論文の概要: Split-Flows: Measure Transport and Information Loss Across Molecular Resolutions

• arxiv url: http://arxiv.org/abs/2511.01464v1
• Date: Mon, 03 Nov 2025 11:23:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.238771
• Title: Split-Flows: Measure Transport and Information Loss Across Molecular Resolutions
• Title（参考訳）: スプリットフロー:分子分解能全体での輸送と情報損失を測定する
• Authors: Sander Hummerich, Tristan Bereau, Ullrich Köthe,
• Abstract要約: フローベースのアプローチであるスプリットフローを導入し、バックマッピングを解像度をまたいだ継続的な時間計測のトランスポートとして再解釈する。 キグノリン, 脂質二分子膜, アラニンジペプチドなど, 多様な分子系においてこれらの機能を示す。
• 参考スコア（独自算出の注目度）: 7.739380063367548
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: By reducing resolution, coarse-grained models greatly accelerate molecular simulations, unlocking access to long-timescale phenomena, though at the expense of microscopic information. Recovering this fine-grained detail is essential for tasks that depend on atomistic accuracy, making backmapping a central challenge in molecular modeling. We introduce split-flows, a novel flow-based approach that reinterprets backmapping as a continuous-time measure transport across resolutions. Unlike existing generative strategies, split-flows establish a direct probabilistic link between resolutions, enabling expressive conditional sampling of atomistic structures and -- for the first time -- a tractable route to computing mapping entropies, an information-theoretic measure of the irreducible detail lost in coarse-graining. We demonstrate these capabilities on diverse molecular systems, including chignolin, a lipid bilayer, and alanine dipeptide, highlighting split-flows as a principled framework for accurate backmapping and systematic evaluation of coarse-grained models.
• Abstract（参考訳）: 分解能を低下させることで、粗粒度モデルは分子シミュレーションを大幅に加速し、微視的な情報を犠牲にして、長時間の現象へのアクセスを解き放つ。 このきめ細かい詳細を復元することは、原子の精度に依存するタスクに不可欠であり、分子モデリングにおいてバックマッピングが中心的な課題となっている。 スプリットフローは,バックマッピングを分解能を横断する連続的な計測手段として再解釈する,新しいフローベースのアプローチである。 既存の生成戦略とは異なり、分割フローは解像度間の直接確率的リンクを確立し、原子構造を表現的条件でサンプリングし、そして--初めて--マッピングのエントロピーを計算するための引き込み可能なルート、粗粒化で失われた既約詳細に関する情報理論の計測を可能にする。 本研究では, キグノリン, 脂質二分子膜, アラニンジペプチドなどの種々の分子系において, 正確なバックマッピングの原理としてスプリットフローを強調し, 粗粒モデルの体系的評価を行った。

関連論文リスト

• Amortized Sampling with Transferable Normalizing Flows [65.48838168417564]
  プロス(英: Prose)は、ペプチド分子動力学のコーパスで訓練された、最大8個の残基の移動可能な正規化フローである。 本稿では, Prose が様々なサンプリングアルゴリズムの提案であることを示す。 我々はProseデータセットをオープンソース化し、償却されたサンプリング手法と微調整目的の研究をさらに促進する。
  論文  参考訳（メタデータ） (2025-08-25T16:28:18Z)
• FlowMol3: Flow Matching for 3D De Novo Small-Molecule Generation [0.0]
  FlowMol3はオープンソースのマルチモーダルフローマッチングモデルで、全原子、小分子生成のための最先端技術である。 本研究は,拡散型および流動型分子生成モデルの安定性と品質を向上させるための,単純かつ伝達可能な戦略を強調した。
  論文  参考訳（メタデータ） (2025-08-18T05:13:27Z)
• Energy-Based Coarse-Graining in Molecular Dynamics: A Flow-Based Framework without Data [0.0]
  粗粒モデル(CG)は分子シミュレーションの複雑さを減らす効果的な経路を提供する。 本稿では,全原子ボルツマン分布を直接対象とするCGのための完全データフリーな生成フレームワークを提案する。 本手法はボルツマン分布のすべてのモードを捕捉し、原子配置を再構成し、自動的に物理的に意味のあるCG表現を学習することを示す。
  論文  参考訳（メタデータ） (2025-04-29T17:05:27Z)
• Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
  Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。 適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
  論文  参考訳（メタデータ） (2024-11-01T12:59:25Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Diffusion-Driven Generative Framework for Molecular Conformation Prediction [0.66567375919026]
  機械学習の急速な進歩は、この文脈における予測モデリングの精度に革命をもたらした。 本研究は,最先端な生成手法を提案する。 メソッドは原子を独立した実体とみなし、拡散の逆転を導くのに優れている。
  論文  参考訳（メタデータ） (2023-12-22T11:49:39Z)
• Learning Invariant Molecular Representation in Latent Discrete Space [52.13724532622099]
  本稿では,分散シフトに対する不変性とロバスト性を示す分子表現を学習するための新しい枠組みを提案する。 我々のモデルは、様々な分布シフトが存在する場合に、最先端のベースラインに対してより強力な一般化を実現する。
  論文  参考訳（メタデータ） (2023-10-22T04:06:44Z)
• Generative Flows with Invertible Attentions [135.23766216657745]
  生成フローモデルに対する2種類の非可逆的注意機構を導入する。 フロー特徴写像の2分割毎に注意重みと入力表現を学習するために,分割に基づく注意機構を利用する。 提案手法は, トラクタブルジャコビアン行列を用いた非可逆アテンションモジュールをフローベースモデルの任意の位置にシームレスに統合する。
  論文  参考訳（メタデータ） (2021-06-07T20:43:04Z)
• Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
  本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。 エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。 入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-16T15:07:25Z)

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。