論文の概要: Learning Collective Variables from Time-lagged Generation

• arxiv url: http://arxiv.org/abs/2507.07390v1
• Date: Thu, 10 Jul 2025 03:06:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.256271
• Title: Learning Collective Variables from Time-lagged Generation
• Title（参考訳）: 時間ラグ生成による集団変数の学習
• Authors: Seonghyun Park, Kiyoung Seong, Soojung Yang, Rafael Gómez-Bombarelli, Sungsoo Ahn,
• Abstract要約: 生成モデルの時間付き条件からCVを直接学習するフレームワークであるTLCを提案する。 CV-based enhanced sample task を用いてアラニンジペプチド系のTLCを検証する。
• 参考スコア（独自算出の注目度）: 11.320404950685203
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rare events such as state transitions are difficult to observe directly with molecular dynamics simulations due to long timescales. Enhanced sampling techniques overcome this by introducing biases along carefully chosen low-dimensional features, known as collective variables (CVs), which capture the slow degrees of freedom. Machine learning approaches (MLCVs) have automated CV discovery, but existing methods typically focus on discriminating meta-stable states without fully encoding the detailed dynamics essential for accurate sampling. We propose TLC, a framework that learns CVs directly from time-lagged conditions of a generative model. Instead of modeling the static Boltzmann distribution, TLC models a time-lagged conditional distribution yielding CVs to capture the slow dynamic behavior. We validate TLC on the Alanine Dipeptide system using two CV-based enhanced sampling tasks: (i) steered molecular dynamics (SMD) and (ii) on-the-fly probability enhanced sampling (OPES), demonstrating equal or superior performance compared to existing MLCV methods in both transition path sampling and state discrimination.
• Abstract（参考訳）: 状態遷移のような希少な事象は、長い時間スケールのために分子動力学シミュレーションで直接観察することは困難である。 改良されたサンプリング技術は、ゆっくりとした自由度を捉える集合変数(CV)として知られる慎重に選択された低次元の特徴に沿ってバイアスを導入することで、これを克服する。 機械学習アプローチ(MLCV)は、自動CV検出を備えているが、既存の手法では、正確なサンプリングに必要な詳細なダイナミクスを完全にコーディングすることなく、通常、メタ安定状態の識別に重点を置いている。 生成モデルの時間付き条件からCVを直接学習するフレームワークであるTLCを提案する。 静的ボルツマン分布をモデル化する代わりに、TLCはスローダイナミックな振る舞いを捉えるためにCVを生成する時間付き条件分布をモデル化する。 CVによる2つの強化サンプリングタスクを用いたアラニンジペプチドシステム上でのTLCの検証を行った。 (i)ステアリング分子動力学(SMD)と (II)オンザフライ確率増強サンプリング(OPES)は,遷移経路サンプリングと状態判別の両方において,既存のMLCV法と同等あるいは優れた性能を示した。

関連論文リスト

• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Learning Collective Variables with Synthetic Data Augmentation through Physics-Inspired Geodesic Interpolation [1.4972659820929493]
  分子動力学シミュレーションでは、タンパク質の折り畳みのようなまれな事象は、通常、強化されたサンプリング技術を用いて研究される。 本研究では,タンパク質の折り畳み遷移に類似した測地線を生成するために物理に着想を得た指標を用いたシミュレーションフリーなデータ拡張戦略を提案する。
  論文  参考訳（メタデータ） (2024-02-02T16:35:02Z)
• Semi-Supervised Class-Agnostic Motion Prediction with Pseudo Label Regeneration and BEVMix [59.55173022987071]
  クラス非依存動作予測のための半教師あり学習の可能性について検討する。 我々のフレームワークは一貫性に基づく自己学習パラダイムを採用しており、ラベルのないデータからモデルを学習することができる。 本手法は,弱さと完全教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2023-12-13T09:32:50Z)
• Fast-Slow Test-Time Adaptation for Online Vision-and-Language Navigation [67.18144414660681]
  オンラインビジョン・アンド・ランゲージナビゲーション(VLN)のためのFSTTA(Fast-Slow Test-Time Adaptation)アプローチを提案する。 提案手法は,4つのベンチマークにおいて顕著な性能向上を実現する。
  論文  参考訳（メタデータ） (2023-11-22T07:47:39Z)
• Value function estimation using conditional diffusion models for control [62.27184818047923]
  拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。 拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。 本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
  論文  参考訳（メタデータ） (2023-06-09T18:40:55Z)
• Reweighted Manifold Learning of Collective Variables from Enhanced Sampling Simulations [2.6009298669020477]
  多様体学習のための異方性拡散写像に基づくフレームワークを提供する。 この枠組みは平衡密度を正確に記述したCVを生じるバイアス効果を逆転させることを示す。 標準および改良されたサンプリングシミュレーションから得られたデータについて,多くの多様体学習手法で利用できることを示す。
  論文  参考訳（メタデータ） (2022-07-29T08:59:56Z)
• Task-agnostic Continual Learning with Hybrid Probabilistic Models [75.01205414507243]
  分類のための連続学習のためのハイブリッド生成識別手法であるHCLを提案する。 フローは、データの配布を学習し、分類を行い、タスクの変更を特定し、忘れることを避けるために使用される。 本研究では,スプリット-MNIST,スプリット-CIFAR,SVHN-MNISTなどの連続学習ベンチマークにおいて,HCLの強い性能を示す。
  論文  参考訳（メタデータ） (2021-06-24T05:19:26Z)

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。