coarse-graining | BriefGPT - AI 论文速递

关键词coarse-graining

搜索结果 - 9

用图神经网络的粗粒化力场中的热力学可传递性
通过使用图卷积神经网络 (HIP-NN-TS) 构建粗粒化力场的高度自动化训练流程，我们展示了机器学习技术在改进可转移粗粒化力场构建方面的潜力。这种方法不仅能够产生高精度的力场，而且在多种热力学条件下具有更好的转移性。
PDF19 days ago
ICLRF$^3$low: 使用 SE (3) 引导的流匹配的逐帧粗粒度分子动力学模拟
基于 Flow-matching 的 Frame-to-Frame 生成模型 (F$3$low) 扩展了粗粒化建模方法的领域，通过自交叉采样的方式提升了计算生物学中的模拟效率，并且能够广泛探索构象空间。
PDF2 months ago
使用 WSINDy 进行粗粒化哈密顿系统
通过使用弱形式稀疏非线性动力学算法（WSINDy），我们成功地在存在大的扰动的情况下，识别出具有近似对称性的哈密顿动力学中的约简哈密顿系统。
PDF9 months ago
因果性出现的原因：不确定性的重新分配及其临界条件
本文讨论了粗粒化对于因果性和 Causal Emergence 的影响，提出了不确定性的重新分配是 Causal Emergence 的原因，并分析了决定 Causal Emergence 的阈值，进一步提供了选择正确粗粒化操作的有价值的建
PDF2 years ago
使用具备统计信息的神经网络学习随机动态
本文提出了名为 SINN 的机器学习框架，可以从数据中学习随机动力学，并演示了其在粗粒化问题和过渡动力学建模方面的应用及其在罕见事件模拟方面的适用性。
PDF2 years ago
分子构象的生成式粗粒化
本文提出了基于生成模型和等变网络的新方法，以恢复从粗粒度表示到原子层面的原子精确位置信息，并在分子动力学轨迹上进行了三个综合评估，结果表明，与现有数据驱动的方法相比，我们的方法始终能够以显着优势恢复更真实的结构。
PDF2 years ago
粗粒化分子动力学力场的机器学习
本文应用监督式机器学习方法将经典粗粒化 (coarse-graining) 重新解释，提出了一种名为 CGnets 的深度学习方法，能够学习细粒度有溶剂共存 (all-atom explicit-solvent) 的自由能函数，并能够捕获多
PDF6 years ago
信息论下的最优重整化群变换
本文探讨了粗粒化过程的信息理论特性，证明了 RSMI 粗粒化不会增加简化哈密顿量中相互作用的范围，并抑制了规范化扰动分布中相关性的产生，通过实证验证了信息保留与压缩相关的减小复杂度的度量，以及在一般 RG 过程中粗粒化的度数和类型的限制所产
PDF6 years ago
ICML信息熵聚类探秘
该研究提出一种基于信息论原理且无需参数假设的数据聚类新方法，将信息论用于无偏见的数据分类可能会从根本上导致聚类性能恶化，而作者们则基于信息论的基本概念，提出了一种新的聚类度量方法，通过对有限数据的粗粒化一致性来定义含义。
PDF11 years ago