論文の概要: Solvation Free Energies from Neural Thermodynamic Integration

• arxiv url: http://arxiv.org/abs/2410.15815v3
• Date: Tue, 25 Mar 2025 12:20:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 20:13:11.858280
• Title: Solvation Free Energies from Neural Thermodynamic Integration
• Title（参考訳）: ニューラル熱力学統合による解離自由エネルギー
• Authors: Bálint Máté, François Fleuret, Tristan Bereau,
• Abstract要約: 本稿では,2つの対象ハミルトニアン間を補間するニューラルネットワークポテンシャルと熱力学積分を用いた自由エネルギー差の計算法を提案する。 分子系を標的とするために、レナード・ジョーンズと静電相互作用を同時に結合し、分子の剛体回転をモデル化する。 我々は,レナード-ジョーンズ流体中のレナード-ジョーンズ粒子と,水とメタンの溶解物が原子分解能で水溶媒中に挿入されるという,いくつかのベンチマークシステムの正確な結果を報告した。
• 参考スコア（独自算出の注目度）: 19.871787625519513
• License:
• Abstract: We present a method for computing free-energy differences using thermodynamic integration with a neural network potential that interpolates between two target Hamiltonians. The interpolation is defined at the sample distribution level, and the neural network potential is optimized to match the corresponding equilibrium potential at every intermediate time-step. Once the interpolating potentials and samples are well-aligned, the free-energy difference can be estimated using (neural) thermodynamic integration. To target molecular systems, we simultaneously couple Lennard-Jones and electrostatic interactions and model the rigid-body rotation of molecules. We report accurate results for several benchmark systems: a Lennard-Jones particle in a Lennard-Jones fluid, as well as the insertion of both water and methane solutes in a water solvent at atomistic resolution using a simple three-body neural-network potential.
• Abstract（参考訳）: 本稿では,2つの対象ハミルトニアン間を補間するニューラルネットワークポテンシャルと熱力学積分を用いた自由エネルギー差の計算法を提案する。 補間はサンプル分布レベルで定義され、ニューラルネットワーク電位は、中間時間毎に対応する平衡電位に適合するように最適化される。 補間電位とサンプルが整列すると、(神経)熱力学積分を用いて自由エネルギー差を推定できる。 分子系を標的とするために、レナード・ジョーンズと静電相互作用を同時に結合し、分子の剛体回転をモデル化する。 我々は,レナード-ジョーンズ流体中のレナード-ジョーンズ粒子と,簡単な3体ニューラルネットワーク電位を用いた水溶剤中の水とメタンの溶質の挿入について,いくつかのベンチマークシステムで正確な結果を報告した。

関連論文リスト

• Scalable learning of potentials to predict time-dependent Hartree-Fock dynamics [0.8192907805418581]
  我々は、TDHFの電子間ポテンシャルの3つのモデルを開発し、訓練し、テストする。 7つの異なる分子系にまたがって、より深い8倍の対称性を考慮すれば、最高の性能モデルが得られる。
  論文  参考訳（メタデータ） (2024-08-08T21:41:51Z)
• Neural Thermodynamic Integration: Free Energies from Energy-based Diffusion Models [19.871787625519513]
  我々は、トレーニング可能なニューラルネットワークで表されるアルケミカル経路に沿って熱力学積分(TI)を実行することを提案する。 本研究では、相互作用系と非相互作用系の間の時間依存ハミルトン補間をパラメトリズし、その勾配を最適化する。 すべての中間アンサンブルをサンプリングするエネルギーベース拡散モデルの能力により、単一の参照計算からTIを実行することができる。
  論文  参考訳（メタデータ） (2024-06-04T13:42:42Z)
• Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
  神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。 近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。 この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
  論文  参考訳（メタデータ） (2024-05-23T16:30:51Z)
• Solvable entanglement dynamics in quantum circuits with generalized dual unitarity [0.0]
  蹴りアイシングモデルの非平衡ダイナミクスを1+1$次元で研究する。 これらのモデルは量子回路と等価な時間進化をもたらす。
  論文  参考訳（メタデータ） (2023-12-19T15:23:55Z)
• Dilute neutron star matter from neural-network quantum states [58.720142291102135]
  低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。 我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
  論文  参考訳（メタデータ） (2022-12-08T17:55:25Z)
• Equivariant Diffusion for Molecule Generation in 3D [74.289191525633]
  この研究は、ユークリッド変換に同値な3次元の分子計算生成のための拡散モデルを導入する。 提案手法は, 従来の3次元分子生成法に比べて, 生成した試料の品質と訓練時の効率を著しく向上させる。
  論文  参考訳（メタデータ） (2022-03-31T12:52:25Z)
• NeuroFluid: Fluid Dynamics Grounding with Particle-Driven Neural Radiance Fields [65.07940731309856]
  深層学習は流体のような複雑な粒子系の物理力学をモデル化する大きな可能性を示している。 本稿では,流体力学グラウンドリング(fluid dynamics grounding)として知られる,部分的に観測可能なシナリオについて考察する。 我々はNeuroFluidという2段階の異なるネットワークを提案する。 初期形状、粘度、密度が異なる流体の基礎物理学を合理的に推定することが示されている。
  論文  参考訳（メタデータ） (2022-03-03T15:13:29Z)
• Molecular Dynamics of Polymer-lipids in Solution from Supervised Machine Learning [0.3867363075280543]
  環境条件下で酢酸エチルで溶解した高分子高分子-脂質凝集体のエネルギーを予測するための3つのよく確立されたニューラルネットワークアーキテクチャの能力について検討する。 リカレントニューラルネットワークから生成されたデータモデルは、分子動力学から生成された溶媒との相互作用エネルギーとマクロ分子内ポテンシャルエネルギーのナノ秒単位の時系列で訓練され、試験される。
  論文  参考訳（メタデータ） (2022-03-01T00:13:35Z)
• A2I Transformer: Permutation-equivariant attention network for pairwise and many-body interactions with minimal featurization [0.1469945565246172]
  本研究では,粒子の座標から原子間エネルギーを直接予測するエンド・ツー・エンドモデルを提案する。 我々は,周期境界条件 (PBC) や$n$-body相互作用,バイナリ合成など,分子シミュレーション問題におけるいくつかの課題に対して実験を行った。
  論文  参考訳（メタデータ） (2021-10-27T12:18:25Z)
• E(n) Equivariant Normalizing Flows for Molecule Generation in 3D [87.12477361140716]
  本稿ではユークリッド対称性に同値な生成モデルを紹介する: E(n) 等変正規化フロー(E-NFs) 私たちの知る限りでは、これは3Dで分子を生成する可能性に基づく最初の深層生成モデルである。
  論文  参考訳（メタデータ） (2021-05-19T09:28:54Z)
• Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz [62.997667081978825]
  光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。 我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
  論文  参考訳（メタデータ） (2020-07-28T14:52:28Z)

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。