Saupe 张量估计中的偏差校正
计算工程、金融与科学
2016-06-23 v1
摘要
Saupe 张量的估计对于通过残余偶极耦合（RDC）或化学位移各向异性确定分子结构至关重要。假设给定一个模板结构，Losonczi 等人于 1999 年提出的奇异值分解（SVD）方法传统上被用于估计 Saupe 张量。尽管该方法简单，但当模板结构存在较大结构噪声时，估计张量的特征值大小会系统性地小于其实际值。这导致在计算依赖于特征值的参数（幅度和菱形性）时产生系统误差。我们在此提出一种蒙特卡洛模拟方法来消除此类偏差。我们进一步证明了该方法在以下场景中的有效性：当可获得多个模板蛋白质片段的特征值估计，并使用其平均值作为改进的特征值估计量时。对于泛素的合成和实验 RDC 数据集，当使用被大噪声破坏的模板片段时，我们提出的偏差减小估计量的幅度通常至少达到实际值的 90%，而 SVD 估计量的幅度可能收缩至真实值的 80% 以下。
引用
@article{arxiv.1606.06975,
title = {Bias Correction in Saupe Tensor Estimation},
author = {Yuehaw Khoo and Amit Singer and David Cowburn},
journal= {arXiv preprint arXiv:1606.06975},
year = {2016}
}
备注
24 pages, 5 figures