[论文解读] 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 4

一句话总结

本文提出，详细平衡化学反应网络（dbCRNs）可作为广义玻尔兹曼机，利用内在热噪声实现概率推理。通过将分子系统建模为能量调制的随机网络，作者表明dbCRNs能够表示复杂的概率分布，并通过能量钳位实现条件推理，其热力学成本明确源自统计力学原理。

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.

研究动机与目标

• 建立详细平衡化学反应网络（dbCRNs）与概率机器学习模型（特别是玻尔兹曼机）之间的正式联系。
• 展示小型生化系统中的内在分子噪声可被利用于推理计算，而非仅视为缺陷。
• 开发一个建模与分析框架，阐明通过物种势能调节能量调制如何在dbCRNs中实现条件推理。
• 基于统计物理的既定原理，推导此类系统中推理的热力学成本。
• 通过结构化网络架构，探索dbCRNs对复杂非泊松分布的表征能力。

提出的方法

• 将生化系统建模为详细平衡化学反应网络（dbCRNs），其中所有基元反应在平衡时均满足细致平衡。
• 应用广义玻尔兹曼机的形式化方法，将dbCRNs解释为能够表示分子物种联合与条件分布的概率模型。
• 引入“能量钳位”——通过将特定物种耦合至外部势能浴来调节其自由能，从而实现dbCRNs中的条件推理。
• 使用Gillespie随机模拟算法对稳态分布进行数值验证，并推断模拟CRNs中的计算行为。
• 构建专用网络架构，如像素CRN与化学玻尔兹曼机，分别以O(N)和O(2^D K)种物种/反应演示其表征能力。
• 通过将自由能变化与信息处理关联，基于统计力学推导推理的热力学成本函数。

实验结果

研究问题

• RQ1 详细平衡化学反应网络能否利用内在热涨落作为计算资源，实现概率推理？
• RQ2 如何通过势能浴实现能量调制，以在dbCRNs中实现条件推理，类比于玻尔兹曼机中的钳位机制？
• RQ3 dbCRN需要满足何种结构与动力学约束，才能表征复杂且非泊松的概率分布？
• RQ4 此类生化系统中推理的热力学成本是多少？其随网络复杂度如何变化？
• RQ5 自然存在的分子相互作用（如DNA环化、蛋白质-DNA结合）在多大程度上可被解释为该广义玻尔兹曼机框架的实现？

主要发现

• 通过利用其状态影响可见物种可达构型的隐藏物种，详细平衡化学反应网络能够表征复杂且非泊松的概率分布。
• 通过耦合至外部势能浴实现的能量钳位，可在dbCRNs中实现条件推理，有效实现类似于玻尔兹曼机中的概率推理形式。
• 推理的热力学成本已明确量化并基于统计力学推导，表明此类系统中信息处理具有可测量的能量足迹。
• 当可见物种的可达状态依赖于隐藏物种时，表征能力增强，表明可达性结构本身可作为计算资源。
• 像素CRN与化学玻尔兹曼机构造表明，O(N)与O(2^D K)种物种与反应足以分别表征大小为N的分布，表明在受控架构下具有可扩展性。
• 自然分子机制如DNA环化与染色质重塑可能已在体内实现类似的推理原理，提示此类系统具有进化上的合理性。