AI और दुनिया की कठिन समस्याएँ · रसायन विज्ञान और पदार्थ · arXiv · 2026-10-23

जनरेटिव मॉडलों से कृत्रिम स्टोकेस्टिक टाइम सीरीज़

मूल शीर्षक: Synthetic Stochastic Time Series from Generative Models

संगणनात्मक रसायन विज्ञान में सांख्यिकीय रूप से अभिसरित समय-श्रेणी डेटा प्राप्त करना महंगा है, क्योंकि उच्च-निष्ठा वाले सिमुलेशन महंगे होते हैं। चार जनरेटिव आर्किटेक्चर की तुलना की गई, और एक डीनॉइज़िंग डिफ़्यूज़न मॉडल ने लक्षित सांख्यिकी को सबसे अधिक संगतता से पुन: उत्पन्न किया तथा अनुक्रमिक Transformer की तुलना में तेज़ी से उत्पादन किया। दाता-ग्राही ऊर्जा-अंतराल प्रक्षेप-पथों के लिए, 0.1 ns प्रशिक्षण डेटा को संवर्धित करने से प्रत्यक्ष आणविक गतिकी सैंपलिंग के 0.25 से 0.50 ns के बराबर सटीकता मिली।

मूल लेख पढ़ें ↗

सभी आइटम →