論文の概要: Efficient Nudged Elastic Band Method using Neural Network Bayesian Algorithm Execution

• arxiv url: http://arxiv.org/abs/2512.14993v1
• Date: Wed, 17 Dec 2025 00:56:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.815876
• Title: Efficient Nudged Elastic Band Method using Neural Network Bayesian Algorithm Execution
• Title（参考訳）: ニューラルネットワークベイジアンアルゴリズムによる効率的なNudged Elastic Band法
• Authors: Pranav Kakhandiki, Sathya Chitturi, Daniel Ratner, Sean Gasiorowski,
• Abstract要約: 本稿では,エネルギーランドスケープとMEPを共同で学習するフレームワークであるNN-BAXを紹介する。 提案手法は,MEPの精度を損なうことなく,エネルギーと力の評価を1～2次で行う。 この研究は、科学的に関連するシステムにおけるMEP発見の計算障壁を取り除くための有望なステップである。
• 参考スコア（独自算出の注目度）: 0.3642823642133188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The discovery of a minimum energy pathway (MEP) between metastable states is crucial for scientific tasks including catalyst and biomolecular design. However, the standard nudged elastic band (NEB) algorithm requires hundreds to tens of thousands of compute-intensive simulations, making applications to complex systems prohibitively expensive. We introduce Neural Network Bayesian Algorithm Execution (NN-BAX), a framework that jointly learns the energy landscape and the MEP. NN-BAX sequentially fine-tunes a foundation model by actively selecting samples targeted at improving the MEP. Tested on Lennard-Jones and Embedded Atom Method systems, our approach achieves a one to two order of magnitude reduction in energy and force evaluations with negligible loss in MEP accuracy and demonstrates scalability to >100-dimensional systems. This work is therefore a promising step towards removing the computational barrier for MEP discovery in scientifically relevant systems, suggesting that weeks-long calculations may be achieved in hours or days with minimal loss in accuracy.
• Abstract（参考訳）: 準安定状態間の最小エネルギー経路(MEP)の発見は、触媒や生体分子設計を含む科学的なタスクに不可欠である。 しかし、標準的なNudged Elastic Band (NEB) アルゴリズムは数百から数万の計算集約的なシミュレーションを必要とするため、複雑なシステムへの適用は違法に高価である。 我々は,エネルギー景観とMEPを共同で学習するフレームワークであるNN-BAX(Neural Network Bayesian Algorithm Execution)を紹介する。 NN-BAXは、MEPの改善を目的としたサンプルを積極的に選択することで、ファンデーションモデルを逐次微調整する。 Lennard-Jones 法と Embedded Atom Method 法で実験した結果,MEP の精度を無視できる程度に低下したエネルギーと力の評価を1～2次で達成し,100次元システムへの拡張性を実証した。 この研究は、科学的に関係のあるシステムにおけるMEP発見の計算障壁を取り除くための有望なステップであり、数週間の計算は数時間または数日で達成され、精度は最小限に抑えられる可能性があることを示唆している。

関連論文リスト

• Synergistic Computational Approaches for Accelerated Drug Discovery: Integrating Quantum Mechanics, Statistical Thermodynamics, and Quantum Computing [0.0]
  タンパク質-リガンド結合自由エネルギー(Bs)の正確な予測は、薬物発見における中心的な課題である。 本稿では、マイニングミニマサンプリングと量子力学的に洗練された配位子部分電荷を組み合わせたハイブリッド量子古典フレームワークを提案する。 23個のタンパク質ターゲットと533の合計で、1.10 kcal/molの絶対誤差を高いランクの忠実度で達成する。
  論文  参考訳（メタデータ） (2025-12-05T20:47:34Z)
• Physics-Embedded Neural Networks for sEMG-based Continuous Motion Estimation [3.606446851103922]
  sEMGに基づく運動推定法は、しばしば、校正が難しい主観特異的筋骨格モデル(MSK)に依存する。 本稿では,解釈可能なMSKフォワード力学とデータ駆動残差学習を組み合わせた新しい物理埋め込みニューラルネットワーク(PENN)を提案する。
  論文  参考訳（メタデータ） (2025-06-17T16:07:20Z)
• Accurate Ab-initio Neural-network Solutions to Large-Scale Electronic Structure Problems [52.19558333652367]
  有限範囲埋め込み(FiRE)を高精度なアブ・イニシアチブ電子構造計算に応用する。 FiREは、ニューラルネットワークの変異モンテカルロ(NN-VMC)の複雑さを$sim ntextel$, the number of electronsによって低減する。 バイオケミカル化合物や有機金属化合物など,様々な課題に対して,本手法の精度を検証した。
  論文  参考訳（メタデータ） (2025-04-08T14:28:54Z)
• 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)
• Energy-Aware FPGA Implementation of Spiking Neural Network with LIF Neurons [0.5243460995467893]
  スパイキングニューラルネットワーク(SNN)は、TinyMLの最先端ソリューションとして際立っている。 本稿では,第1次Leaky Integrate-and-Fire(LIF)ニューロンモデルに基づく新しいSNNアーキテクチャを提案する。 ハードウェアフレンドリーなLIF設計も提案され、Xilinx Artix-7 FPGA上で実装されている。
  論文  参考訳（メタデータ） (2024-11-03T16:42:10Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• MISNN: Multiple Imputation via Semi-parametric Neural Networks [9.594714330925703]
  バイオメディカル・ソーシャル・エコノメトリー研究において、多重計算(Multiple Imputation, MI)は、欠落した価値問題に広く応用されている。 提案するMISNNは,MIの特徴選択を取り入れた,新規で効率的なアルゴリズムである。
  論文  参考訳（メタデータ） (2023-05-02T21:45:36Z)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• Low-Precision Training in Logarithmic Number System using Multiplicative Weight Update [49.948082497688404]
  大規模ディープニューラルネットワーク(DNN)のトレーニングは、現在かなりの量のエネルギーを必要としており、深刻な環境影響をもたらす。 エネルギーコストを削減するための有望なアプローチの1つは、DNNを低精度で表現することである。 対数数システム(LNS)と乗算重み更新訓練法(LNS-Madam)を併用した低精度トレーニングフレームワークを共同で設計する。
  論文  参考訳（メタデータ） (2021-06-26T00:32:17Z)
• Energy-Efficient and Federated Meta-Learning via Projected Stochastic Gradient Ascent [79.58680275615752]
  エネルギー効率のよいメタラーニングフレームワークを提案する。 各タスクは別々のエージェントによって所有されていると仮定するため、メタモデルをトレーニングするために限られたタスクが使用される。
  論文  参考訳（メタデータ） (2021-05-31T08:15:44Z)
• A Neural-Network Variational Quantum Algorithm for Many-Body Dynamics [15.435967947933404]
  量子多体系の時間進化をシミュレートするニューラルネットワーク-ネットワーク変分量子アルゴリズムを提案する。 提案アルゴリズムは、測定コストの低い短期量子コンピュータに効率よく実装することができる。
  論文  参考訳（メタデータ） (2020-08-31T02:54:09Z)

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。