論文の概要: VESPER: Online Learning of Free Energies with a Multi-Tempered Variational Objective

• arxiv url: http://arxiv.org/abs/2611.00401v1
• Date: Fri, 30 Oct 2026 21:39:55 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:43:14.387058
• Title: VESPER: Online Learning of Free Energies with a Multi-Tempered Variational Objective
• Title（参考訳）: VESPER:マルチ温度変分対象による自由エネルギーのオンライン学習
• Abstract要約: 本稿では,ニューラルネットワークによる自由エネルギー学習にサンプルの生成を組み合わせたVESPERを紹介する。 VESPERは、自由エネルギーにおいて凸である単一の変動目標を最小化し、いくつかのテンパリングレベルを組み合わせることができる。 2-CVボルツマン辺縁と3-CV経路に沿って反応液対サドル自由エネルギー差を回復する。 また、RMSDで定義されたチグノリンの折りたたみ領域と折りたたみ領域をサンプリングし、17個のCVを偏光させた。
• 参考スコア（独自算出の注目度）: 12.902649096083925
• License:
• Abstract: Computing molecular free-energy landscapes over collective variables (CVs) is central to understanding molecular mechanisms, but poses a difficult learning problem without training data available a priori. Samples of the marginal CV distribution must be generated by molecular dynamics (MD), whose trajectories can remain trapped in metastable states and rarely cross the free-energy barriers governing conformational changes or chemical reactions. We introduce VESPER, which couples the generation of these samples to neural-network-driven free-energy learning: MD supplies configurations for learning, while the evolving model biases the MD to accelerate exploration and generate further training data. VESPER minimizes a single variational objective that is convex in the free energy and can combine several tempering levels, each flattening the free-energy landscape to promote barrier crossing. Every level has the same physical free energy as its minimizer, allowing data from all levels to train one shared model without reweighting. Learning uses the difference in mean parameter gradients between biased MD configurations and auxiliary walkers that explore the flattened model in CV space. We prove conditional convergence of the coupled overdamped population dynamics without replica exchange under log-Sobolev and Polyak-Lojasiewicz assumptions. VESPER matches or improves on established enhanced-sampling methods on alanine dipeptide and yields self-consistent free-energy reconstructions from three to six CVs on alanine tetrapeptide. For methane dehydrogenation on Ni(511) with a machine-learned interatomic potential, it recovers two-CV Boltzmann marginals and a reactant-to-saddle free-energy difference along a three-CV path, both qualitatively consistent with the lower-dimensional reference. It also samples RMSD-defined folded and unfolded regions of chignolin while biasing seventeen CVs.
• Abstract（参考訳）: 分子自由エネルギーランドスケープを分子変数(CV)上で計算することは、分子機構を理解する上で重要であるが、事前データをトレーニングすることなく、困難な学習問題を引き起こす。 限界CV分布のサンプルは分子動力学(MD)によって生成されなければならないが、その軌道は準安定状態に留まり、コンフォメーション変化や化学反応を管理する自由エネルギー障壁を越えることは稀である。 MDは学習のための構成を提供し、進化するモデルはMDに偏り、探索を加速し、さらなるトレーニングデータを生成する。 VESPERは、自由エネルギーにおいて凸である単一の変動目標を最小化し、いくつかのテンパリングレベルを組み合わせ、それぞれがバリア交差を促進するために自由エネルギーの風景を平らにする。 あらゆるレベルは最小化器と同じ物理的自由エネルギーを持ち、すべてのレベルのデータが再重み付けなしに1つの共有モデルをトレーニングすることができる。 学習は、偏りのあるMD構成とCV空間における平坦なモデルを探索する補助歩行器との間の平均パラメータ勾配の差を利用する。 対数ソボレフとポリャク・ロジャシエヴィチの仮定の下で、複製交換を伴わずに結合された過大な人口動態の条件収束を証明した。 VESPERは、アラニンジペプチド上で確立された強化サンプリング法に適合または改善し、アラニンテトラペプチド上で3から6個のCVから自己持続的な自由エネルギー再構成をもたらす。 機械が誘導する原子間ポテンシャルを持つNi(511)上のメタン脱水素反応では、2-CVボルツマン辺縁と3-CV経路に沿った反応対サドル自由エネルギー差を回収する。 また、RMSDで定義されたチグノリンの折りたたみ領域と折りたたみ領域をサンプリングし、17個のCVを偏光させた。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Stein Kernelized Molecular Dynamics for Active Learning of Interatomic Potentials [0.0]
  機械学習原子間ポテンシャル(MLIP)は、効率的で正確な原子論シミュレーションを可能にするが、トレーニングデータの品質と多様性に極めて依存する。 本稿では,Stein kernelized molecular dynamics (SKMD)について紹介する。これは,相互作用する粒子動力学を用いて,MLIPの能動的学習および微調整のための情報的トレーニング構成を取得するための拡張サンプリング手法である。
  論文  参考訳（メタデータ） (2026-06-02T18:07:41Z)
• Differentiable free energy surface: a variational approach to directly observing rare events using generative deep-learning models [4.343338326440084]
  FESを直接モデル化するデータセットフリーフレームワークである変動自由エネルギー面(VaFES)を導入する。 希少なイベントは、生成モデルのワンショットサンプリングを通じて直接生成される構成で、FESから即座に識別することができる。
  論文  参考訳（メタデータ） (2026-04-10T18:00:08Z)
• 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)
• Towards Unified and Lossless Latent Space for 3D Molecular Latent Diffusion Modeling [90.23688195918432]
  3次元分子生成は、薬物発見と物質科学に不可欠である。 既存のアプローチは、典型的には不変かつ同変なモジュラリティに対して別々のラテント空間を保持する。 我々は,3次元分子を潜在空間から潜在配列に圧縮するマルチモーダルVAEである textbfUAE-3D を提案する。
  論文  参考訳（メタデータ） (2025-03-19T08:56:13Z)
• Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
  自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。 特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。 本稿では,初期個体群上の流れモデルを改善することで,ワッサーシュタイン多様体上のこれらのベクトル場と一体化するためのメタフローマッチング(MFM)を提案する。
  論文  参考訳（メタデータ） (2024-08-26T20:05:31Z)
• Stochastic Optimal Control for Collective Variable Free Sampling of Molecular Transition Paths [60.254555533113674]
  分子系の2つの準安定状態間の遷移経路をサンプリングする問題を考察する。 本稿では,その遷移をサンプリングする機械学習手法を提案する。
  論文  参考訳（メタデータ） (2022-06-27T14:01:06Z)
• Multitask machine learning of collective variables for enhanced sampling of rare events [9.632096602077919]
  データ駆動の機械学習アルゴリズムは、ニューラルネットワークで集合変数を学習するために考案される。 その結果生じる潜在空間は、効果的な低次元表現であることが示される。 このアプローチは5d m"uller brownモデル、5d 3-wellモデル、および真空中のアラニンジペプチドを含むモデルシステムにうまく適用できる。
  論文  参考訳（メタデータ） (2020-12-07T18:40:18Z)

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。