論文の概要: Critical Mass: Structure-Disjoint Splits Drift With the Libraries They Are Built On

• arxiv url: http://arxiv.org/abs/2610.12694v1
• Date: Thu, 08 Oct 2026 20:20:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.264575
• Title: Critical Mass: Structure-Disjoint Splits Drift With the Libraries They Are Built On
• Title（参考訳）: 臨界質量: 構造が切り離されたスプリットは、彼らが構築したライブラリと融合する
• Abstract要約: 分子機械学習は、構造的不整合分裂を伴う分布外性能を評価する。 質量スペクトルから構造を予測するため、この場はMaximum Common Edge Subgraphの下で単一リンククラスタリングに収束した。 我々は,この基準の最適化版を提案し,パブリックライブラリ上で計算可能なアプリケーションを実現する。
• 参考スコア（独自算出の注目度）: 0.32431040976431985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Molecular machine learning evaluates out-of-distribution performance with structure disjoint splits, a construction rule fixed once at the scale its library happened to have: threshold a pairwise distance, then assign whole connected components to folds. For predicting structures from mass spectra, the field has converged on single-linkage clustering under the myopic Maximum Common Edge Subgraph (MCES) distance at a threshold of 10. This convention was set on 29,000 molecules but public libraries now hold 227,690 molecules. MCES is NP-hard per pair over a quadratically growing set, and so the criterion has never been evaluated at that scale. We propose an optimized version of this criterion, allowing for computationally feasible application on the public libraries: Admissible bounds and a union-find skip reduce $2.6 \times 10^{10}$ molecular pairs to only $1.15 \times 10^{7}$ integer programs, a $2{,}259\times$ saving, while provably producing the lossless partition. We find that at this scale the graph percolates. A single component holds $95.5\%$ of the library, capping any test set at $4.5\%$. What remains is not merely smaller, but systematically different: a held-out compound outweighs a training compound 88.1\% of the time, because a fixed absolute budget is a tighter relative tolerance on a larger molecule. Large library benchmarks using this splitting rule naively therefore conflate structural novelty with extrapolation to larger, more complex chemistry.
• Abstract（参考訳）: 分子機械学習は、構造的分離を伴う分配性能の評価を行い、ライブラリが偶然に持つスケールで1度だけ固定された構成規則、すなわち、ペア距離を閾値にして、接続されたコンポーネント全体を折り畳みに割り当てる。 質量スペクトルから構造を予測するため,MCES距離を10。 この規則は29,000個の分子に設定されていたが、現在は227,690個の分子が公立図書館に保管されている。 MCESは二次的に成長する集合に対してNPハードであるため、そのスケールでの評価は行われていない。 許容バウンダリとユニオンフィンドスキップにより、2.6 \times 10^{10}$分子対を1.15 \times 10^{7}$整数プログラム、$2{,}259\times$セーブに減らし、損失のないパーティションを確実に生成する。 このスケールでは、グラフがパーコレートします。 1つのコンポーネントはライブラリの$95.5\%を持ち、テストセットは$4.5\%である。 ホールドアウト化合物は、固定絶対予算がより大きな分子に対するより厳密な相対耐性であるため、トレーニング化合物の88.1\%を上回っている。 この分割規則を用いた大規模なライブラリベンチマークでは、より大きくより複雑な化学への外挿で構造的新奇性を和らげている。

関連論文リスト

• Low-Rank Dependence Decomposition via Accelerated Symmetric Non-negative Matrix Factorization [0.0]
  我々は、絶対ピアソン相関と尾対依存行列に関する7つのアルゴリズム群(30以上の構成)の大規模GPU研究を提案する。 トレースアイデンティティの改定により、すべての$n倍n$中間体が排除されるため、1つのGPUは105ドル、マルチノード分布は106ドル以上までスケールする。
  論文  参考訳（メタデータ） (2026-07-27T14:56:00Z)
• Provably Efficient Learning of Fermionic Correlations under Particle-Number Symmetry [1.7149364927872013]
  局所フェルミオン相関の予測は、量子多体物理学における中心的な課題である。 ランダム軌道回転に基づく数保存型フェルミオンシャドウトモグラフィーの枠組みを開発する。 この研究は、フェルミオン可観測物推定のための粒子数対称性の証明可能な有効性を確立する。
  論文  参考訳（メタデータ） (2026-06-29T17:40:18Z)
• Multi-Modal Spatio-Temporal Graph Neural Network with Mixture of Experts for Soil Organic Carbon Prediction [0.0]
  既存のアプローチでは、手作りのコモーダルを古典的なMLとペアリングするか、豊富なスペクトルと時間情報を見逃す単一モードのディープモデルである。 本稿では,SpTGNNとグリッドベースアーキテクチャの両方に対処するマルチテンポラルグラフニューラルネットワークであるSpTG-NNを紹介する。 微調整されたTerraMindエンコーダは、Sentinel-2、Sentinel-1、DEM信号からノード特徴を抽出する。
  論文  参考訳（メタデータ） (2026-06-15T11:25:38Z)
• $\mathbb{R}^{2k}$ is Theoretically Large Enough for Embedding-based Top-$k$ Retrieval [99.8640829555514]
  本稿では,最小埋め込み次元 (Minimal Embeddable Dimension, MED) で表されるベクトル空間に部分集合 (m$ element, $mchoose k$ subsets of at least $k$ element) を埋め込むために必要な最小次元について検討する。 MEDの密接な境界は理論的に導出され、$ell$メートル法、内積、コサイン類似性を含む「距離」や「類似性」の様々な概念に対して実証的に支持される。
  論文  参考訳（メタデータ） (2026-01-28T18:45:43Z)
• On lower bounds of the density of planar periodic sets without unit distances [55.2480439325792]
  平面トーラスから構築したグラフ上での最大独立集合(MIS)問題として問題を再構成することにより、$m_1(mathbbR2)$を推定する新しいアプローチを導入する。 提案手法の理論的正当性によって支持された実験結果から, 十分に広い範囲のパラメータに対して, この手法が既知の下界を改善できないことを示す。
  論文  参考訳（メタデータ） (2024-11-20T12:07:19Z)
• Non-Clifford diagonalization for measurement shot reduction in quantum expectation value estimation [1.2754578699685275]
  短期量子コンピュータ上での期待値を推定するには、しばしば非常に多くの測定を必要とする。 本稿では,この可換性の制約を緩和する手法を提案する。 我々は、$k$-NoCliDが回路ショットの数を、しばしば非常に大きなマージンで減らし、しばしば$k$が2.2まで小さくなることを示した。
  論文  参考訳（メタデータ） (2024-08-21T18:00:03Z)
• Computationally efficient sparse clustering [67.95910835079825]
  我々はPCAに基づく新しいクラスタリングアルゴリズムの有限サンプル解析を行う。 ここでは,ミニマックス最適誤クラスタ化率を,体制$|theta infty$で達成することを示す。
  論文  参考訳（メタデータ） (2020-05-21T17:51:30Z)
• Robustly Learning any Clusterable Mixture of Gaussians [55.41573600814391]
  本研究では,高次元ガウス混合系の対向ロバスト条件下での効率的な学習性について検討する。 理論的に最適に近い誤り証明である$tildeO(epsilon)$の情報を、$epsilon$-corrupted $k$-mixtureで学習するアルゴリズムを提供する。 我々の主な技術的貢献は、ガウス混合系からの新しい頑健な識別可能性証明クラスターであり、これは正方形の定度証明システムによって捉えることができる。
  論文  参考訳（メタデータ） (2020-05-13T16:44:12Z)

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。