神经网络方法追踪大型化学反应网络与稀有事件

研究者提出一种基于自回归联合概率分布表示的神经网络方法，用于在统一框架内处理大型化学反应网络与稀有事件动力学。该方法通过自然梯度下降和时间相关变分原理等二阶优化方法实现高效训练，并利用增强采样策略解析稀有跃迁的低概率区域。 据作者称，该方法在16种物质、35个反应的多稳态MAPK级联和Schlögl模型上得到验证，系统状态空间规模达3×10^15。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。