Jul, 2024

流动扰动加速玻尔兹曼分布的无偏采样

HTML
PDF
TL;DR应用基于流的生成模型在高维系统样本生成中面临较大计算成本的挑战，本文引入了流扰动方法，通过将优化的随机扰动应用于流中，并通过对扰动流产生的轨迹进行重新加权，实现了对Boltzmann分布的无偏采样，并且相较于传统Brute Force Jacobian计算和Hutchinson方法有数量级的加速，值得注意的是，该方法成功地以生成模型详细地进行分子动力学模拟中样本采样的方式所知最大分子Chignolin蛋白。
发现论文，激发创造
  • 基于流的生成模型在格子场理论马尔可夫链蒙特卡罗中的应用

    使用基于机器学习流的生成模型的马尔可夫链更新方案，可用于网格场论的蒙特卡罗采样。

    Apr, 2019

  • 等变流: 对具有对称能量的多体系统进行配置抽样

    本文介绍了通过等变流建立的Boltzmann Generators,以便推广其结果，同时演示了一个等变BG可以推广到采样非平凡的新配置。

    Oct, 2019

  • 流退火重要性采样自助法

    该研究提出Flow AIS Bootstrap (FAB)方法，采用退火重要性采样(AIS)和最小化质量覆盖α散度，使用的α=2，从而避免了当前训练流方法的主要问题。使用FAB将多模态目标应用于学习甘氨二肽分子的玻尔兹曼分布，证明了该方法比使用MD样本通过最大似然训练效果更好，在使用100倍少的目标评估下，可以获得与真实数据几乎相同的无偏直方图。

    Aug, 2022

  • 等变流匹配

    本文提出了一种新的训练目标equivariant flow matching，该方法是基于最近提出的 optimal transport flow matching，利用目标能量的对称性来对称等变CNFs进行高效的仿真-free训练，在许多粒子系统和小分子alanine dipeptide中展示了我们方法的有效性，我们首次获得了一个具有显着采样效率的Boltzmann生成器，而不依赖于定制的内部坐标特征选取。

    Jun, 2023

  • SE(3)等变增强耦合流

    通过在附加的扩充维度上执行坐标分割，本文提出了一种保持SE(3)和排列等变性的耦合流，能够快速采样和密度评估，并可用于产生对目标分布的期望的无偏估计。同时，本文显示该流模型在相同应用上比等变连续归一化流快两个数量级，并首次成功学习仅通过对原子的笛卡尔位置进行建模从而获得丙氨酸二肽的玻尔兹曼分布。最后，本文展示了该流模型可以通过仅使用粒子系统的能量函数在DW4和LJ13粒子系统的玻尔兹曼分布上进行近似采样。

    Aug, 2023

  • 基于GFlowNets实现分子构型生成的平衡状态追求

    使用GFlowNet从玻尔兹曼分布中对小分子进行构象采样的方法，可以与不同准确性的能量估计方法结合使用，并为高度柔性的药物样品发现一组多样性的低能量构象。该方法通过比例抽样来复现分子的势能表面。

    Oct, 2023

  • 可扩展的归一化流为大分子提供玻尔兹曼生成器

    利用分裂通道和门控注意力的新型流架构，结合2-Wasserstein损失函数，使得Boltzmann生成器能够有效地学习蛋白质的构象分布，并在标准架构和训练策略无法成功的情况下，成功地模拟了蛋白质G和HP35的构象分布。

    Jan, 2024

  • 基于生成流网络的无集体变量转移路径采样

    通过生成流网络，我们的TPS-GFN方法在不依赖CV的情况下通过分子轨迹进行能量感知抽样，从而产生比之前的不依赖CV的机器学习方法更真实和多样化的转变路径。

    May, 2024

  • 可转移的玻尔兹曼生成器

    Boltzmann Generators that are transferable across chemical space are proposed to generate approximate samples of molecular systems, enabling efficient reweighting to the target distribution of unseen systems and enhancing the efficiency of training on single molecular systems.

    Jun, 2024

  • 通过一致性模型实现有效且无偏的玻尔兹曼分布采样

    本研究解决了玻尔兹曼生成器面临的两个核心问题：模型缺陷导致样本的固有误差，以及获得高质量样本需要数百次功能评估。本文提出了一种新颖的采样方法，将一致性模型与重要性采样有效结合，结果显示该方法在仅需6-25次功能评估的情况下，依然能够生成无偏样本，且有效样本量与需要约100次功能评估的去噪扩散概率模型相当。

    Sep, 2024