論文の概要: Neural Network Surrogates for Free Energy Computation of Complex Chemical Systems

• arxiv url: http://arxiv.org/abs/2510.01396v1
• Date: Wed, 01 Oct 2025 19:28:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.843792
• Title: Neural Network Surrogates for Free Energy Computation of Complex Chemical Systems
• Title（参考訳）: 複雑な化学系の自由エネルギー計算のためのニューラルネットワークサロゲート
• Authors: Wasut Pornpatcharapong,
• Abstract要約: 本稿では,モンテカルロ座標から直接CVを学習するニューラルネットワークサロゲートフレームワークを提案する。 MgCl2イオン対流法では, 簡単な距離CVと複雑な配位数CVの両方で高い精度を達成できた。 このフレームワークは、勾配に基づく自由エネルギー法で複雑なCVと機械で学習したCVを組み込むことを可能にし、生化学と材料シミュレーションの範囲を広げる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Free energy reconstruction methods such as Gaussian Process Regression (GPR) require Jacobians of the collective variables (CVs), a bottleneck that restricts the use of complex or machine-learned CVs. We introduce a neural network surrogate framework that learns CVs directly from Cartesian coordinates and uses automatic differentiation to provide Jacobians, bypassing analytical forms. On an MgCl2 ion-pairing system, our method achieved high accuracy for both a simple distance CV and a complex coordination-number CV. Moreover, Jacobian errors also followed a near-Gaussian distribution, making them suitable for GPR pipelines. This framework enables gradient-based free energy methods to incorporate complex and machine-learned CVs, broadening the scope of biochemistry and materials simulations.
• Abstract（参考訳）: ガウス過程回帰(英語版) (GPR) のような自由エネルギー再構成法は、複雑または機械で学習したCVの使用を制限するボトルネックである集合変数 (CV) のヤコビアンを必要とする。 本稿では,カルト座標から直接CVを学習し,ジャコビアンを自動微分して解析形式をバイパスするニューラルネットワークサロゲートフレームワークを提案する。 MgCl2イオン対流法では, 簡単な距離CVと複雑な配位数CVの両方で高い精度を達成できた。 さらに、ヤコビアンエラーはガウスに近い分布を辿り、GPRパイプラインに適している。 このフレームワークは、勾配に基づく自由エネルギー法で複雑なCVと機械で学習したCVを組み込むことを可能にし、生化学と材料シミュレーションの範囲を広げる。

関連論文リスト

• CryoSplat: Gaussian Splatting for Cryo-EM Homogeneous Reconstruction [48.45613121595709]
  低温電子顕微鏡(cryo-EM)は、分子構造をほぼ原子の分解能で決定するのに役立つ。 単一粒子Cryo-EMにおける中心的な計算課題は、未知の方向で取得されたノイズの多い2Dプロジェクションから分子の3次元静電ポテンシャルを再構築することである。 本稿では,GMMをベースとしたCryoSplatを提案し,Gaussian splattingとCryo-EM画像形成の物理を統合する。
  論文  参考訳（メタデータ） (2025-08-06T23:24:43Z)
• Adaptive Fuzzy C-Means with Graph Embedding [84.47075244116782]
  ファジィクラスタリングアルゴリズムは、大まかに2つの主要なグループに分類できる: ファジィC平均法(FCM)と混合モデルに基づく方法。 本稿では,FCMを用いたクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-22T08:15:50Z)
• Learning Multiscale Consistency for Self-supervised Electron Microscopy Instance Segmentation [48.267001230607306]
  本稿では,EMボリュームのマルチスケール一貫性を高める事前学習フレームワークを提案する。 当社のアプローチでは,強力なデータ拡張と弱いデータ拡張を統合することで,Siameseネットワークアーキテクチャを活用している。 効果的にボクセルと機能の一貫性をキャプチャし、EM分析のための転送可能な表現を学習する。
  論文  参考訳（メタデータ） (2023-08-19T05:49:13Z)
• Efficient hybrid modeling and sorption model discovery for non-linear advection-diffusion-sorption systems: A systematic scientific machine learning approach [0.0]
  本研究では,非融合対流拡散系における効率的なハイブリッドモデルの作成と吸着取り込みモデル発見のための体系的機械学習手法を提案する。 これは、勾配に基づく解析、随伴感度解析、JITコンパイルベクターヤコビアン積を用いて、空間的離散化と適応的離散化を組み合わせた、これらの複雑なシステムを効果的に訓練する方法を示す。
  論文  参考訳（メタデータ） (2023-03-22T23:05:28Z)
• Random projections and Kernelised Leave One Cluster Out Cross-Validation: Universal baselines and evaluation tools for supervised machine learning for materials properties [10.962094053749093]
  1つのクラスタ・アウト・クロス・バリデーション(LOCO-CV)は、これまで目に見えない材料群を予測するアルゴリズムの性能を測定する方法として導入された。 コンポジションベース表現の徹底的な比較を行い,カーネル近似関数を用いてLOCO-CVアプリケーションの拡張を行う方法について検討する。 テストされたほとんどのタスクにおいて、ドメイン知識は機械学習のパフォーマンスを向上しないが、バンドギャップ予測は例外である。
  論文  参考訳（メタデータ） (2022-06-17T15:39:39Z)
• Inducing Gaussian Process Networks [80.40892394020797]
  本稿では,特徴空間と誘導点を同時に学習するシンプルなフレームワークであるGaussian Process Network (IGN)を提案する。 特に誘導点は特徴空間で直接学習され、複雑な構造化領域のシームレスな表現を可能にする。 実世界のデータセットに対する実験結果から,IGNは最先端の手法よりも大幅に進歩していることを示す。
  論文  参考訳（メタデータ） (2022-04-21T05:27:09Z)
• Chasing Collective Variables using Autoencoders and biased trajectories [0.0]
  自動エンコーダによるCV学習を含む新しい反復手法、フリーエナジーバイアスと自動エンコーダによる反復学習(FEBILAE)を紹介します。 本稿では,自由エネルギー適応偏り法として拡張適応偏り力を用いたアルゴリズムの結果を示す。
  論文  参考訳（メタデータ） (2021-04-22T13:44:21Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)
• Local optimization on pure Gaussian state manifolds [63.76263875368856]
  ボソニックおよびフェルミオンガウス状態の幾何学に関する洞察を利用して、効率的な局所最適化アルゴリズムを開発する。 この手法は局所幾何学に適応した降下勾配の概念に基づいている。 提案手法を用いて、任意の混合ガウス状態の精製の絡み合いを計算するのにガウス浄化が十分であるという予想の数値的および解析的証拠を収集する。
  論文  参考訳（メタデータ） (2020-09-24T18:00:36Z)
• Ensemble Learning of Coarse-Grained Molecular Dynamics Force Fields with a Kernel Approach [2.562811344441631]
  グラディエントドメイン機械学習(GDML)は、分子ポテンシャルと関連する力場を学習するための正確で効率的なアプローチである。 全原子シミュレーションデータから有効粗粒度(CG)モデルを学習するための応用を実証する。 アンサンブル学習と階層化サンプリングを用いて,データ効率とメモリ節約の代替案を提案する。
  論文  参考訳（メタデータ） (2020-05-04T21:20:01Z)

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。