論文の概要: SPIBER: Reconstructing Free Energy Landscapes from Short, Unconverged Trajectories with Generative Flow Networks
- arxiv url: http://arxiv.org/abs/2609.22663v2
- Date: Wed, 23 Sep 2026 06:39:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.658759
- Title: SPIBER: Reconstructing Free Energy Landscapes from Short, Unconverged Trajectories with Generative Flow Networks
- Title（参考訳）: SPIBER: 生成フローネットワークによる短絡未収束軌道からの自由エネルギー景観の再構築
- Abstract要約: 本稿では,SPIB(State Predictive Information Bottleneck)とGFlowNets(Generative Flow Networks)を組み合わせたSPIBERを提案する。
この圧縮は, 人口密度領域における条件エントロピーの変動を制限し, 条件平均ポテンシャルエネルギーを自由エネルギー差の近似に利用できることを示した。
放射状二重井戸電位中の粒子、アラニンジペプチド、および9残基ペプチドABB9に対して、SPIBERは、基準値の1つの熱エネルギー単位内のサンプル準安定状態間の自由エネルギー差を回収する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Molecular systems have many degrees of freedom, but their metastable behavior can often be described by a few collective variables. Identifying these variables and estimating free energies along them from limited simulation data remains a challenging, important problem. Separate short trajectories may sample different metastable states without capturing transitions or establishing their relative equilibrium populations. For unbiased trajectories generated with the same Hamiltonian at a single temperature, alternate methods based on histogram reweighting cannot correct this imbalance. Here we present SPIBER, which combines the State Predictive Information Bottleneck (SPIB) with Generative Flow Networks (GFlowNets). SPIB uses deep learning to approximate slow degrees of freedom through a past-future information bottleneck, retaining information needed to predict future metastable states. We show that this compression limits conditional entropy variations in populated regions, allowing conditional mean potential energies, which are much easier to calculate, to be used to approximate free energy differences. Given sufficient local sampling to estimate these energies, they define the target distribution for GFlowNets, energy-based generative samplers that sample according to estimated thermodynamic stability rather than observed populations. For a particle in a radial double-well potential, for alanine dipeptide, and for the nine-residue peptide AIB9, SPIBER recovers free energy differences between sampled metastable states to within one thermal energy unit of reference values. The method combines collective-variable learning and free energy estimation in up to four latent dimensions, without requiring converged state populations or additional molecular dynamics simulations.
- Abstract（参考訳）: 分子系には多くの自由度があるが、その準安定な振る舞いはいくつかの集合変数によって説明できる。
これらの変数を同定し、それに沿った自由エネルギーを限られたシミュレーションデータから推定することは、依然として困難で重要な問題である。
異なる短い軌道は、遷移を捉えたり、相対平衡集団を確立することなく異なる準安定状態のサンプルを採取することができる。
同じハミルトニアンを1つの温度で生成した非バイアスの軌道に対して、ヒストグラムの再重み付けに基づく代替手法は、この不均衡を補正することはできない。
本稿では,国家予測情報ボトルネック(SPIB)と生成フローネットワーク(GFlowNets)を組み合わせたSPIBERを提案する。
SPIBはディープラーニングを使用して、過去の情報ボトルネックを通じて遅い自由度を近似し、将来の準安定状態を予測するために必要な情報を保持する。
この圧縮により、人口密度領域における条件エントロピーの変動が制限され、計算がより容易な条件平均ポテンシャルエネルギーが自由エネルギー差を近似するために使用されることが示される。
これらのエネルギーを推定するのに十分な局所的なサンプリングが与えられた場合、観測された人口よりも推定熱力学的安定性に従ってサンプリングするエネルギーベースの生成サンプルであるGFlowNetsのターゲット分布を定義する。
放射状二重井戸電位中の粒子、アラニンジペプチド、および9残基ペプチドABB9に対して、SPIBERは基準値の1つの熱エネルギー単位内でサンプル準安定状態間の自由エネルギー差を回収する。
この方法は、収束状態の集団や追加分子動力学シミュレーションを必要とせず、最大4つの潜在次元での集合変数学習と自由エネルギー推定を組み合わせる。
関連論文リスト
- Composing Flow-Matching Energies with Known Physics: Generation, OOD Detection, and Inversion on PDE Fields [9.34545560117171]
エネルギーベースモデル(EBM)は、エネルギーが加法的に構成されるので、推論中に物理情報を増やすことができるため、自然に適合する。
この研究で、電位誘起速度を伴う流れマッチングモデルが、全ての輸送時間において明示的なエネルギーをもたらすことを示す。
訓練されたモデルからのエネルギー関数へのアクセスは、エネルギー補正データ生成、アウト・オブ・ディストリビューション(OOD)検出のためのスコアリング機能としてのエネルギー、逆問題のためのエネルギー構成後サンプリングの3つの役割を果たす。
論文 参考訳（メタデータ） (2026-08-18T16:53:08Z) - Energy-Guided Flow Matching Enables Few-Step Conformer Generation and Ground-State Identification [45.52894539097255]
本稿では,明示的な学習エネルギーモデルとフローマッチングを結合する統合フレームワークであるEnFlowを紹介する。
サンプリング中にエネルギー段階的な誘導を取り入れることで,低エネルギー領域への軌道を導出する。
さらに、学習したエネルギー関数は、生成したアンサンブルの効率的なエネルギーベースのランク付けを可能にし、正確な基底状態の同定を可能にする。
論文 参考訳（メタデータ） (2025-12-27T14:00:22Z) - Coherence Dispersion and Temperature Scales in a Quantum-Biology Toy Model [51.56484100374058]
量子コヒーレンス(英語版)が任意の量子状態のいくつかの外対角要素の間にどのように散乱するかを考察する。
平衡外システムに焦点をあてることで、我々は開発されたフレームワークを使用して、セル・エネルギティクスの単純化されたモデルに対処する。
論文 参考訳（メタデータ） (2025-12-13T14:21:34Z) - 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) - Learned Mappings for Targeted Free Energy Perturbation between Peptide
Conformations [0.0]
我々は、ボルツマン分布間の異なる熱力学状態のマッピングのためにニューラルネットワークを訓練する。
1 rAと2 rAで分離されたバネ中心を持つ熱力学状態間の正確な自由エネルギー差を計算した。
より遠い熱力学状態の場合、マッピングは対象状態を表す構造を作らない。
論文 参考訳（メタデータ） (2023-06-24T15:54:21Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - Accurate Free Energy Estimations of Molecular Systems Via Flow-based
Targeted Free Energy Perturbation [0.0]
TFEP(Targeted Free Energy Perturbation)法は、2つの状態間の自由エネルギー差を推定するための標準手法の時間的およびコンピュータ集約的な成層化プロセスを克服することを目的としている。
自由エネルギー計算の理論的可能性にもかかわらず、TFEPはエントロピー補正、エネルギーベースのトレーニングの制限、モード崩壊といった課題のために実際には採用されていない。
本研究は,生物分子の高速かつ高精度な深層学習に基づくTFEP法を実用化し,医薬品設計の文脈で実現可能な自由エネルギー推定法として紹介するものである。
論文 参考訳（メタデータ） (2023-02-23T08:53:52Z) - Probing eigenstate thermalization in quantum simulators via
fluctuation-dissipation relations [77.34726150561087]
固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。
本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。
我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
論文 参考訳（メタデータ） (2020-07-20T18:00:02Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z)
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。