[論文レビュー] Detailed Balanced Chemical Reaction Networks as Generalized Boltzmann Machines

William Poole, Thomas E. Ouldridge+2 more|arXiv (Cornell University)|May 12, 2022

Machine Learning in Materials Science被引用数 4

ひとこと要約

本稿では、詳細釣合化学反応ネットワーク（dbCRNs）が一般化ボルツマン機械として機能可能であり、内在する熱雑音を計算リソースとして用いることで確率的推論を可能にすると提案する。分子系をエネルギー調節可能な確率的ネットワークとしてモデル化することで、著者らはdbCRNsが複雑な確率分布を表現でき、エネルギークランプを用いた条件付き推論が可能であることを示し、統計力学の原則に基づいて熱力学的コストを明示的に導出する。

ABSTRACT

Can a micron sized sack of interacting molecules understand, and adapt to a constantly-fluctuating environment? Cellular life provides an existence proof in the affirmative, but the principles that allow for life's existence are far from being proven. One challenge in engineering and understanding biochemical computation is the intrinsic noise due to chemical fluctuations. In this paper, we draw insights from machine learning theory, chemical reaction network theory, and statistical physics to show that the broad and biologically relevant class of detailed balanced chemical reaction networks is capable of representing and conditioning complex distributions. These results illustrate how a biochemical computer can use intrinsic chemical noise to perform complex computations. Furthermore, we use our explicit physical model to derive thermodynamic costs of inference.

研究の動機と目的

• 詳細釣合化学反応ネットワーク（dbCRNs）と確率的機械学習モデル、特にボルツマン機械との間の正式な関係を確立すること。
• 小規模な生物化学系における内在的分子ノイズが、欠陥ではなく計算リソースとして活用可能であることを示すこと。
• エネルギー調節（種のポテンシャルを介して）がdbCRNsにおける条件付き推論を可能にするフレームワークを構築・分析すること。
• 統計物理学の確立された原則を用いて、このような系における推論の熱力学的コストを導出すること。
• 構造的ネットワークアーキテクチャを用いて、dbCRNsが複雑でポisson分布でない分布をどのように表現できるかを調査すること。

提案手法

• すべての基本的反応が平衡状態で詳細釣合を満たす、詳細釣合化学反応ネットワーク（dbCRNs）として生化学系をモデル化する。
• 一般化ボルツマン機械の形式的枠組みを適用し、dbCRNsを分子種の同時分布および条件付き分布を表現可能な確率的モデルとして解釈する。
• 『エネルギークランプ』を導入する——特定の種の自由エネルギーを外部ポテンシャルバスタイの結合によって調節するメカニズムであり、条件付き推論を可能にする。
• ギルズビー確率的シミュレーションアルゴリズムを用いて、定常状態分布の数値的妥当性とシミュレートされたCRNsの計算的挙動を検証する。
• ピクセルCRNや化学的ボルツマン機械といった特殊なネットワークアーキテクチャを構築し、それぞれO(N)およびO(2^D K)の種および反応で、サイズNの分布を表現可能であることを示す。
• 自由エネルギーの変化と情報処理との関係を基に、統計力学に基づいて推論の熱力学的コスト関数を導出する。

実験結果

リサーチクエスチョン

• RQ1 詳細釣合化学反応ネットワークは、内在する熱揺らぎを計算リソースとして用いることで、確率的推論を実行可能か？
• RQ2 ポテンシャルバスを介したエネルギー調節は、ボルツマン機械におけるクランプと類似した形で、dbCRNsにおける条件付き推論を実装可能か？
• RQ3 複雑でポisson分布でない確率分布を表現するためには、dbCRNにどのような構造的および動的制約が必要か？
• RQ4 このような生物化学的系における推論の熱力学的コストは何か？ そしてネットワークの複雑さに伴いどのようにスケーリングするか？
• RQ5 DNAループ形成やタンパク質-DNA結合といった自然に存在する分子相互作用は、この一般化ボルツマン機械フレームワークの実装として解釈可能か？

主な発見

• 隠れ種の状態が可視種の到達可能な状態に影響を与えることにより、詳細釣合化学反応ネットワークは、複雑でポisson分布でない確率分布を表現可能である。
• 外部ポテンシャルバスへの結合によるエネルギークランプは、dbCRNsにおける条件付き推論を可能にし、ボルツマン機械におけるそれと類似した確率的推論の形式を実装する。
• 推論の熱力学的コストは明示的に定量化され、統計力学に基づいて導出されており、これらの系における情報処理が測定可能なエネルギー消費を伴うことを示している。
• 可視種の到達可能な状態が隠れ種に依存する場合、表現力が向上する。これは、到達可能性構造自体が計算リソースとして機能することを示唆する。
• ピクセルCRNおよび化学的ボルツマン機械の構築により、O(N)およびO(2^D K)の種および反応が、それぞれサイズNの分布を表現するのに十分であることが示され、制御されたアーキテクチャ下でのスケーラビリティが示唆される。
• DNAループ形成や染色体リモデリングといった自然な分子機構は、すでに体内で同様の推論原理を実装している可能性があり、このような系の進化的妥当性を示唆している。