論文の概要: ReCurveflow: A Flow Matching Framework that Learns Curved Reaction Trajectories to Predict Transition State Geometries
- arxiv url: http://arxiv.org/abs/2608.20869v1
- Date: Fri, 21 Aug 2026 08:38:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.478249
- Title: ReCurveflow: A Flow Matching Framework that Learns Curved Reaction Trajectories to Predict Transition State Geometries
- Title（参考訳）: ReCurveflow: 曲線化された反応軌道を学習して遷移状態のジオメトリを予測するフローマッチングフレームワーク
- Abstract要約: 本稿では,曲線化された参照経路に基づく遷移状態(TS)の予測を学習するフローマッチングベースのフレームワークを提案する。
また,修正速度場を生成できるReCurveflowを実現するオフパス補正も導入した。
ReCurveflowは、7つのベースラインに対して分割された組み合わせの大多数で最高の結果を得る。
- 参考スコア（独自算出の注目度）: 18.037766152098495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting transition states (TS) in chemical reactions is crucial, as they provide insights into reaction mechanisms. Recent work on TS prediction have focused on flow matching supervised on straight linear paths that do not align with actual reaction trajectories. We propose a novel flow matching-based framework ReCurveflow that learns to predict TS geometries supervised on continuously curved reference paths interpolated from a full NEB-derived band of molecular geometries. We also introduce off-path correction, which grants ReCurveflow with the ability to produce corrective velocity fields when engaged off-path geometry states during inference rollout, leading to better resistance against exposure bias and accuracy in TS prediction. Across three data splits and six evaluation metrics, ReCurveflow achieves the best result on the majority of split-metric combinations against seven baselines. Qualitative analyses further show that ReCurveflow generates reaction trajectories with energy profiles that closely track the reference NEB path, provides initializations that ease the NEB optimization bottleneck, and exhibits the intended corrective behavior in its learned velocity fields. The ReCurveflow codebase is publicly available at https://github.com/dmis-lab/ReCurveflow.
- Abstract（参考訳）: 化学反応における遷移状態(TS)の予測は、反応機構に関する洞察を提供するため重要である。
TS予測に関する最近の研究は、実際の反応軌道と一致しない直線的な直線経路を監督するフローマッチングに焦点を当てている。
本研究では,NEB由来の全分子領域から挿入された連続的に湾曲した参照経路を教師するTSジオメトリの予測を学習する新しいフローマッチングベースのフレームワークReCurveflowを提案する。
また、オフパス補正を導入し、推論ロールアウト中にオフパス幾何状態に係わる際の補正速度場をReCurveflowに与えることにより、TS予測における露出バイアスや精度に対する抵抗性が向上する。
3つのデータ分割と6つの評価指標で、ReCurveflowは7つのベースラインに対する分割メトリックの組み合わせの大部分で最高の結果を得る。
さらに定性的分析により、ReCurveflowは、基準NEB経路を密接に追跡するエネルギープロファイルを持つ反応軌跡を生成し、NEB最適化ボトルネックを緩和する初期化を提供し、学習速度場における意図された補正挙動を示す。
ReCurveflowのコードベースはhttps://github.com/dmis-lab/ReCurveflowで公開されている。
関連論文リスト
- Limit Points of Reflow with Minibatch Optimal Transport [5.12067518301035]
整流流は、2つの確率分布の間の確率曲線を操る時間依存ベクトル場を学習する生成モデルである。
この反復の挙動を研究し、その極限点を特徴づける。
そのような$N$環状モノトンカップリングは、可逆性や直線性などの構造的および安定性の良好な性質を享受する。
論文 参考訳（メタデータ） (2026-08-07T09:51:33Z) - RBE-Flow: Recurrent Bayesian Estimation on Feature Manifolds for Cross-Modal Registration [14.194086645453767]
画素間画像の登録は、重度の非線形ラジオメトリックと不確実性のために困難である。
本稿では,高密度モーダルフロー推定を再構成する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2026-06-29T15:58:25Z) - Adaptive Recurrent Message Passing for Test Time Computing on Graphs [80.56829418752513]
繰り返しグラフモデルでは,グラフデータとアーキテクチャ設計の固有のミスマッチを克服できることを示す。
本稿では,アダプティブ・リカレントグラフモデルであるAdaRを提案する。
論文 参考訳（メタデータ） (2026-06-21T12:14:11Z) - ReFPO: Reflow Regularization for Flow Matching Policy Gradients [58.32178725687043]
本稿では,フローマッチングポリシーに明示的なリフロー正規化を追加する,シンプルなオンラインRL手法を提案する。
ReFPOはGridWorld, MuJoCo Playground, および高次元ヒューマノイド制御タスクにおける平均性能と離散化を改善することを実験的に実証した。
論文 参考訳（メタデータ） (2026-06-19T04:23:10Z) - Reactive Flux Matching: Mechanism Discovery and Adaptive Sampling of Rare Events [13.883896077426597]
反応軌道データから2つの相補的オブジェクトを直接学習するフレームワークであるFlux Matchingを紹介する。
Fフラックスマッチングは、分子系の電流速度軌跡の生成と速度定数計算によって検証される。
論文 参考訳（メタデータ） (2026-06-04T15:31:50Z) - FlowSymm: Physics Aware, Symmetry Preserving Graph Attention for Network Flow Completion [14.721288177297017]
FlowSymmは、分散のないフローに対するグループアクションとグラフアテンションエンコーダを組み合わせた新しいアーキテクチャで、これらの対称性保存アクションについて特徴条件付き重みを学習する。
RMSE、MAE、相関測定において最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2026-01-29T20:56:58Z) - FlowSteer: Guiding Few-Step Image Synthesis with Authentic Trajectories [82.90132015584359]
ReFlowはフローマッチングと理論的に整合性があるが、現実的なシナリオでは最適ではない。
本研究では,ReFlowをベースとした蒸留手法であるFlowSteerを提案する。
論文 参考訳（メタデータ） (2025-11-24T07:13:23Z) - Rolling Shutter Correction with Intermediate Distortion Flow Estimation [55.59359977619609]
本稿では,グローバルシャッタ(GS)からRSへの歪み流を直接推定することにより,ローリングシャッタ(RS)歪み画像を補正することを提案する。
既存の手法は通常、RSからGSへの非歪流を用いて補正を行う。
本稿では,歪み流を直接推定し,後方ワープ操作でRS像を補正する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-09T14:40:54Z) - Optimal Flow Matching: Learning Straight Trajectories in Just One Step [89.37027530300617]
我々は,新しいtextbf Optimal Flow Matching (OFM) アプローチを開発し,理論的に正当化する。
これは2次輸送のための直列のOT変位をFMの1ステップで回復することを可能にする。
提案手法の主な考え方は,凸関数によってパラメータ化されるFMのベクトル場の利用である。
論文 参考訳（メタデータ） (2024-03-19T19:44:54Z) - Corridor Geometry in Gradient-Based Optimization [11.177186975058047]
廊下は、勾配降下と勾配流が同じ軌跡をたどる領域であることを示す。
廊下における損失線形減少を利用して、勾配降下に対する学習率適応方式を考案する。
論文 参考訳（メタデータ） (2024-02-13T21:54:15Z) - Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。
最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
論文 参考訳（メタデータ） (2023-10-20T12:45:12Z) - GMFlow: Learning Optical Flow via Global Matching [124.57850500778277]
光フロー推定学習のためのGMFlowフレームワークを提案する。
機能拡張のためのカスタマイズトランスフォーマー、グローバル機能マッチングのための相関層とソフトマックス層、フロー伝搬のための自己保持層である。
我々の新しいフレームワークは、挑戦的なSintelベンチマークにおいて、32項目RAFTのパフォーマンスより優れています。
論文 参考訳（メタデータ） (2021-11-26T18:59:56Z)
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。