論文の概要: Enhanced Diffusion Sampling: Efficient Rare Event Sampling and Free Energy Calculation with Diffusion Models

• arxiv url: http://arxiv.org/abs/2602.16634v1
• Date: Wed, 18 Feb 2026 17:26:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.66624
• Title: Enhanced Diffusion Sampling: Efficient Rare Event Sampling and Free Energy Calculation with Diffusion Models
• Title（参考訳）: 拡散サンプリングの効率化:拡散モデルを用いた効率的な希薄事象サンプリングと自由エネルギー計算
• Authors: Yu Xie, Ludwig Winkler, Lixin Sun, Sarah Lewis, Adam E. Foster, José Jiménez Luna, Tim Hempel, Michael Gastegger, Yaoyi Chen, Iryna Zaporozhets, Cecilia Clementi, Christopher M. Bishop, Frank Noé,
• Abstract要約: 希少領域の効率的な探索を可能にするため,拡散サンプリングの高度化を図った。 提案手法は,GPU分間からシステム毎の平衡特性の高速,高精度,スケーラブルな評価を実現する。
• 参考スコア（独自算出の注目度）: 12.081055615006305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rare-event sampling problem has long been the central limiting factor in molecular dynamics (MD), especially in biomolecular simulation. Recently, diffusion models such as BioEmu have emerged as powerful equilibrium samplers that generate independent samples from complex molecular distributions, eliminating the cost of sampling rare transition events. However, a sampling problem remains when computing observables that rely on states which are rare in equilibrium, for example folding free energies. Here, we introduce enhanced diffusion sampling, enabling efficient exploration of rare-event regions while preserving unbiased thermodynamic estimators. The key idea is to perform quantitatively accurate steering protocols to generate biased ensembles and subsequently recover equilibrium statistics via exact reweighting. We instantiate our framework in three algorithms: UmbrellaDiff (umbrella sampling with diffusion models), $Δ$G-Diff (free-energy differences via tilted ensembles), and MetaDiff (a batchwise analogue for metadynamics). Across toy systems, protein folding landscapes and folding free energies, our methods achieve fast, accurate, and scalable estimation of equilibrium properties within GPU-minutes to hours per system -- closing the rare-event sampling gap that remained after the advent of diffusion-model equilibrium samplers.
• Abstract（参考訳）: 希少なサンプリング問題は、特に生体分子シミュレーションにおいて、分子動力学(MD)の中枢的な制限因子として長い間用いられてきた。 近年、BioEmuのような拡散モデルが、複雑な分子分布から独立したサンプルを生成する強力な平衡サンプリング器として登場し、希少な遷移イベントをサンプリングするコストを削減している。 しかし、例えば自由エネルギーの折りたたみなど、平衡で稀な状態に依存する観測値の計算ではサンプリング問題が残る。 そこで本研究では,非バイアス熱力学推定器を保存しながら,希少領域の効率的な探索を可能にする拡散サンプリングの導入について紹介する。 鍵となる考え方は、定量的に正確なステアリングプロトコルを実行し、バイアスのあるアンサンブルを生成し、その後、正確な再重み付けによって平衡統計を回復させることである。 UmbrellaDiff(拡散モデルを用いたアンブレラサンプリング)、$Δ$G-Diff(傾斜アンサンブルによる自由エネルギー差)、MetaDiff(メタ力学のバッチワイズアナログ)の3つのアルゴリズムでフレームワークをインスタンス化する。 玩具システム、タンパク質の折りたたみ風景、折りたたみ自由エネルギーの他、我々の手法は、拡散モデル平衡サンプリング器の出現後に残った希少なサンプリングギャップを閉じ、GPUの分から1時間あたりの平衡特性の高速で正確でスケーラブルな評価を実現した。

関連論文リスト

• Enhancing Diffusion-Based Sampling with Molecular Collective Variables [23.394068689634086]
  拡散に基づくサンプリングは、エネルギーやログ密度だけで複雑な高次元分布をサンプリングすることを学ぶ。 我々は、集合変数(CVs)として知られる原子座標のベスポーク、情報豊か、低次元射影に沿ったシーケンシャルバイアスを導入する。 拡散型サンプリング装置を用いた反応性サンプリングを初めて実施し, 原子間ポテンシャルによる結合破壊と生成をほぼ第一原理精度で観測した。
  論文  参考訳（メタデータ） (2025-10-13T20:44:54Z)
• Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models [50.77646970127369]
  本稿では,Fokker-Planck由来の正規化項を用いたエネルギーベース拡散モデルを提案する。 高速折りたたみタンパク質を含む複数の生体分子系をサンプリング・シミュレートし,本手法を実証する。
  論文  参考訳（メタデータ） (2025-06-20T16:38:29Z)
• Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
  拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。 PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。 N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-19T17:14:22Z)
• 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)
• Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
  反復Denoising Energy Matching (iDEM) iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。 提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
  論文  参考訳（メタデータ） (2024-02-09T01:11:23Z)

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。