学习动态 Boltzmann 分布作为空间化学动力学的约化模型
生物物理
2018-08-15 v1 统计力学
摘要
寻找空间分布化学反应网络的约化模型需要估计哪些有效动力学是相关的。我们提出一种针对此粗粒化问题的机器学习方法，其中构造一个随时间缓慢演化的极大熵近似。支配该近似的动力学模型被表达为一个泛函，从而允许对空间相互作用进行一般性处理。与估计图模型相互作用参数的典型机器学习方法不同，我们推导了类 Boltzmann 机的学习算法，以直接估计决定这些参数时间演化的泛函。通过纳入来自简单反应基元的解析解，展示了从玩具问题到基本生物相关网络系统的有效模拟方法。我们学习空间动力学方法的广泛适用性暗示了其在空间网络多尺度方法以及进一步机器学习问题中的有前景应用。
引用
@article{arxiv.1803.01063,
title = {Learning Dynamic Boltzmann Distributions as Reduced Models of Spatial Chemical Kinetics},
author = {Oliver K. Ernst and Thomas Bartol and Terrence Sejnowski and Eric Mjolsness},
journal= {arXiv preprint arXiv:1803.01063},
year = {2018}
}