論文の概要: Tracking large chemical reaction networks and rare events by neural networks

• arxiv url: http://arxiv.org/abs/2512.10309v2
• Date: Sat, 13 Dec 2025 16:56:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 13:08:04.446838
• Title: Tracking large chemical reaction networks and rare events by neural networks
• Title（参考訳）: ニューラルネットワークによる大規模化学反応ネットワークと希少事象の追跡
• Authors: Jiayu Weng, Xinyi Zhu, Jing Liu, Linyuan Lü, Pan Zhang, Ying Tang,
• Abstract要約: 化学反応ネットワークは、化学動力学、システム生物学、疫学の力学をモデル化するために広く利用されている。 ここでは、自然勾配降下や時間依存変動原理といった高速な最適化を利用して、ニューラルネットワークアプローチのフロンティアを推し進める。 本研究では,従来のニューラルネット法よりも計算コストの低減と精度の向上を図った。
• 参考スコア（独自算出の注目度）: 14.018667824929878
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chemical reaction networks are widely used to model stochastic dynamics in chemical kinetics, systems biology and epidemiology. Solving the chemical master equation that governs these systems poses a significant challenge due to the large state space exponentially growing with system sizes. The development of autoregressive neural networks offers a flexible framework for this problem; however, its efficiency is limited especially for high-dimensional systems and in scenarios with rare events. Here, we push the frontier of neural-network approach by exploiting faster optimizations such as natural gradient descent and time-dependent variational principle, achieving a 5- to 22-fold speedup, and by leveraging enhanced-sampling strategies to capture rare events. We demonstrate reduced computational cost and higher accuracy over the previous neural-network method in challenging reaction networks, including the mitogen-activated protein kinase (MAPK) cascade network, the hitherto largest biological network handled by the previous approaches of solving the chemical master equation. We further apply the approach to spatially extended reaction-diffusion systems, the Schlögl model with rare events, on two-dimensional lattices, beyond the recent tensor-network approach that handles one-dimensional lattices. The present approach thus enables efficient modeling of chemical reaction networks in general.
• Abstract（参考訳）: 化学反応ネットワークは、化学力学、システム生物学、疫学における確率力学のモデル化に広く用いられている。 これらのシステムを管理する化学マスター方程式を解くことは、システムサイズで指数関数的に増加する大きな状態空間のために大きな課題となる。 自己回帰型ニューラルネットワークの開発は、この問題に対して柔軟なフレームワークを提供するが、その効率は特に高次元システムやまれな事象のシナリオにおいて制限されている。 ここでは,自然勾配降下や時間依存変動原理などの高速な最適化,5倍から22倍のスピードアップを実現し,希少事象を捉えるための強化サンプリング戦略を活用することにより,ニューラルネットワークアプローチのフロンティアを推し進める。 本研究では,従来の化学マスター方程式の解法によって処理されたヒッヘルト最大の生物ネットワークであるMAPK (mitogen-activated protein kinase) カスケードネットワークを含む反応ネットワークにおいて,従来のニューラルネット法よりも計算コストの低減と精度の向上を実証した。 さらに、空間的に拡張された反応拡散系(Shlöglモデル)へのアプローチを、2次元格子上で、一次元格子を扱う最近のテンソル・ネットワークアプローチを超えて適用する。 そこで本研究では, 化学反応ネットワークのモデリングを効率化する手法を提案する。

関連論文リスト

• Fractional Spike Differential Equations Neural Network with Efficient Adjoint Parameters Training [63.3991315762955]
  スパイキングニューラルネットワーク(SNN)は、生物学的ニューロンからインスピレーションを得て、脳に似た計算の現実的なモデルを作成する。 既存のほとんどのSNNは、マルコフ特性を持つ一階常微分方程式(ODE)によってモデル化された、神経細胞膜電圧ダイナミクスの単一時間定数を仮定している。 本研究では, 膜電圧およびスパイク列車の長期依存性を分数次力学により捉えるフラクタルSPIKE微分方程式ニューラルネットワーク (fspikeDE) を提案する。
  論文  参考訳（メタデータ） (2025-07-22T18:20:56Z)
• TMN: A Lightweight Neuron Model for Efficient Nonlinear Spike Representation [7.524721345903027]
  スパイク・トレインはスパイク・ニューラル・ネットワークにおける情報伝達の主要な媒体である。 スパイク数やタイミングに基づく既存の符号化スキームは、しばしば低ステップの制約の下で厳しい制限に直面している。 本稿では,2つの重要なイノベーションを特徴とする新しいニューロンモデルであるTernary Momentum Neuron (TMN)を提案する。
  論文  参考訳（メタデータ） (2024-08-30T12:39:25Z)
• Explosive neural networks via higher-order interactions in curved statistical manifolds [43.496401697112695]
  曲線ニューラルネットワークは,パラメータ数に制限のあるプロトタイプモデルのクラスとして導入する。 これらの曲線ニューラルネットワークは、メモリ検索を高速化する自己制御プロセスを実装している。 強磁性相とスピングラス相の境界付近のレプリカ手法を用いて, メモリ・検索能力の解析を行った。
  論文  参考訳（メタデータ） (2024-08-05T09:10:29Z)
• Gibbs-Duhem-Informed Neural Networks for Binary Activity Coefficient Prediction [45.84205238554709]
  本稿では,Gibs-Duhem-informed Neural Network を用いて,様々な組成における二成分活性係数の予測を行う。 ニューラルネットワークの学習における損失関数にギブス・デュヘム方程式を明示的に含んでいる。
  論文  参考訳（メタデータ） (2023-05-31T07:36:45Z)
• Spiking neural network for nonlinear regression [68.8204255655161]
  スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。 彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。 スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-06T13:04:45Z)
• Neural-network solutions to stochastic reaction networks [7.021105583098606]
  本稿では,化学マスター方程式の解法として,変分自己回帰ネットワークを用いた機械学習手法を提案する。 提案手法は, 種数状態空間における結合確率分布の時間的変化を追跡する。 遺伝的トグルスイッチと初期生命自己複製器において、時間とともに確率分布を正確に生成することを示した。
  論文  参考訳（メタデータ） (2022-09-29T07:27:59Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)
• Path sampling of recurrent neural networks by incorporating known physics [0.0]
  我々は、再帰的なニューラルネットワークに一般的な熱力学または運動論的制約を組み込むことができる経路サンプリング手法を示す。 本稿では,長期記憶ネットワークとして広く利用されているリカレントニューラルネットワークについて述べる。 我々の手法は、他の生成人工知能モデルや、物理・社会科学の様々な分野における一般的な時系列に容易に一般化できる。
  論文  参考訳（メタデータ） (2022-03-01T16:35:50Z)
• Generalization bound of globally optimal non-convex neural network training: Transportation map estimation by infinite dimensional Langevin dynamics [50.83356836818667]
  本稿では,ディープラーニングの最適化を一般化誤差と関連づけて解析する理論フレームワークを提案する。 ニューラルネットワーク最適化分析のための平均場理論やニューラル・タンジェント・カーネル理論のような既存のフレームワークは、そのグローバル収束を示すために、ネットワークの無限幅の限界を取る必要がある。
  論文  参考訳（メタデータ） (2020-07-11T18:19:50Z)
• Combining Differentiable PDE Solvers and Graph Neural Networks for Fluid Flow Prediction [79.81193813215872]
  我々は,従来のグラフ畳み込みネットワークと,ネットワーク内部に組込み可能な流体力学シミュレータを組み合わせたハイブリッド(グラフ)ニューラルネットワークを開発した。 ニューラルネットワークのCFD予測の大幅な高速化により,新たな状況に十分対応できることが示される。
  論文  参考訳（メタデータ） (2020-07-08T21:23:19Z)

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。