論文の概要: Effective Dynamics and Transition Pathways from Koopman-Inspired Neural Learning of Collective Variables

• arxiv url: http://arxiv.org/abs/2604.05778v1
• Date: Tue, 07 Apr 2026 12:16:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.81199
• Title: Effective Dynamics and Transition Pathways from Koopman-Inspired Neural Learning of Collective Variables
• Title（参考訳）: 集合変数のクープマン誘発ニューラルラーニングからの効果的なダイナミクスと遷移経路
• Authors: Alexander Sikorski, Luca Donati, Marcus Weber, Christof Schütte,
• Abstract要約: ISOKANNは複雑な分子系から集合変数と効果的なダイナミクスを抽出するフレームワークである。 CVを用いた高次元システムにおける準安定遷移の表現方法のコヒーレントな図を作成する。 クープマンに基づく学習と還元次元実効力学の組み合わせは、遷移率と経路を計算するための原則的な枠組みをもたらす。
• 参考スコア（独自算出の注目度）: 39.92969675794945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ISOKANN (Invariant Subspaces of Koopman Operators Learned by Artificial Neural Networks) framework provides a data-driven route to extract collective variables (CVs) and effective dynamics from complex molecular systems. In this work, we integrate the theoretical foundation of Koopman operators with Krylov-like subspace algorithms, and reduced dynamical modeling to build a coherent picture of how to describe metastable transitions in high-dimensional systems based on CVs. Starting from the identification of CVs based on dominant invariant subspaces, we derive the corresponding effective dynamics on the latent space and connect these to transition rates and times, committor functions, and transition pathways. The combination of Koopman-based learning and reduced-dimensional effective dynamics yields a principled framework for computing transition rates and pathways from simulation data. Numerical experiments on one-, two-, and three-dimensional benchmark potentials illustrate the ability of ISOKANN to reconstruct the coarse-grained kinetics and reproduce transition times across enthalpic and entropic barriers.
• Abstract（参考訳）: ISOKANN(Invariant Subspaces of Koopman Operators Learned by Artificial Neural Networks)フレームワークは、複雑な分子系から集合変数(CV)と効果的なダイナミクスを抽出するためのデータ駆動の経路を提供する。 本研究では,Krylov型部分空間アルゴリズムとクープマン作用素の理論基盤を統合し,動的モデリングを低減し,CVを用いた高次元システムにおける準安定遷移を記述するためのコヒーレントな図を作成する。 支配的不変部分空間に基づくCVの同定から、潜在空間上の対応する有効ダイナミクスを導出し、これらを遷移速度や時間、コミッタ関数、遷移経路に接続する。 クープマンに基づく学習と還元次元実効力学の組み合わせは、シミュレーションデータから遷移率と経路を計算するための原理的な枠組みをもたらす。 1次元・2次元・3次元のベンチマークポテンシャルに関する数値実験は、ISOKANNが粗粒度運動学を再構築し、エンタルピー障壁とエントロピー障壁をまたいだ遷移時間を再現する能力を示している。

関連論文リスト

• Beyond Ensembles: Simulating All-Atom Protein Dynamics in a Learned Latent Space [4.5211402678313135]
  LD-FPGの学習潜在空間内でのダイナミクスをシミュレーションするモジュールコンポーネントであるGraph Latent Dynamics Propagator (GLDP)を紹介する。 我々は,スコア誘導ランゲヴィン力学,(ii)クープマンに基づく線形作用素,(iii)自己回帰ニューラルネットワークの3種類のプロパゲータを比較した。 統合エンコーダ・プロパゲータ・デコーダ・フレームワーク内では、長い水平安定性、バックボーンとサイドチェーンのアンサンブルの忠実さ、機能的自由エネルギーの景観を評価する。
  論文  参考訳（メタデータ） (2025-09-02T11:09:06Z)
• Efficient Parametric SVD of Koopman Operator for Stochastic Dynamical Systems [51.54065545849027]
  クープマン作用素は非線形力学系を解析するための原理的なフレームワークを提供する。 VAMPnet と DPNet はクープマン作用素の主特異部分空間を学ぶために提案されている。 我々は、クープマン作用素のトップ$kの特異関数を学ぶためのスケーラブルで概念的にシンプルな方法を提案する。
  論文  参考訳（メタデータ） (2025-07-09T18:55:48Z)
• 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)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image Compression [63.56922682378755]
  本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。 提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。 実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-08-17T01:34:51Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Learning dynamical systems: an example from open quantum system dynamics [0.0]
  我々は、デファスゲートと結合した小さなスピン鎖のダイナミクスについて研究する。 クープマン演算子学習は, 密度行列の進化だけでなく, システムに付随するすべての物理観測可能量についても, 効率的に学習する手法であることを示す。
  論文  参考訳（メタデータ） (2022-11-12T14:36:13Z)

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。