ترجمه فارسی مقاله chemtrain: یادگیری مدل‌های پتانسیل عمیق از طریق تمایز خودکار و فیزیک آماری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی chemtrain: Learning Deep Potential Models via Automatic Differentiation and Statistical Physics
عنوان مقاله به فارسی chemtrain: یادگیری مدل‌های پتانسیل عمیق از طریق تمایز خودکار و فیزیک آماری
نویسندگان Paul Fuchs, Stephan Thaler, Sebastien Röcken, Julija Zavadlav
فرمت مقاله انگلیسی PDF
تعداد صفحات 42
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Chemical Physics,Machine Learning,Computational Physics,فیزیک شیمیایی , یادگیری ماشین , فیزیک محاسباتی ,
توضیحات Submitted 28 August, 2024; originally announced August 2024. , Comments: Package source code published at http://github.com/tummfm/chemtrain
توضیحات به فارسی ارسال شده 28 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: کد منبع بسته منتشر شده در http://github.com/tummfm/chemtrain
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Neural Networks (NNs) are promising models for refining the accuracy of molecular dynamics, potentially opening up new fields of application. Typically trained bottom-up, atomistic NN potential models can reach first-principle accuracy, while coarse-grained implicit solvent NN potentials surpass classical continuum solvent models. However, overcoming the limitations of costly generation of accurate reference data and data inefficiency of common bottom-up training demands efficient incorporation of data from many sources. This paper introduces the framework chemtrain to learn sophisticated NN potential models through customizable training routines and advanced training algorithms. These routines can combine multiple top-down and bottom-up algorithms, e.g., to incorporate both experimental and simulation data or pre-train potentials with less costly algorithms. chemtrain provides an object-oriented high-level interface to simplify the creation of custom routines. On the lower level, chemtrain relies on JAX to compute gradients and scale the computations to use available resources. We demonstrate the simplicity and importance of combining multiple algorithms in the examples of parametrizing an all-atomistic model of titanium and a coarse-grained implicit solvent model of alanine dipeptide.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی (NNS) مدل های امیدوارکننده ای برای پالایش صحت دینامیک مولکولی هستند ، که به طور بالقوه زمینه های جدید کاربرد را باز می کنند.به طور معمول آموزش دیده از پایین به بالا ، مدلهای بالقوه NN اتمی می توانند به دقت اول برسند ، در حالی که پتانسیل های حلال ضمنی درشت دانه درشت از مدلهای حلال کلاسیک است.با این حال ، غلبه بر محدودیت های تولید پرهزینه داده های مرجع دقیق و ناکارآمدی داده های آموزش مشترک از پایین به بالا خواستار ترکیب کارآمد داده ها از بسیاری از منابع است.در این مقاله ، چارچوب ChemTrain برای یادگیری مدلهای بالقوه NN پیشرفته از طریق روال آموزش قابل تنظیم و الگوریتم های پیشرفته آموزش ارائه شده است.این روالها می توانند چندین الگوریتم از بالا به پایین و پایین به بالا ، به عنوان مثال ، برای ترکیب داده های تجربی و شبیه سازی یا پتانسیل های پیش از مرحله با الگوریتم های کم هزینه تر ترکیب شوند.ChemTrain یک رابط سطح بالا شی گرا برای ساده سازی ایجاد روال سفارشی فراهم می کند.در سطح پایین ، ChemTrain برای محاسبه شیب و مقیاس محاسبات برای استفاده از منابع موجود ، به JAX متکی است.ما سادگی و اهمیت ترکیب الگوریتم های متعدد را در مثالهایی از پارامتر کردن یک مدل تمام اتمی تیتانیوم و یک مدل حلال ضمنی درشت دانه آلانین دیپپتید نشان می دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.