論文の概要: Bayesian model calibration for block copolymer self-assembly:
Likelihood-free inference and expected information gain computation via
measure transport
- arxiv url: http://arxiv.org/abs/2206.11343v1
- Date: Wed, 22 Jun 2022 19:38:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-25 02:24:03.165117
- Title: Bayesian model calibration for block copolymer self-assembly:
Likelihood-free inference and expected information gain computation via
measure transport
- Title（参考訳）: ブロック共重合体自己集合のためのベイズモデルキャリブレーション:測度輸送による自由推測と期待情報獲得計算
- Authors: Ricardo Baptista, Lianghao Cao, Joshua Chen, Omar Ghattas, Fengyi Li,
Youssef M. Marzouk, J. Tinsley Oden
- Abstract要約: ブロック共重合体(BCP)の自己組織化現象を記述するモデルの校正について考察する。
測度輸送に基づく確率自由なアプローチを用いて、この挑戦的なベイズ推定問題に取り組む。
ダイブロック共重合体薄膜自己組織化のための大田-川崎モデルに基づく数値ケーススタディを提案する。
- 参考スコア（独自算出の注目度）: 6.496038875667294
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the Bayesian calibration of models describing the phenomenon of
block copolymer (BCP) self-assembly using image data produced by microscopy or
X-ray scattering techniques. To account for the random long-range disorder in
BCP equilibrium structures, we introduce auxiliary variables to represent this
aleatory uncertainty. These variables, however, result in an integrated
likelihood for high-dimensional image data that is generally intractable to
evaluate. We tackle this challenging Bayesian inference problem using a
likelihood-free approach based on measure transport together with the
construction of summary statistics for the image data. We also show that
expected information gains (EIGs) from the observed data about the model
parameters can be computed with no significant additional cost. Lastly, we
present a numerical case study based on the Ohta--Kawasaki model for diblock
copolymer thin film self-assembly and top-down microscopy characterization. For
calibration, we introduce several domain-specific energy- and Fourier-based
summary statistics, and quantify their informativeness using EIG. We
demonstrate the power of the proposed approach to study the effect of data
corruptions and experimental designs on the calibration results.
- Abstract（参考訳）: 顕微鏡やX線散乱による画像データを用いて,ブロック共重合体(BCP)の自己組織化現象を記述するモデルのベイズ校正について検討する。
bcp平衡構造におけるランダムな長距離障害を考慮し、この不確かさを表現するために補助変数を導入する。
しかし、これらの変数は一般に評価が難しい高次元画像データに対して統合的な可能性をもたらす。
画像データに対する要約統計の作成とともに,測度輸送に基づく確率自由なアプローチを用いて,この挑戦的なベイズ推定問題に取り組む。
また,モデルパラメータに関する観測データからの期待情報ゲイン(eig)を,大幅な追加コストを伴わずに計算できることを示した。
最後に, ダイブロック共重合体薄膜の自己組織化とトップダウン顕微鏡によるキャラクタリゼーションのための大田-川崎モデルに基づく数値ケーススタディを提案する。
キャリブレーションには、いくつかの領域固有のエネルギーとフーリエに基づく要約統計を導入し、その情報性をEIGを用いて定量化する。
本研究では,データ破損と実験設計が校正結果に及ぼす影響を検討するため,提案手法の有効性を示す。
関連論文リスト
- Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳（メタデータ） (2024-02-26T05:51:47Z) - Stochastic stiffness identification and response estimation of
Timoshenko beams via physics-informed Gaussian processes [0.0]
本稿では,ティモシェンコビーム素子に対する物理インフォームドガウス過程(GP)モデルを提案する。
提案手法は, 構造パラメータの同定に有効であり, 異種・多要素センサからのデータを融合することができる。
論文 参考訳（メタデータ） (2023-09-21T08:22:12Z) - Amortized Bayesian Inference of GISAXS Data with Normalizing Flows [0.10752246796855561]
本稿では,変分オートエンコーダと正規化フローを組み合わせたシミュレーションに基づくフレームワークを提案し,パラメータの後方分布を推定する。
提案手法は,ABCと一貫した結果を生み出しながら,推定コストを桁違いに削減することを示した。
論文 参考訳（メタデータ） (2022-10-04T12:09:57Z) - Quantile-constrained Wasserstein projections for robust interpretability
of numerical and machine learning models [18.771531343438227]
ブラックボックスモデルの研究は、しばしば入力に課される確率構造を含む感度分析に基づいている。
我々の研究は、両方のパラダイムに関連性があり使いやすいツールを提供することで、UQとMLの解釈可能性アプローチを統合することを目的としています。
論文 参考訳（メタデータ） (2022-09-23T11:58:03Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。
本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。
本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文 参考訳（メタデータ） (2022-02-07T21:37:29Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Pseudo-Spherical Contrastive Divergence [119.28384561517292]
エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。
PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
論文 参考訳（メタデータ） (2021-11-01T09:17:15Z) - Identifiable Energy-based Representations: An Application to Estimating
Heterogeneous Causal Effects [83.66276516095665]
条件付き平均治療効果(CATEs)は、多数の個体にまたがる不均一性について理解することができる。
典型的なCATE学習者は、CATEが識別可能であるために、すべての共起変数が測定されていると仮定する。
本稿では,ノイズコントラッシブ損失関数を用いて,変数の低次元表現を学習するエネルギーベースモデルを提案する。
論文 参考訳（メタデータ） (2021-08-06T10:39:49Z) - Scalable Statistical Inference of Photometric Redshift via Data
Subsampling [0.3222802562733786]
ビッグデータの処理は、従来の統計モデルでは大きなボトルネックとなっている。
統計モデルのアンサンブルからの不確実性を結合したデータ駆動統計モデリングフレームワークを開発する。
この手法を宇宙論における光度赤方位推定問題で実証する。
論文 参考訳（メタデータ） (2021-03-30T02:49:50Z) - Statistical aspects of nuclear mass models [0.0]
核結合エネルギーのグローバルモデルの観点から核質量の情報量について検討する。
ベイジアン・キャリブレーション,ベイジアン・モデル平均化,チ二乗相関解析,主成分分析,経験的カバレッジ確率など,多くの統計手法と診断ツールを採用している。
論文 参考訳（メタデータ） (2020-02-11T00:47:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。