論文の概要: Nonparametric Reaction Coordinate Optimization with Histories: A Framework for Rare Event Dynamics

• arxiv url: http://arxiv.org/abs/2508.07326v1
• Date: Sun, 10 Aug 2025 12:54:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.811177
• Title: Nonparametric Reaction Coordinate Optimization with Histories: A Framework for Rare Event Dynamics
• Title（参考訳）: 非パラメトリック反応コーディネート最適化と履歴:希少事象ダイナミクスのためのフレームワーク
• Authors: Polina V. Banushkina, Sergei V. Krivov,
• Abstract要約: この研究は、トラジェクトリ履歴を組み込んだ非パラメトリックRC最適化フレームワークを導入している。 厳密な検証テストに合格し、高分解能自由エネルギープロファイルを生成する正確なコミッタ推定を提供する。 その結果, 希少事象の動態は, 徹底的なサンプリングを行なわずに正確に評価できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rare but critical events in complex systems, such as protein folding, chemical reactions, disease progression, and extreme weather or climate phenomena, are governed by complex, high-dimensional, stochastic dynamics. Identifying an optimal reaction coordinate (RC) that accurately captures the progress of these dynamics is crucial for understanding and simulating such processes. This work introduces a nonparametric RC optimization framework that incorporates trajectory histories, enabling robust analysis even for irregular or incomplete data. The power of the method is demonstrated through increasingly challenging analyses of protein folding dynamics, where it provides accurate committor estimates that pass a stringent validation test and yield high-resolution free energy profiles. Its generality is further illustrated through applications to dynamics in phase space, a conceptual ocean circulation model, and a longitudinal clinical dataset. These results demonstrate that rare event dynamics can be accurately characterized without exhaustive sampling of the configuration space, establishing a general, flexible, and robust framework for analyzing complex dynamical systems and longitudinal datasets.
• Abstract（参考訳）: タンパク質の折り畳み、化学反応、病気の進行、極端な天候や気候現象といった複雑なシステムにおける希少だが重要な事象は、複雑で高次元の確率力学によって制御される。 これらのダイナミクスの進捗を正確に捉えた最適反応座標(RC)の同定は、そのようなプロセスを理解し、シミュレーションするために重要である。 この研究は、トラジェクトリ履歴を組み込んだ非パラメトリックRC最適化フレームワークを導入し、不規則データや不完全データに対してもロバスト解析を可能にする。 この手法のパワーは、タンパク質の折りたたみ力学の挑戦的な解析によって証明され、そこでは、厳密な検証テストに合格し、高分解能な自由エネルギープロファイルを生成する正確なコミッタ推定を提供する。 その一般化は、位相空間のダイナミクス、概念的な海洋循環モデル、縦断的な臨床データセットへの応用を通してさらに説明される。 これらの結果は, 複雑な動的システムや時系列データセットを解析するための汎用的で柔軟な, 堅牢なフレームワークを確立することで, 構成空間を徹底的にサンプリングすることなく, 稀な事象ダイナミクスを正確に評価できることを証明している。

関連論文リスト

• Geometry-aware Active Learning of Spatiotemporal Dynamic Systems [4.251030047034566]
  本稿では,動的システムのモデリングのための幾何対応能動学習フレームワークを提案する。 データ収集のための空間的位置を戦略的に識別し、予測精度をさらに最大化する適応型能動学習戦略を開発した。
  論文  参考訳（メタデータ） (2025-04-26T19:56:38Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Automated Global Analysis of Experimental Dynamics through Low-Dimensional Linear Embeddings [3.825457221275617]
  非線形力学系に対する低次元線形モデルを導出するためのデータ駆動型計算フレームワークを提案する。 このフレームワークは、基盤となるシステム構造をキャプチャする解釈可能な線形モデルを通じて、大域的な安定性解析を可能にする。 本手法は, 物理, 気候科学, 工学などの分野にまたがる複雑な力学挙動を解析するための, 有望な経路を提供する。
  論文  参考訳（メタデータ） (2024-11-01T19:27:47Z)
• Autoencoders for discovering manifold dimension and coordinates in data from complex dynamical systems [0.0]
  Autoencoder frameworkは暗黙の正則化と内部線形層と$L$正則化(重崩壊)を組み合わせる このフレームワークは、状態空間モデリングや予測の応用のために自然に拡張できることを示す。
  論文  参考訳（メタデータ） (2023-05-01T21:14:47Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Exploring Complex Dynamical Systems via Nonconvex Optimization [0.0]
  我々は、機械学習のツールを用いた代替の最適化駆動アプローチを提案する。 本稿では, 複雑な化学反応ネットワークを組み込んだ, 完全最適化可能な反応拡散モデルに適用する。 これにより、パターン形成、散逸を最大化する非平衡状態、複製のような動的構造を含む、新しい状態と振舞いを体系的に同定することができる。
  論文  参考訳（メタデータ） (2023-01-03T01:35:39Z)
• Learning Low-Dimensional Quadratic-Embeddings of High-Fidelity Nonlinear Dynamics using Deep Learning [9.36739413306697]
  データから動的モデルを学ぶことは、エンジニアリング設計、最適化、予測において重要な役割を果たす。 深層学習を用いて高忠実度力学系に対する低次元埋め込みを同定する。
  論文  参考訳（メタデータ） (2021-11-25T10:09:00Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)
• Efficient Characterization of Dynamic Response Variation Using Multi-Fidelity Data Fusion through Composite Neural Network [9.446974144044733]
  構造力学解析における多レベル応答予測の機会を利用する。 得られた多レベル異種データセットを完全に活用できる複合ニューラルネットワーク融合手法を定式化する。
  論文  参考訳（メタデータ） (2020-05-07T02:44:03Z)

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。