文献

J-GLOBAL ID：202002237939644153   整理番号：20A0572922

能動学習による効率的な状態図サンプリング【JST・京大機械翻訳】

Efficient Phase Diagram Sampling by Active Learning

著者 (5件)： Dai Chengyu (Department of Physics, University of Michigan, Michigan, United States) ,  Glotzer Sharon C. (Department of Physics, University of Michigan, Michigan, United States) ,  Glotzer Sharon C. (Biointerfaces Institute, University of Michigan, Michigan, United States) ,  Glotzer Sharon C. (Department of Chemical Engineering, University of Michigan, Michigan, United States) ,  Glotzer Sharon C. (Department of Materials Science and Engineering, University of Michigan, Michigan, United States)
資料名： Journal of Physical Chemistry B  (Journal of Physical Chemistry B)
巻： 124  号： 7  ページ： 1275-1284  発行年： 2020年 
JST資料番号： W0921A  ISSN： 1520-6106  CODEN： JPCBFK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習からアクティブ学習技術を採用し,与えられた精度までの位相境界を確立するために必要なサンプルサイズ(サンプリングされた状態点の数)を大幅に低減することにより,効率的な状態図サンプリングの問題に取り組んだ。Gibbs集合およびGibbs-Duhem積分のような先進的サンプリング技術は,相平衡を効率的にサンプリングすることができるが,多くの非平衡系に一般化することはできない。この力は,多くの重要な活性物質システムを研究するとき,グリッド探索シミュレーションに頼る。グリッド探索は,位相境界についての情報をほとんど提供しない状態点をサンプリングすることにより,低い効率に悩まされる。この欠陥を克服するための能動的学習フレームワークを提案した。これは,サンプリングした状態点の位相をGauss過程回帰により補間し,次に獲得関数を用いて可能な次の状態点の情報性を定量化することにより行った。並列計算資源をより良く利用し,複数のレプリカから不確実性情報を組み込むためにアルゴリズムを拡張するために,非同期サンプリング技術によって著者らのアプローチを一般化した。ソフト物質物理学における2つの例システムにおける著者らのアプローチの有用性を実証した:自己推進および受動Brownコロイドの混合物の相分離定常状態,および2つの準結晶間の平衡相境界。前者の例では5倍のサンプル効率改善を達成したが,後者の例での相図は同等の精度で以前に研究されていなかった。著者らの能動学習強化状態図サンプリング法は,研究を大いに加速し,シミュレーションまたは実験によって,広範囲の相図の超大規模探査のための機会を開く。Copyright 2020 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 並列演算 ,  準結晶 ,  効率化 ,  アルゴリズム ,  位相 ,  相平衡 ,  計算機シミュレーション ,  相分離 ,  *状態図 ,  機械学習 ,  シミュレーション ,  コロイド ,  不確実性
準シソーラス用語： 定常状態 ,  Gauss過程回帰 ,  *能動学習 , 【Automatic Indexing@JST】

分類 (4件)： 蛋白質・ペプチド一般  (EB03010N) ,  有機物質からなる多成分系の相平衡・状態図  (CB03016J) ,  高分子固体の物理的性質  (CG02024U) ,  相平衡・状態図一般  (CB03011C)

タイトルに関連する用語 (3件)： 能動学習 ,  状態図 ,  サンプリング