論文の概要: Generative Replica-Exchange: A Flow-based Framework for Accelerating Replica Exchange Simulations

• arxiv url: http://arxiv.org/abs/2603.18076v1
• Date: Wed, 18 Mar 2026 06:33:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.742873
• Title: Generative Replica-Exchange: A Flow-based Framework for Accelerating Replica Exchange Simulations
• Title（参考訳）: Generative Replica-Exchange: Replica Exchange シミュレーションを高速化するためのフローベースフレームワーク
• Authors: Shengjie Huang, Sijie Yang, Jianqiao Yi, Rui Zheng, Haocong Liao, Muzammal Hussain, Yaoquan Tu, Xiaoyun Lu, Yang Zhou,
• Abstract要約: 本稿では,REXフレームワークに深層生成モデルを統合することで,この温度ラグを除去する生成レプリカ交換(GREX)を提案する。 我々はGREXを3つのベンチマークシステムで検証し、分子シミュレーションの効率性と実用性を強調した。
• 参考スコア（独自算出の注目度）: 13.485545152250735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Replica exchange (REX) is one of the most widely used enhanced sampling methodologies, yet its efficiency is limited by the requirement for a large number of intermediate temperature replicas. Here we present Generative Replica Exchange (GREX), which integrates deep generative models into the REX framework to eliminate this temperature ladder. Drawing inspiration from reservoir replica exchange (res-REX), GREX utilizes trained normalizing flows to generate high-temperature configurations on demand and map them directly to the target distribution using the potential energy as a constraint, without requiring target-temperature training data. This approach reduces production simulations to a single replica at the target temperature while maintaining thermodynamic rigor through Metropolis exchange acceptance. We validate GREX on three benchmark systems of increasing complexity, highlighting its superior efficiency and practical applicability for molecular simulations.
• Abstract（参考訳）: Replica Exchange (REX) は最も広く使われているサンプリング手法の1つであるが、その効率は多数の中間温度レプリカの要求によって制限されている。 本稿では、REXフレームワークに深層生成モデルを統合することで、この温度ラグを除去する生成レプリカ交換(GREX)について述べる。 貯留層レプリカ交換(res-REX)からインスピレーションを得たGREXは、トレーニングされた正規化フローを使用して、需要に応じて高温な構成を生成し、ターゲット温度のトレーニングデータを必要とせず、ポテンシャルエネルギーを制約としてターゲット分布に直接マッピングする。 このアプローチは、メトロポリスの交換受け入れを通じて熱力学リガーを維持しながら、ターゲット温度での単一レプリカに生産シミュレーションを還元する。 我々はGREXを3つのベンチマークシステムで検証し、分子シミュレーションの効率性と実用性を強調した。

関連論文リスト

• Multi-Stage Graph Neural Networks for Data-Driven Prediction of Natural Convection in Enclosed Cavities [0.0]
  グラフニューラルネットワーク(GNN)は、シミュレーションデータから直接熱流体挙動を学ぶための新しい代替手段を提供する。 本稿では,階層的なプールとアンプール操作を利用してグローバル-ローカル相互作用を段階的にモデル化する,新しい多段階GNNアーキテクチャを提案する。 実験により,提案モデルにより予測精度が向上し,訓練効率が向上し,長期誤差の蓄積が減少した。
  論文  参考訳（メタデータ） (2025-09-07T13:05:39Z)
• Reduced-Order Modeling of Cyclo-Stationary Time Series Using Score-Based Generative Methods [0.0]
  多くの自然システムは、年周期や日周期のような周期的な強制によって特徴づけられるサイクロ定常挙動を示す。 そこで本研究では,このようなサイクロ定常時系列の低次モデルを構築するためのデータ駆動手法を提案する。 PlaSim(Planet Simulator)気候モデルに適用して,本手法の性能を実証する。
  論文  参考訳（メタデータ） (2025-08-26T21:49:48Z)
• Iterative Distillation for Reward-Guided Fine-Tuning of Diffusion Models in Biomolecular Design [58.8094854658848]
  生体分子設計における報酬誘導生成のための微調整拡散モデルの問題に対処する。 本稿では,拡散モデルによる任意の報酬関数の最適化を可能にする,反復蒸留に基づく微調整フレームワークを提案する。 KLの発散最小化と相まって,既存のRL法と比較してトレーニングの安定性とサンプル効率を向上させる。
  論文  参考訳（メタデータ） (2025-07-01T05:55:28Z)
• High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
  入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。 近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。 機能適応型INR(FA-INR)を提案する。
  論文  参考訳（メタデータ） (2025-06-07T16:45:17Z)
• Thermoxels: a voxel-based method to generate simulation-ready 3D thermal models [5.66229031510643]
  Thermoxelsは、スパース画像からFAA互換モデルを生成できる新しいボクセルベースの手法である。 本稿では,3次元シーンのRGB+サーマルメッシュを生成するサーモクセルの能力について述べる。
  論文  参考訳（メタデータ） (2025-04-06T11:37:16Z)
• One-Step Diffusion Distillation through Score Implicit Matching [74.91234358410281]
  本稿では,Score Implicit Matching (SIM) を用いて,事前学習した拡散モデルを単一ステップジェネレータモデルに蒸留する手法を提案する。 SIMはワンステップジェネレータに対して強い経験的性能を示す。 リードトランスに基づく拡散モデルにSIMを適用することにより,テキスト・ツー・イメージ生成のための単一ステップ生成器を蒸留する。
  論文  参考訳（メタデータ） (2024-10-22T08:17:20Z)
• Your Autoregressive Generative Model Can be Better If You Treat It as an Energy-Based One [83.5162421521224]
  本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。 E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。 我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
  論文  参考訳（メタデータ） (2022-06-26T10:58:41Z)
• Interpretable Data-driven Methods for Subgrid-scale Closure in LES for Transcritical LOX/GCH4 Combustion [0.0]
  本研究の目的は、従来の物理駆動アプローチと解釈可能な機械学習アルゴリズムからストレスモデルを評価することである。 特徴集合に物理ベースの制約を適用すると,ランダムフォレスト回帰器の精度が低下した。
  論文  参考訳（メタデータ） (2021-03-11T00:54:50Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)

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。