論文の概要: Guided Trajectory Generation with Diffusion Models for Offline Model-based Optimization

• arxiv url: http://arxiv.org/abs/2407.01624v1
• Date: Sat, 29 Jun 2024 06:12:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 20:02:00.731859
• Title: Guided Trajectory Generation with Diffusion Models for Offline Model-based Optimization
• Title（参考訳）: オフラインモデルに基づく最適化のための拡散モデルを用いた誘導軌道生成
• Authors: Taeyoung Yun, Sujin Yun, Jaewoo Lee, Jinkyoo Park,
• Abstract要約: 高速領域への軌道生成のための条件付き生成モデリング手法を提案する。 実験の結果,本手法はデザインベンチの競争基準よりも優れていた。
• 参考スコア（独自算出の注目度）: 19.228156994045587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimizing complex and high-dimensional black-box functions is ubiquitous in science and engineering fields. Unfortunately, the online evaluation of these functions is restricted due to time and safety constraints in most cases. In offline model-based optimization (MBO), we aim to find a design that maximizes the target function using only a pre-existing offline dataset. While prior methods consider forward or inverse approaches to address the problem, these approaches are limited by conservatism and the difficulty of learning highly multi-modal mappings. Recently, there has been an emerging paradigm of learning to improve solutions with synthetic trajectories constructed from the offline dataset. In this paper, we introduce a novel conditional generative modeling approach to produce trajectories toward high-scoring regions. First, we construct synthetic trajectories toward high-scoring regions using the dataset while injecting locality bias for consistent improvement directions. Then, we train a conditional diffusion model to generate trajectories conditioned on their scores. Lastly, we sample multiple trajectories from the trained model with guidance to explore high-scoring regions beyond the dataset and select high-fidelity designs among generated trajectories with the proxy function. Extensive experiment results demonstrate that our method outperforms competitive baselines on Design-Bench and its practical variants. The code is publicly available in \texttt{https://github.com/dbsxodud-11/GTG}.
• Abstract（参考訳）: 複雑で高次元のブラックボックス関数の最適化は、科学や工学の分野では至るところで行われている。 残念ながら、これらの機能のオンライン評価は、ほとんどの場合、時間と安全性の制約により制限されている。 オフラインモデルベース最適化(MBO)では,既存のオフラインデータセットのみを用いてターゲット関数を最大化する設計を提案する。 従来の手法では、この問題に対処するための前方あるいは逆のアプローチが検討されていたが、これらのアプローチは保守主義と高度マルチモーダルマッピングの学習の難しさによって制限されている。 最近、オフラインデータセットから構築された合成軌跡によるソリューション改善のための学習パラダイムが生まれている。 本稿では,高速領域への軌道生成のための条件付き生成モデルを提案する。 まず,一貫した改善方向の局所性バイアスを注入しながら,データセットを用いて高階領域への合成軌道を構築する。 そして,条件拡散モデルを訓練し,それらのスコアに条件付き軌跡を生成する。 最後に、トレーニングされたモデルから複数のトラジェクトリをサンプリングし、データセットを超えて高次の領域を探索し、プロキシ関数で生成されたトラジェクトリの中から高忠実度設計を選択する。 大規模な実験結果から,本手法はデザイン・ベンチとその実用的バリエーションの競争ベースラインよりも優れていることが示された。 コードは texttt{https://github.com/dbsxodud-11/GTG} で公開されている。

関連論文リスト

• Derivative-Free Guidance in Continuous and Discrete Diffusion Models with Soft Value-Based Decoding [84.3224556294803]
  拡散モデルは、画像、分子、DNA、RNA、タンパク質配列の自然なデザイン空間を捉えるのに優れている。 これらの設計空間の自然性を保ちながら、下流の報酬関数を最適化することを目指している。 提案アルゴリズムは,中間雑音状態が将来高い報酬をもたらすことの先駆けとして,ソフトバリュー関数を統合する。
  論文  参考訳（メタデータ） (2024-08-15T16:47:59Z)
• Bridging Model-Based Optimization and Generative Modeling via Conservative Fine-Tuning of Diffusion Models [54.132297393662654]
  本稿では,RLによる報酬モデルの最適化により,最先端拡散モデルを微調整するハイブリッド手法を提案する。 我々は、報酬モデルの補間能力を活用し、オフラインデータにおいて最良の設計を上回るアプローチの能力を実証する。
  論文  参考訳（メタデータ） (2024-05-30T03:57:29Z)
• Functional Graphical Models: Structure Enables Offline Data-Driven Optimization [111.28605744661638]
  構造がサンプル効率のよいデータ駆動最適化を実現する方法を示す。 また、FGM構造自体を推定するデータ駆動最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-08T22:33:14Z)
• ROMO: Retrieval-enhanced Offline Model-based Optimization [14.277672372460785]
  データ駆動型ブラックボックスモデルベース最適化(MBO)の問題は、多くの実用的なアプリケーションシナリオで発生します。 検索強化オフラインモデルベース最適化(ROMO)を提案する。 ROMOは実装が簡単で、CoMBO設定における最先端のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2023-10-11T15:04:33Z)
• Aligning Optimization Trajectories with Diffusion Models for Constrained Design Generation [17.164961143132473]
  本稿では,拡散モデルのサンプリング軌跡と従来の物理法に基づく最適化軌跡との整合性を示す学習フレームワークを提案する。 提案手法では,高コストプリプロセッシングや外部サロゲートモデル,ラベル付きデータの追加を必要とせずに,実用的で高性能な設計を2段階で生成することができる。 この結果から, TAは分布内構成における最先端の深層生成モデルより優れ, 推論計算コストを半減することがわかった。
  論文  参考訳（メタデータ） (2023-05-29T09:16:07Z)
• Robust Model-Based Optimization for Challenging Fitness Landscapes [96.63655543085258]
  タンパク質の設計には、フィットネスのランドスケープの最適化が含まれる。 指導法は, トレーニングセットにおける高適合度サンプルの多彩さに課題を呈する。 デザイン空間における「分離」というこの問題は、既存のモデルベース最適化ツールにおいて重大なボトルネックとなっていることを示す。 本稿では,新しいVAEを検索モデルとして利用して問題を克服する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T03:47:32Z)
• Conservative Objective Models for Effective Offline Model-Based Optimization [78.19085445065845]
  計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。 本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。 COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
  論文  参考訳（メタデータ） (2021-07-14T17:55:28Z)
• An end-to-end data-driven optimisation framework for constrained trajectories [4.73357470713202]
  データ駆動アプローチを活用して、最適化問題のための新しいエンドツーエンドフレームワークを設計します。 我々は、航空と航路の2つの設定にアプローチを適用し、指令結果を得る。
  論文  参考訳（メタデータ） (2020-11-24T00:54:17Z)
• Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
  歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。 本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。 実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
  論文  参考訳（メタデータ） (2020-09-21T13:57:10Z)

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。