論文の概要: FrOGS: Discrete Neural Sampler for Independent Alloy Configurations Across Chemical Conditions
- arxiv url: http://arxiv.org/abs/2609.02948v1
- Date: Tue, 01 Sep 2026 21:38:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.802077
- Title: FrOGS: Discrete Neural Sampler for Independent Alloy Configurations Across Chemical Conditions
- Title（参考訳）: FrOGS: 化学条件下での独立合金構成のための離散型ニューラルサンプリング
- Abstract要約: Free Energy Offering Generative Sampler (FrOGS)は、自己回帰モデルと連続的なマルコフ連鎖を結合するハイブリッドな離散型ニューラルネットワークサンプリングである。
我々は、幅広い化学条件にまたがって単一のモデルを訓練し、共通の絶対自由エネルギースケールで見積もりを生成する。
- 参考スコア（独自算出の注目度）: 0.11122493020689471
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predicting the thermodynamic properties of an alloy requires sampling its configurations across many chemical conditions and recovering free energies on a common absolute scale. Markov chain Monte Carlo (MCMC) is the standard tool, but it requires separate simulations at different conditions, and auxiliary free-energy methods such as thermodynamic integration are used to place results on a common absolute scale. Modern discrete neural samplers typically use reverse KL divergence as the objective and can be mode-seeking or biased. We present Free energy Offering Generative Sampler (FrOGS), a hybrid discrete neural sampler that couples an autoregressive model to a continuous-time Markov chain (CTMC) to be trained jointly under a single shared loss. FrOGS draws i.i.d. configurations, returns an unbiased estimate of the partition function, and gives consistent estimates of thermodynamic observables. We train a single model across a wide range of chemical conditions to produce estimates on a common absolute free-energy scale. FrOGS matches exact finite-size results on the 2D Ising model and reference phase diagrams for AgPd and CuAu, without mode collapse. We additionally compare to SEGAL, a published autoregressive baseline, and find that only FrOGS recovers the stability range of the CuAu$_3$ phase.
- Abstract（参考訳）: 合金の熱力学特性を予測するには、多くの化学条件でその構成をサンプリングし、共通の絶対スケールで自由エネルギーを回復する必要がある。
マルコフ連鎖モンテカルロ(MCMC)は標準的なツールであるが、異なる条件で別々のシミュレーションを必要とする。
現代の離散型ニューラルサンプリングは、典型的には逆KL分岐を目的とし、モード探索や偏見が可能である。
本稿では,自己回帰モデルを連続的マルコフ連鎖(CTMC)に結合し,単一共有損失下での共同訓練を行うハイブリッド型離散型ニューラルサンプリング装置であるFree Energy Offering Generative Sampler(FrOGS)を提案する。
FrOGSは、i.d.構成を描画し、分割関数の偏りのない見積もりを返し、熱力学的観測値の一貫した推定を与える。
我々は、幅広い化学条件にまたがって単一のモデルを訓練し、共通の絶対自由エネルギースケールで見積もりを生成する。
FrOGSはモード崩壊のないAgPdおよびCuAuの2次元イジングモデルと参照位相図の正確な有限サイズ結果と一致する。
また, 自己回帰ベースラインであるSEGALと比較したところ, FrOGSのみがCuAu$_3$相の安定性を回復することがわかった。
関連論文リスト
- A Generative Sampler for distributions with possible discrete parameter based on Reversibility [9.349846971147256]
本稿では,多種多様な状態空間にまたがって適用可能な,統一的かつ段階的な目標自由な生成サンプリングフレームワークを提案する。
我々は,前方と後方のマルコフ軌道の関節分布の最大平均差 (MMD) を最小化する。
実験により,本フレームワークは熱力学観測器を正確に再現し,すべてのレシエーションでモードスイッチング動作を捉えていることがわかった。
論文 参考訳（メタデータ） (2026-03-10T06:32:51Z) - SYK thermal expectations are classically easy at any temperature [49.788604174558564]
熱予測を近似する単純な古典的アルゴリズムを提案する。
準多項式コスト$nO(log n/)$を自由エネルギーの相転移以上のすべての温度で表す。
論文 参考訳（メタデータ） (2026-02-26T04:48:32Z) - Impossibility of Refrigeration and Engine Operation in Minimal Qubit Repeated-Interaction Models [39.146761527401424]
繰り返し相互作用フレームワークにおける量子熱デバイスとしての量子ビットの動作について検討する。
我々は、交互結合セットアップと同時結合セットアップの2つの最小モデルを分析する。
この結果は、マルコフの繰り返し相互作用の下で動作している量子ビットベースの量子熱機械の基本的な制限を定めている。
論文 参考訳（メタデータ） (2026-02-20T15:53:52Z) - Thermal-Drift Sampling: Generating Random Thermal Ensembles for Quantum Chaos Diagnostics [7.678849469440775]
多体ハミルトニアンのランダム熱状態は、熱化、カオス、量子相転移の研究を支える。
本研究では,選択したパウリ項に沿って調整可能な非単体ドリフトを実装した計測に基づく熱ドリフト流路を提案する。
一般的な物理モデルのための熱状態とハミルトンの「ラベル」を同時に生成する計測制御サンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-02-05T17:27:40Z) - Equilibrium Matching: Generative Modeling with Implicit Energy-Based Models [52.74448905289362]
EqMは、平衡力学の観点から構築された生成モデリングフレームワークである。
時間条件の速度を統一された平衡景観に置き換えることで、EqMは流れとエネルギーベースのモデルの間により緊密な橋渡しを提供する。
論文 参考訳（メタデータ） (2025-10-02T17:59:06Z) - Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。
PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。
N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
論文 参考訳（メタデータ） (2025-06-19T17:14:22Z) - Energy-Based Coarse-Graining in Molecular Dynamics: A Flow-Based Framework without Data [0.0]
粗粒モデル(CG)は分子シミュレーションの複雑さを減らす効果的な経路を提供する。
本稿では,全原子ボルツマン分布を直接対象とするCGのための完全データフリーな生成フレームワークを提案する。
本手法はボルツマン分布のすべてのモードを捕捉し、原子配置を再構成し、自動的に物理的に意味のあるCG表現を学習することを示す。
論文 参考訳（メタデータ） (2025-04-29T17:05:27Z) - Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
論文 参考訳（メタデータ） (2024-02-09T01:11:23Z) - Deterministic Gibbs Sampling via Ordinary Differential Equations [77.42706423573573]
本稿では,自律的ODEとツールを用いた決定論的測度保存ダイナミクスの一般構築について述べる。
我々は、ハイブリッドモンテカルロや他の決定論的サンプルが、我々の理論の特別な場合としてどのように従うかを示す。
論文 参考訳（メタデータ） (2021-06-18T15:36:09Z) - Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。
我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。
その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文 参考訳（メタデータ） (2020-10-12T03:27:07Z) - Towards quantum simulation of Sachdev-Ye-Kitaev model [5.931069258860319]
我々は,Sachdev-Ye-Kitaevモデル(SYK)の簡易バージョンについて,正確な対角化による実相互作用について検討した。
分離分離を増加させることで、カオス状態から可積分状態への量子相転移が観察される。
論文 参考訳（メタデータ） (2020-03-03T14:18:07Z)
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。