
  論文  参考訳（メタデータ） (2023-09-11T23:59:18Z)
• Towards Efficient Modeling and Inference in Multi-Dimensional Gaussian Process State-Space Models [11.13664702335756]
  我々は,高次元潜在状態空間における遷移関数を効率的にモデル化するために,効率的な変換ガウス過程(ETGP)をGPSSMに統合することを提案する。 また,パラメータ数および計算複雑性の観点から,既存の手法を超越した変分推論アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-09-03T04:34:33Z)
• Improving and generalizing flow-based generative models with minibatch optimal transport [90.01613198337833]
  連続正規化フロー(CNF)のための一般条件流整合(CFM)技術を導入する。 CFMは、拡散モデルのフローをトレーニングするために使用されるような安定した回帰目標を特徴としているが、決定論的フローモデルの効率的な推論を好んでいる。 我々の目的の変種は最適輸送CFM (OT-CFM) であり、訓練がより安定し、より高速な推論をもたらすより単純なフローを生成する。
  論文  参考訳（メタデータ） (2023-02-01T14:47:17Z)
• GANs and Closures: Micro-Macro Consistency in Multiscale Modeling [0.0]
  本稿では,物理シミュレーションとバイアス法を併用して,条件分布をサンプリングする手法を提案する。 このフレームワークは, マルチスケールSDE動的システムサンプリングを改善することができることを示すとともに, 複雑性が増大するシステムにも期待できることを示す。
  論文  参考訳（メタデータ） (2022-08-23T03:45:39Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)
• Quaternion Factorization Machines: A Lightweight Solution to Intricate Feature Interaction Modelling [76.89779231460193]
  factorization machine(fm)は、機能間の高次インタラクションを自動的に学習し、手動の機能エンジニアリングを必要とせずに予測を行うことができる。 本研究では,スパース予測解析のためのQFM(Quaternion factorization Machine)とQNFM(Quaternion neural factorization Machine)を提案する。
  論文  参考訳（メタデータ） (2021-04-05T00:02:36Z)
• Non-convex Learning via Replica Exchange Stochastic Gradient MCMC [25.47669573608621]
  本稿では,適応的複製交換SGMCMC(reSGMCMC)を提案し,バイアスを自動的に補正し,対応する特性について検討する。 実験では,様々な設定の広範囲な実験を通じてアルゴリズムを検証し,その結果を得た。
  論文  参考訳（メタデータ） (2020-08-12T15:02:59Z)

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。