文献

J-GLOBAL ID：202202291344190304   整理番号：22A0647885

オートエンコーダとバイアス軌道を用いた集団変数の追跡【JST・京大機械翻訳】

Chasing Collective Variables Using Autoencoders and Biased Trajectories

著者 (7件)： Belkacemi Zineb (CERMICS, Ecole des Ponts ParisTech, France) ,  Belkacemi Zineb (Structure Design and Informatics, Sanofi 1371 R&D, France) ,  Gkeka Paraskevi (Structure Design and Informatics, Sanofi 1371 R&D, France) ,  Lelievre Tony (CERMICS, Ecole des Ponts ParisTech, France) ,  Lelievre Tony (MATHERIALS Team-Project, Inria, France) ,  Stoltz Gabriel (CERMICS, Ecole des Ponts ParisTech, France) ,  Stoltz Gabriel (MATHERIALS Team-Project, Inria, France)
資料名： Journal of Chemical Theory and Computation  (Journal of Chemical Theory and Computation)
巻： 18  号： 1  ページ： 59-78  発行年： 2022年 
JST資料番号： W2328A  ISSN： 1549-9618  CODEN： JCTCCE  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： 自由エネルギーバイアス法は,サンプリング測定を変更することにより,分子の重要な立体配座変化のシミュレーションを加速させる強力なツールであることが証明されている。しかし,これらの方法の大部分は,低次元の遅い自由度,すなわち,集団変数(CV)の事前知識に依存する。代わりに,そのようなCVは機械学習(ML)と次元縮小アルゴリズムを用いて同定できる。この文脈において,CVを適応バイアスを用いて反復的に学習するアプローチを提案し,各反復において,学習したCVを用いて,新しいデータを生成し,新しいCVを学習するために自由エネルギー適応バイアスを遂行した。本論文では,オートエンコーダによるCV学習を含む新しい反復法(自由エネルギーバイアスと自己エンコーダ(FEBILAE)による反復学習)を導入した。著者らの方法は,学習モデルが各反復で同じ損失を最適化し,CV収束を達成するのを確実にするための再重み付け方式を含む。例としてアラニンジペプチド系および溶媒和チグノリンミニ蛋白質系を用いて,自由エネルギー適応バイアス法として拡張適応バイアス力を用いた著者らのアルゴリズムの結果を提示した。Copyright 2022 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： 自由エネルギー ,  アルゴリズム ,  最適化 ,  学習 ,  学習モデル ,  逐次近似 ,  配座転移 ,  溶媒和 ,  タンパク質 ,  *符号器 ,  自由度 ,  次元縮小 ,  機械学習
準シソーラス用語： 事前知識 ,  反復学習 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  分子構造  (EB03020Y)

タイトルに関連する用語 (6件)： オートエンコーダ ,  バイアス ,  軌道 ,  集団 ,  変数 ,  追跡