論文の概要: Riemannian Stochastic Interpolants for Amorphous Particle Systems

• arxiv url: http://arxiv.org/abs/2512.16607v1
• Date: Thu, 18 Dec 2025 14:49:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.104197
• Title: Riemannian Stochastic Interpolants for Amorphous Particle Systems
• Title（参考訳）: アモルファス粒子系に対するリーマン確率補間剤
• Authors: Louis Grenioux, Leonardo Galliano, Ludovic Berthier, Giulio Biroli, Marylou Gabrié,
• Abstract要約: 我々は、よく定義された幾何的確率で平衡構成を生成できる生成フレームワークを開発する。 モデルアモルファスシステムに関する実験により、強制制約と対称性制約が生成性能を著しく向上することを示した。
• 参考スコア（独自算出の注目度）: 9.933490737578111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern generative models hold great promise for accelerating diverse tasks involving the simulation of physical systems, but they must be adapted to the specific constraints of each domain. Significant progress has been made for biomolecules and crystalline materials. Here, we address amorphous materials (glasses), which are disordered particle systems lacking atomic periodicity. Sampling equilibrium configurations of glass-forming materials is a notoriously slow and difficult task. This obstacle could be overcome by developing a generative framework capable of producing equilibrium configurations with well-defined likelihoods. In this work, we address this challenge by leveraging an equivariant Riemannian stochastic interpolation framework which combines Riemannian stochastic interpolant and equivariant flow matching. Our method rigorously incorporates periodic boundary conditions and the symmetries of multi-component particle systems, adapting an equivariant graph neural network to operate directly on the torus. Our numerical experiments on model amorphous systems demonstrate that enforcing geometric and symmetry constraints significantly improves generative performance.
• Abstract（参考訳）: 現代の生成モデルは、物理システムのシミュレーションを含む多様なタスクを加速させる大きな約束を持っていますが、それらは各ドメインの特定の制約に適応する必要があります。 生体分子や結晶材料に顕著な進歩が見られた。 ここでは、原子周期性に欠ける不規則粒子系であるアモルファス材料(ガラス)について述べる。 ガラス成形材料の平衡状態のサンプリングは、非常に遅くて難しい作業である。 この障害は、明確に定義された確率で平衡構成を生成できる生成的枠組みを開発することで克服できる。 本研究では、リーマン確率補間と等変フローマッチングを組み合わせた等変リーマン確率補間フレームワークを活用することで、この問題に対処する。 本手法では,多成分粒子系の周期境界条件と対称性を厳密に組み込んで,同変グラフニューラルネットワークを適用してトーラス上で直接操作する。 モデルアモルファスシステムの数値実験により,幾何的および対称性の制約が生成性能を著しく向上することを示した。

関連論文リスト

• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• Discovering Symmetry Breaking in Physical Systems with Relaxed Group Convolution [21.034937143252314]
  我々は、リラックスしたグループ畳み込みを用いてデータの非対称性を学習することに集中する。 我々は、様々な物理系において解釈可能で物理的に意味のある様々な対称性を破る要因を明らかにする。
  論文  参考訳（メタデータ） (2023-10-03T14:03:21Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• GANs and Closures: Micro-Macro Consistency in Multiscale Modeling [0.0]
  本稿では,物理シミュレーションとバイアス法を併用して,条件分布をサンプリングする手法を提案する。 このフレームワークは, マルチスケールSDE動的システムサンプリングを改善することができることを示すとともに, 複雑性が増大するシステムにも期待できることを示す。
  論文  参考訳（メタデータ） (2022-08-23T03:45:39Z)
• Equivariant Graph Mechanics Networks with Constraints [83.38709956935095]
  本稿では,グラフ力学ネットワーク(GMN)を提案する。 GMNは、一般化された座標により、構造体の前方運動学情報(位置と速度)を表す。 大規模な実験は、予測精度、制約満足度、データ効率の観点から、最先端のGNNと比較してGMNの利点を支持する。
  論文  参考訳（メタデータ） (2022-03-12T14:22:14Z)
• GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation [102.85440102147267]
  分子配座予測のための新しい生成モデルGeoDiffを提案する。 GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
  論文  参考訳（メタデータ） (2022-03-06T09:47:01Z)
• Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
  量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。 本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。 本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
  論文  参考訳（メタデータ） (2022-02-15T19:00:09Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。