等变流:对具有对称能量的多体系统构型采样
机器学习
2019-10-03 v1 机器学习
化学物理
计算物理
摘要
流(flows)是精确似然生成神经网络,将来自简单先验分布的样本变换为感兴趣概率分布的样本。Boltzmann生成器(BG)将流与统计力学结合,以采样强相互作用多体系统(如具有1000个原子的蛋白质)的平衡态。为了扩展并推广这些结果,关键在于将概率密度的自然对称性——在物理学中由能量函数的不变性定义——内建到流中。在此我们开发构造此类等变流的理论工具,并证明相对于旋转和粒子置换等变的BG能够泛化到采样非平凡的新构型,而非等变BG则无法做到。
引用
@article{arxiv.1910.00753,
title = {Equivariant Flows: sampling configurations for multi-body systems with symmetric energies},
author = {Jonas Köhler and Leon Klein and Frank Noé},
journal= {arXiv preprint arXiv:1910.00753},
year = {2019}
}