כתבה
arXiv cs.LG ·
FrOGS: סומר עצמאי נוירונלי לקונפיגורציות של חימום נפרדות לתנאים כימיים שונים
FrOGS: Discrete Neural Sampler for Independent Alloy Configurations Across Chemical Conditions
פיתוח סומר עצמאי נוירונלי לחיזוי תכונות תרמודינמיות של חימום. הסומר, שנקרא FrOGS, מאפשר קונפיגורציות של חימום נפרדות לתנאים כימיים שונים ומספק אסטימטים חדשים של תכונות תרמודינמיות. FrOGS משתמש באופטימיזציה של הפסקל הרגולרי כדי ללמד את הסומר לקבל קונפיגורציות של חימום נפרדות. הסומר נבחן במספר תרחישים והוכיח את עצמו כסומר יעיל.
תקציר מקורי באנגליתarXiv:2609.02948v1 Announce Type: cross Abstract: Predicting the thermodynamic properties of an alloy requires sampling its configurations across many chemical conditions and recovering free energies on a common absolute scale. Markov chain Monte Carlo (MCMC) is the standard tool, but it requires separate simulations at different conditions, and auxiliary free-energy methods such as thermodynamic integration are used to place results on a common absolute scale. Modern discrete neural samplers typically use reverse KL divergence as the objective and can be mode-seeking or biased. We present Free energy Offering Generative Sampler (FrOGS), a hybrid discrete neural sampler that couples an autoregressive model to a continuous-time Markov chain (CTMC) to be trained jointly under a single shared
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית