論文の概要: Writhe-Based Polymer Link Classification Using Machine Learning

• arxiv url: http://arxiv.org/abs/2607.20657v1
• Date: Wed, 22 Jul 2026 18:31:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.190951
• Title: Writhe-Based Polymer Link Classification Using Machine Learning
• Title（参考訳）: 機械学習を用いたWrithe-based Polymer Link Classification
• Abstract要約: そこで本研究では,Writhe密度行列に基づいてトレーニングしたフィードフォワードニューラルネットワークを用いて,第1次素数リンクの熱平衡配置を97%の精度で分類した。 この結果から,writhe密度行列に基づくニューラルネットワークが2成分リンクを効率的に分類できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unique and rapid classification of knots and links is an open mathematical problem that is relevant to a range of (bio)physical systems, including polymer melts, DNA, and proteins. In this paper, we explore a data-driven approach to the classification problem of link topology. Extending the framework introduced in Ref. 1 (Sleiman et al, 2024 Soft Matter, 20(1), pp.71-78), we show that a feedforward neural network trained on the writhe density matrix classifies thermally equilibrated configurations of the first six prime links with 97% accuracy. We demonstrate that this accuracy remains high across a range of temperatures and lengths of link components, while rapidly deteriorating with the addition of topology-altering Gaussian noise; a result consistent with the writhe density matrix containing features sensitive to topology. Our results show that neural networks based on the writhe density matrix efficiently classify two-component links, establishing machine learning as a promising tool for rapid classification of more complex link topologies, e.g. Borromean rings and multi-component links, as the computational cost of exact numerical calculation of topological invariants becomes prohibitive.
• Abstract（参考訳）: 結び目とリンクの特異かつ迅速な分類はオープンな数学的問題であり、ポリマーメルト、DNA、タンパク質を含む様々な(生物)物理システムに関係している。 本稿では,リンクトポロジの分類問題に対するデータ駆動型アプローチについて検討する。 第1報 (Sleiman et al, 2024 Soft Matter, 20(1), pp.71-78) で導入された枠組みを拡張して, 密度行列に基づいてトレーニングしたフィードフォワードニューラルネットワークが, 97%の精度で第1次素リンクの熱平衡配置を分類することを示した。 この精度は, トポロジに反応するガウス雑音の付加により急速に劣化し, トポロジに敏感な特徴を含むウィリス密度行列と一致した。 この結果から,より複雑なリンクトポロジ,例えばボロメアン環,多成分リンクを高速に分類する手段として機械学習が確立され,トポロジ不変量の正確な数値計算の計算コストが禁じられていることが示唆された。

関連論文リスト

• Uncovering Hidden Leptonic Correlations with Flow Matching and Autoencoders [0.0]
  我々は,タイプIシーソー機構において,湯川行列とマヨラナ質量の値のグローバル探索を行う。 ニュートリノ質量二乗差と混合角の実験的測定値を再現した幅広い溶液群を生成する。
  論文  参考訳（メタデータ） (2026-08-15T05:04:52Z)
• Tensor Network Machine Learning for Wildfire Susceptibility Mapping: from Grokking Dynamics to Quantum Mixedness of Class Representations [53.66343110413339]
  ガルガノ地域の山火事感受性分類のための量子インスピレーション付きテンソルネットワークフレームワークについて紹介する。 このアプローチは、スケーラブルな地理空間表現と解釈可能な量子マスクを組み合わせることで、バイナリとマルチクラスの両方の分類を可能にする。
  論文  参考訳（メタデータ） (2026-07-21T18:30:50Z)
• Shortcut learning in geometric knot classification [0.0]
  閉曲線の位相を分類することは、低次元位相の中心的な問題である。 複雑な分類タスクを解くニューラルネットワークの顕著な能力を考えると、機械学習(ML)を用いて結び目分類問題に取り組むことができるかどうかを問うことは自然である。 本稿では,機械学習によるノット分類課題の解決と,学習データ中の隠れた非トポロジ的特徴の発見のために,一般的なショートカット手法について検討する。
  論文  参考訳（メタデータ） (2026-02-19T13:36:19Z)
• Learning Multi-type heterogeneous interacting particle systems [8.56664199108]
  本稿では,ネットワークトポロジ,マルチタイプインタラクションカーネル,および異種システムにおける型代入の協調推論のためのフレームワークを提案する。 我々は、Isometry Property (RIP) の仮定に基づいて、推定境界を理論的に保証し、分離性に基づいた正確なリカバリ相互作用の条件を確立する。
  論文  参考訳（メタデータ） (2026-02-03T19:17:36Z)
• Uncovering Magnetic Phases with Synthetic Data and Physics-Informed Training [0.0]
  合成データに基づいて学習した人工ニューラルネットワークを用いた磁気位相の効率的な学習について検討する。 モデル性能を向上させるために,物理インフォームドガイダンスの2つの重要な形態を取り入れた。 この結果から, 合成, 構造化, 計算効率のよい学習手法は, 物理的に意味のある位相境界を明らかにすることができることがわかった。
  論文  参考訳（メタデータ） (2025-05-15T15:16:16Z)
• On Learning Gaussian Multi-index Models with Gradient Flow [57.170617397894404]
  高次元ガウスデータに対する多次元回帰問題の勾配流について検討する。 低階射影をパラメトリする部分空間よりも、非パラメトリックモデルで低次元リンク関数を無限に高速に学習する2時間スケールのアルゴリズムを考える。
  論文  参考訳（メタデータ） (2023-10-30T17:55:28Z)
• Spectral Complexity-scaled Generalization Bound of Complex-valued Neural Networks [78.64167379726163]
  本論文は,複素数値ニューラルネットワークの一般化を証明した最初の論文である。 複雑な値の畳み込みニューラルネットワークを異なるデータセット上でトレーニングして実験を行う。
  論文  参考訳（メタデータ） (2021-12-07T03:25:25Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Connecting Weighted Automata, Tensor Networks and Recurrent Neural Networks through Spectral Learning [58.14930566993063]
  我々は、形式言語と言語学からの重み付き有限オートマトン(WFA)、機械学習で使用されるリカレントニューラルネットワーク、テンソルネットワークの3つのモデル間の接続を提示する。 本稿では,連続ベクトル入力の列上に定義された線形2-RNNに対する最初の証明可能な学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-19T15:28:00Z)
• Learning Mixtures of Low-Rank Models [89.39877968115833]
  低ランクモデルの計算混合を学習する問題について検討する。 ほぼ最適サンプルを用いて未知の行列を復元することが保証されるアルゴリズムを開発する。 さらに,提案アルゴリズムはランダムノイズに対して確実に安定である。
  論文  参考訳（メタデータ） (2020-09-23T17:53:48Z)
• Single-participant structural connectivity matrices lead to greater accuracy in classification of participants than function in autism in MRI [0.1160208922584163]
  T1強調MRIから推定した灰色マター体積の局所ヒストグラムから対称接続行列を導出する手法を提案する。 我々は、自閉症の参加者を分類するために、接続行列を畳み込みニューラルネットワーク(CNN)に入力することで、この手法を検証する。
  論文  参考訳（メタデータ） (2020-05-16T16:36:06Z)

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。