Ion, Ion Gabriel ; Wildner, Christian ; Loukrezis, Dimitrios ; Koeppl, Heinz ; De Gersem, Herbert (2024)
Tensor-train approximation of the chemical master equation and its application for parameter inference.
In: The Journal of Chemical Physics, 2021, 155 (3)
doi: 10.26083/tuprints-00026628
Artikel, Zweitveröffentlichung, Verlagsversion
 | Es ist eine neuere Version dieses Eintrags verfügbar. |
Kurzbeschreibung (Abstract)
In this work, we perform Bayesian inference tasks for the chemical master equation in the tensor-train format. The tensor-train approximation has been proven to be very efficient in representing high-dimensional data arising from the explicit representation of the chemical master equation solution. An additional advantage of representing the probability mass function in the tensor-train format is that parametric dependency can be easily incorporated by introducing a tensor product basis expansion in the parameter space. Time is treated as an additional dimension of the tensor and a linear system is derived to solve the chemical master equation in time. We exemplify the tensor-train method by performing inference tasks such as smoothing and parameter inference using the tensor-train framework. A very high compression ratio is observed for storing the probability mass function of the solution. Since all linear algebra operations are performed in the tensor-train format, a significant reduction in the computational time is observed as well.
| Typ des Eintrags: | Artikel |
|---|---|
| Erschienen: | 2024 |
| Autor(en): | Ion, Ion Gabriel ; Wildner, Christian ; Loukrezis, Dimitrios ; Koeppl, Heinz ; De Gersem, Herbert |
| Art des Eintrags: | Zweitveröffentlichung |
| Titel: | Tensor-train approximation of the chemical master equation and its application for parameter inference |
| Sprache: | Englisch |
| Publikationsjahr: | 30 April 2024 |
| Ort: | Darmstadt |
| Publikationsdatum der Erstveröffentlichung: | 2021 |
| Ort der Erstveröffentlichung: | Melville, NY |
| Verlag: | AIP Publishing |
| Titel der Zeitschrift, Zeitung oder Schriftenreihe: | The Journal of Chemical Physics |
| Jahrgang/Volume einer Zeitschrift: | 155 |
| (Heft-)Nummer: | 3 |
| Kollation: | 17 Seiten |
| DOI: | 10.26083/tuprints-00026628 |
| URL / URN: | https://tuprints.ulb.tu-darmstadt.de/26628 |
| Zugehörige Links: | |
| Herkunft: | Zweitveröffentlichungsservice |
| Kurzbeschreibung (Abstract): | In this work, we perform Bayesian inference tasks for the chemical master equation in the tensor-train format. The tensor-train approximation has been proven to be very efficient in representing high-dimensional data arising from the explicit representation of the chemical master equation solution. An additional advantage of representing the probability mass function in the tensor-train format is that parametric dependency can be easily incorporated by introducing a tensor product basis expansion in the parameter space. Time is treated as an additional dimension of the tensor and a linear system is derived to solve the chemical master equation in time. We exemplify the tensor-train method by performing inference tasks such as smoothing and parameter inference using the tensor-train framework. A very high compression ratio is observed for storing the probability mass function of the solution. Since all linear algebra operations are performed in the tensor-train format, a significant reduction in the computational time is observed as well. |
| Freie Schlagworte: | Bayesian inference, Numerical linear algebra, Algebraic operation, Probability theory, Chemical reaction dynamics, Tensor network theory, Stochastic processes |
| ID-Nummer: | Artikel-ID: 034102 |
| Status: | Verlagsversion |
| URN: | urn:nbn:de:tuda-tuprints-266282 |
| Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik 500 Naturwissenschaften und Mathematik > 530 Physik 500 Naturwissenschaften und Mathematik > 540 Chemie |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik > Bioinspirierte Kommunikationssysteme 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Teilchenbeschleunigung und Theorie Elektromagnetische Felder > Computational Electromagnetics 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Self-Organizing Systems Lab 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Teilchenbeschleunigung und Theorie Elektromagnetische Felder > Theorie Elektromagnetischer Felder 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Teilchenbeschleunigung und Theorie Elektromagnetische Felder Interdisziplinäre Forschungsprojekte Interdisziplinäre Forschungsprojekte > Centre for Synthetic Biology |
| Hinterlegungsdatum: | 30 Apr 2024 09:06 |
| Letzte Änderung: | 13 Mai 2024 11:23 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
Verfügbare Versionen dieses Eintrags
- Tensor-train approximation of the chemical master equation and its application for parameter inference. (deposited 30 Apr 2024 09:06) [Gegenwärtig angezeigt]
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum