مقاله نمونه‌برداری از رویدادهای نایاب کارآمد با جریان‌های عادی‌سازی بدون نظارت

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Efficient Rare Event Sampling with Unsupervised Normalising Flows
عنوان مقاله به فارسی مقاله نمونه‌برداری از رویدادهای نایاب کارآمد با جریان‌های عادی‌سازی بدون نظارت
نویسندگان Solomon Asghar, Qing-Xiang Pei, Giorgio Volpe, Ran Ni
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 18
دسته بندی موضوعات Computational Physics,Disordered Systems and Neural Networks,Soft Condensed Matter,Statistical Mechanics,Data Analysis, Statistics and Probability,فیزیک محاسباتی , سیستم های بی نظمی و شبکه های عصبی , ماده متراکم نرم , مکانیک آماری , تجزیه و تحلیل داده ها , آمار و احتمال ,
توضیحات Submitted 2 January, 2024; originally announced January 2024.
توضیحات به فارسی ارسال شده در 2 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد.

چکیده

From Physics and Biology to Seismology and Economics, the behaviour of countless systems is determined by impactful yet unlikely transitions between metastable states known as \emph{rare events}, the study of which is essential for understanding and controlling these systems' properties. Classical computational methods to sample rare events remain prohibitively inefficient, and are a bottleneck for enhanced samplers requiring prior data. Here, we introduce a novel framework, FlowRES that uses unsupervised normalising flow neural networks to enhance Monte Carlo sampling of rare events by generating high-quality nonlocal Monte Carlo proposals. We validate FlowRES by sampling the transition path ensembles of equilibrium and non-equilibrium systems of Brownian particles exploring increasingly complex potential surfaces. Beyond eliminating requirements for prior data, FlowRES features key advantages over established samplers: no collective variables need defining, its efficiency remains constant even as events become increasingly unlikely, and it can handle systems with multiple routes between states.

چکیده به فارسی (ترجمه ماشینی)

از فیزیک و زیست شناسی گرفته تا زلزله شناسی و اقتصاد ، رفتار سیستم های بی شماری با انتقال تأثیرگذار و در عین حال بعید به نظر می رسد که بین حالتهای قابل استفاده به عنوان "رویدادهای نادر" شناخته می شود ، که مطالعه آن برای درک و کنترل خصوصیات این سیستم ها ضروری است.روشهای محاسباتی کلاسیک برای نمونه برداری از وقایع نادر به طور ناکارآمد باقی مانده و تنگنا برای نمونه برداران پیشرفته که به داده های قبلی نیاز دارند ، هستند.در اینجا ، ما یک چارچوب جدید ، FlowRes را معرفی می کنیم که از شبکه های عصبی جریان عادی و بدون نظارت استفاده می کند تا با تولید پیشنهادات مونت کارلو با کیفیت بالا ، نمونه برداری از مونت کارلو از وقایع نادر را تقویت کند.ما با نمونه گیری از گروه های مسیر انتقال سیستم های تعادل و غیر تعادل ذرات براون که به کاوش در سطوح بالقوه به طور فزاینده پیچیده می پردازیم ، جریان را تأیید می کنیم.فراتر از از بین بردن الزامات برای داده های قبلی ، FlowRes دارای مزایای کلیدی نسبت به نمونه های تعیین شده است: هیچ متغیرهای جمعی نیازی به تعریف ندارند ، راندمان آن حتی اگر وقایع به طور فزاینده ای بعید باشد ، ثابت می ماند و می تواند سیستم هایی را با چندین مسیر بین ایالات اداره کند.

📚 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.