吸血鬼

吸血鬼网：分子动力学的深入学习。通过高通量分子动力学模拟计算生物分子过程的相关结构、平衡和长时间尺度动力学，如蛋白质-药物结合，有着越来越大的需求。目前的方法是将模拟坐标转换为结构特征、降维、对降维数据进行聚类、估计分子结构间相互转化率的马尔可夫状态模型或相关模型。这种手工制作的方法需要大量的建模专业知识，因为任何步骤中的错误决策都会导致大量的建模错误。在这里，我们使用马尔可夫过程的变分方法（VAMP）来开发一个使用神经网络的分子动力学的深度学习框架，称为VAMPnets。VAMPnet对从分子坐标到Markov状态的整个映射进行编码，从而将整个数据处理管道组合在一个端到端的框架中。我们的方法与最先进的马尔可夫建模方法的性能相当或更好，并且提供了易于解释的几个状态动力学模型。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献19条)

显示第1至19个结果，共19个。
按年份排序(引用)

  1. 格里博瓦尔，雷米；基塔，库蒂尼克；尼尔森，莫顿；Voigtlender，Felix:深层神经网络的近似空间（2022）
  2. 比崔彻，安德烈亚斯；克鲁斯，斯特凡；哈姆齐，布梅迪恩；科尔泰，佩特；Schütte，Christof:通过转移流形的核嵌入对复杂亚稳系统的降维（2021）
  3. 布拉姆伯格，杰森J。；布伦顿，史蒂文L。；Nathan Kutz，J.：共轭映射的深度学习（2021）
  4. 杜松子酒，克雷格；拉希，伯大尼；布伦顿，史蒂文L。；库兹，J.内森：线性化偏微分方程的全球坐标变换的深度学习模型（2021）
  5. 纽斯克，费利克斯；盖尔，帕特里克；克鲁斯，斯特凡；Clementi，Cecilia:基于张量的亚稳态和相干集计算（2021）
  6. 苏伟鸿；周青山；修东斌：从数据中深入学习生物模型：ODE模型的应用（2021）
  7. 田文冲；吴浩：基于核嵌入的动力系统低维近似变分方法（2021）
  8. 韦伯，罗伯特J。；希德，埃里克H。；陶氏，道格拉斯；晚餐，亚伦R。；Weare，Jonathan:动态谱估计的误差界（2021）
  9. 陈真；吴开良；修东斌：利用数据恢复偏微分方程中未知过程的方法（2020）
  10. 卡曼，卡迪尔丹；库茨，J.内森；Brunton，Steven L.：SINDy PI:非线性动力学并行隐式稀疏辨识的鲁棒算法（2020）
  11. 坎布，梅森；凯撒，尤里卡；布伦顿，史蒂文L。；Kutz，J.Nathan:Koopman的时滞观测：理论与应用（2020）
  12. 克鲁斯，斯特凡；纽斯克，费利克斯；佩兹，塞巴斯蒂安；尼曼，简·亨德里克；克莱门蒂，塞西莉亚；Schütte，Christof:Koopman生成器的数据驱动近似：模型简化、系统识别和控制（2020）
  13. 吴昊；不，弗兰克：从时间序列数据学习马尔可夫过程的变分方法（2020）
  14. 吴开良；秦、童；修东斌：从轨道数据重建未知哈密顿系统的结构保持方法（2020）
  15. 冠军，凯瑟琳P。；布伦顿，史蒂文L。；Kutz，J.Nathan:非线性多尺度系统的发现：抽样策略和嵌入（2019）
  16. 克鲁斯，斯特凡；哈西奇，布鲁克E。；莫伦豪尔，哑光；不，弗兰克：检测动力学数据中相干结构的核方法（2019）
  17. 秦、童；吴开良；修东斌：基于深度神经网络的数据驱动控制方程逼近（2019）
  18. 鲁迪，塞缪尔；阿拉，亚历山德罗；布伦顿，史蒂文L。；Kutz，J.Nathan:参数偏微分方程的数据驱动识别（2019）
  19. 鲁迪，塞缪尔H。；内森库兹，J。；Brunton，Steven L.：具有时间步进约束的动力学和信号噪声分解的深度学习（2019）