論文の概要: Model synthesis and identifiability analysis of stiff chemical reaction systems with inVAErt networks
- arxiv url: http://arxiv.org/abs/2605.04134v1
- Date: Tue, 05 May 2026 17:48:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.460033
- Title: Model synthesis and identifiability analysis of stiff chemical reaction systems with inVAErt networks
- Title（参考訳）: InVAErtネットワークを用いた硬質化学反応系のモデル合成と同定可能性解析
- Authors: Sreejata Dey, Guoxiang Grayson Tong, Jonathan F. MacArt, Daniele E. Schiavazzi,
- Abstract要約: まず,反応速度の異なる反応方程式の族に対するエミュレータの訓練に着目する。
次に、最近提案されたinVAErt network'と呼ばれるデータ駆動型フレームワークを適用し、反応速度を推定する不測の逆問題に対処する。
相対的な根の平均2乗誤差は, 低次元系では10〜5ドル, 大気汚染モデルでは10～4ドル, 水素-空気反応系では10～3ドルであった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider the problem of learning data-driven replicas for stiff systems of ordinary differential equations arising in chemical kinetics that can be evaluated with high computational efficiency. We first focus on training emulators for families of reaction equations under varying reaction rates, using conditional residual networks or long-short term memory architectures. We then apply a recently proposed data-driven framework known as ``inVAErt networks'' to address the ill-posed inverse problem of inferring reaction rates, integration time, and possibly initial conditions from a target set of species concentrations - a problem that has received relatively little attention in the literature. The proposed approach is demonstrated on chemical systems with reversible and irreversible kinetics, spanning 2 to 20 differential equations, 3 to 20 chemical species, and 3 to 25 reaction rate parameters. Relative root mean squared errors produced by the proposed emulators range from $10^{-5}$ for lower-dimensional systems to $10^{-4}$ and $10^{-3}$ for an air pollution model and a hydrogen-air reaction system, respectively. Manifolds of non-identifiable reaction rates recovered by the proposed approach can be analytically verified for simple systems and are consistent with local identifiability analysis in higher dimensions.
- Abstract（参考訳）: 本研究では, 計算効率が高く評価できる化学動力学から生じる常微分方程式の剛性系のデータ駆動レプリカを学習する問題を考察する。
まず、条件付き残差ネットワークや長期記憶アーキテクチャを用いて、反応速度の異なる反応方程式の族に対するエミュレータの訓練に焦点をあてる。
次に、最近提案された「inVAErt network」と呼ばれるデータ駆動型フレームワークを適用し、反応速度、積分時間、および種濃度のターゲットセットからの初期条件を推測する不適切な逆問題に対処する。
提案手法は, 2から20の微分方程式, 3から20の化学種, 3から25の反応速度パラメータを可逆的かつ可逆的な運動量を持つ化学系で実証された。
提案エミュレータが生成する相対根平均二乗誤差は, 低次元系では10^{-5}$, 大気汚染モデルでは10^{-4}$, 水素-空気反応系では10^{-3}$である。
提案手法により得られた不特定反応速度の多様体は、単純なシステムで解析的に検証でき、高次元における局所的識別可能性解析と一致している。
関連論文リスト
- A Kolmogorov-Arnold Surrogate Model for Chemical Equilibria: Application to Solid Solutions [0.0]
既存のセメントシステムベンチマークに基づいて代理モデルをトレーニングする。
次に, 原子力廃棄物の地質処分の申請事例に移行する。
我々の知る限りでは、この研究は放射性核種による共沈を初めて研究したものである。
論文 参考訳（メタデータ） (2026-03-16T14:04:53Z) - From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。
OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。
ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-02-20T18:58:43Z) - Rapid Dissipative Ground State Preparation at Chemical Transition States [4.732179873286638]
本稿では,反応経路自体を計算的プリミティブとして扱うことにより,この構造を利用する散逸的基底状態準備のためのプロトコルを提案する。
本プロトコルでは, プロクレスト配向軌道回転を用いた離散化反応座標に沿って, 抽出可能な形状で調製された状態が伝播し, 工学的散逸冷却により安定化する手法を用いる。
強相関状態における局所的固有状態熱化仮説(ETH)ドリフト条件を満たす反応経路について,N_o$軌道を持つ化学系の基底状態が全ゲート複雑度を持つエネルギー誤差$_E$となることを示す。
論文 参考訳（メタデータ） (2026-02-12T05:46:07Z) - Transferable Learning of Reaction Pathways from Geometric Priors [1.3170830344441016]
MEPINは、反応物や製品からMEPを効率的に予測するスケーラブルな機械学習手法である。
本手法は,反応経路の効率的なデータ駆動予測による大規模化学反応空間の探索を可能にする。
論文 参考訳（メタデータ） (2025-04-21T18:20:53Z) - Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
RAlignは、様々な有機反応関連タスクのための新しい化学反応表現学習モデルである。
反応物質と生成物との原子対応を統合することにより、反応中に起こる分子変換を識別する。
モデルが重要な機能群に集中できるように,反応中心認識型アテンション機構を導入する。
論文 参考訳（メタデータ） (2024-11-26T17:41:44Z) - Differentiable Programming of Chemical Reaction Networks [63.948465205530916]
化学反応ネットワークは、自然によって使用される最も基本的な計算基板の1つである。
膜によって分離された複数のチャンバーを持つシステムと同様に、よく混合されたシングルチャンバーシステムについて検討した。
我々は、微分可能な最適化と適切な正規化が相まって、非自明なスパース反応ネットワークを発見することを実証した。
論文 参考訳（メタデータ） (2023-02-06T11:41:14Z) - Neural-network solutions to stochastic reaction networks [7.021105583098606]
本稿では,化学マスター方程式の解法として,変分自己回帰ネットワークを用いた機械学習手法を提案する。
提案手法は, 種数状態空間における結合確率分布の時間的変化を追跡する。
遺伝的トグルスイッチと初期生命自己複製器において、時間とともに確率分布を正確に生成することを示した。
論文 参考訳（メタデータ） (2022-09-29T07:27:59Z) - Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。
局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
論文 参考訳（メタデータ） (2022-07-01T09:06:25Z) - Kinetics-Informed Neural Networks [0.0]
我々は、通常の微分方程式を解くために、サロゲートモデルを構築するための基礎関数としてフィードフォワード人工ニューラルネットワークを用いる。
正規化多目的最適化設定におけるニューラルネットと運動モデルパラメータの同時学習により,逆問題の解が導かれることを示す。
この逆運動的ODEに対する代理的アプローチは、過渡的なデータに基づく反応機構の解明に役立てることができる。
論文 参考訳（メタデータ） (2020-11-30T00:07:09Z) - Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。
本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-06T05:36:57Z)
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。