論文の概要: A Note on Spectral Map
- arxiv url: http://arxiv.org/abs/2412.04011v1
- Date: Thu, 05 Dec 2024 09:45:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-06 14:39:01.108560
- Title: A Note on Spectral Map
- Title(参考訳): スペクトルマップについての一考察
- Authors: Tuğçe Gökdemir, Jakub Rydzewski,
- Abstract要約: 状態間の遷移は、しばしば熱温度を超えるエネルギー障壁によって稀な出来事である。
この問題に対する一般的なアプローチは、単純化された表現によってこのプロセスを記述する集合変数(CV)を提案することである。
本稿では、遅い変数と速い変数の時間スケールの分離を最大化することでCVを構成するスペクトルマップと呼ばれる最近の教師なしML手法について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: In molecular dynamics (MD) simulations, transitions between states are often rare events due to energy barriers that exceed the thermal temperature. Because of their infrequent occurrence and the huge number of degrees of freedom in molecular systems, understanding the physical properties that drive rare events is immensely difficult. A common approach to this problem is to propose a collective variable (CV) that describes this process by a simplified representation. However, choosing CVs is not easy, as it often relies on physical intuition. Machine learning (ML) techniques provide a promising approach for effectively extracting optimal CVs from MD data. Here, we provide a note on a recent unsupervised ML method called spectral map, which constructs CVs by maximizing the timescale separation between slow and fast variables in the system.
- Abstract(参考訳): 分子動力学(MD)シミュレーションでは、状態間の遷移は熱温度を超えるエネルギー障壁によってしばしば稀な現象である。
分子系における頻繁な発生と膨大な自由度のため、まれな事象を駆動する物理的性質を理解することは極めて困難である。
この問題に対する一般的なアプローチは、単純化された表現によってこのプロセスを記述する集合変数(CV)を提案することである。
しかし、CVの選択は物理的直観に依存することが多いため、容易ではない。
機械学習(ML)技術は、MDデータから最適なCVを効果的に抽出するための有望なアプローチを提供する。
本稿では,システム内の遅い変数と速い変数の時間スケールの分離を最大化することにより,CVを構成するスペクトルマップと呼ばれる最近の教師なしML手法について述べる。
関連論文リスト
- Machine Learning of Slow Collective Variables and Enhanced Sampling via Spatial Techniques [0.0]
我々は,時間的軌跡を入力として必要とせずに,状態間の最も遅い遷移に対応するCVを識別できる技術に焦点をあてる。
本稿では,このカテゴリにおける最新の技術開発について論じ,熱力学による遅いCVの空間学習の可能性について概説する。
論文 参考訳(メタデータ) (2024-12-30T11:11:35Z) - Spectral Map for Slow Collective Variables, Markovian Dynamics, and Transition State Ensembles [0.0]
本稿では,タンパク質の高次元可逆的折り畳み過程を例に,我々のフレームワークにいくつかの進歩を紹介した。
スペクトルマップで学習した遅いCVは,過度な拡散に対してマルコフ限界に近づいた。
座標依存拡散係数が構築された自由エネルギー景観にわずかにしか影響しないことを示す。
論文 参考訳(メタデータ) (2024-09-10T11:20:36Z) - From Biased to Unbiased Dynamics: An Infinitesimal Generator Approach [24.560340485988128]
時間反転不変過程における進化作用素の固有関数の学習について検討する。
ランゲヴィン方程式によって説明される多くの物理的または化学的過程は、高いポテンシャル障壁によって分離された準安定状態間の遷移を含む。
本稿では,プロセスの無限小生成と関連する分解剤演算子に根ざした偏りのあるシミュレーションから学習するフレームワークを提案する。
論文 参考訳(メタデータ) (2024-06-13T12:02:51Z) - Data-Efficient Molecular Generation with Hierarchical Textual Inversion [48.816943690420224]
分子生成のための階層型テキスト変換法 (HI-Mol) を提案する。
HI-Molは分子分布を理解する上での階層的情報、例えば粗い特徴ときめ細かい特徴の重要性にインスパイアされている。
単一レベルトークン埋め込みを用いた画像領域の従来のテキストインバージョン法と比較して, マルチレベルトークン埋め込みにより, 基礎となる低ショット分子分布を効果的に学習することができる。
論文 参考訳(メタデータ) (2024-05-05T08:35:23Z) - Determinant- and Derivative-Free Quantum Monte Carlo Within the Stochastic Representation of Wavefunctions [0.0]
連続的な実空間量子多体系の基底状態を記述することは、重要な計算課題である。
近年の進歩は機械学習(ML)アンサテイズに基づく変分法によってなされている。
我々は、SRWと経路積分技術を組み合わせることで、3つの問題を同時に克服する新しい定式化がもたらされると主張している。
論文 参考訳(メタデータ) (2024-02-09T17:51:32Z) - Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳(メタデータ) (2024-01-11T10:10:16Z) - Quantum Lyapunov exponent in dissipative systems [68.8204255655161]
時間外秩序相関器(OTOC)は閉量子系で広く研究されている。
これら2つのプロセス間の相互作用について研究する。
OTOC崩壊速度は古典的なリャプノフと密接に関連している。
論文 参考訳(メタデータ) (2022-11-11T17:06:45Z) - 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) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳(メタデータ) (2020-06-28T20:59:03Z) - Spectral Learning on Matrices and Tensors [74.88243719463053]
テンソル分解は行列法で欠落する潜伏効果を拾うことができることを示す。
また,効率的なテンソル分解法を設計するための計算手法についても概説する。
論文 参考訳(メタデータ) (2020-04-16T22:53:00Z)
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。