論文の概要: Prototype-enhanced prediction in graph neural networks for climate applications
- arxiv url: http://arxiv.org/abs/2504.17492v1
- Date: Thu, 24 Apr 2025 12:34:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.357446
- Title: Prototype-enhanced prediction in graph neural networks for climate applications
- Title(参考訳): 気候応用のためのグラフニューラルネットワークのプロトタイプによる予測
- Authors: Nawid Keshtmand, Elena Fillola, Jeffrey Nicholas Clark, Raul Santos-Rodriguez, Matthew Rigby,
- Abstract要約: データ駆動エミュレータは、物理学に基づくシミュレーションを学習し、エミュレートするためにますます使われている。
プロトタイプを用いて,これらの高次元エミュレート出力の品質を向上する構造的手法を提案する。
本研究では, 温室効果ガス排出量モニタリングの鍵となる大気分散をエミュレートする手法について, 試作機を用いて訓練したモデルとベースラインモデルを比較した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data-driven emulators are increasingly being used to learn and emulate physics-based simulations, reducing computational expense and run time. Here, we present a structured way to improve the quality of these high-dimensional emulated outputs, through the use of prototypes: an approximation of the emulator's output passed as an input, which informs the model and leads to better predictions. We demonstrate our approach to emulate atmospheric dispersion, key for greenhouse gas emissions monitoring, by comparing a baseline model to models trained using prototypes as an additional input. The prototype models achieve better performance, even with few prototypes and even if they are chosen at random, but we show that choosing the prototypes through data-driven methods (k-means) can lead to almost 10\% increased performance in some metrics.
- Abstract(参考訳): データ駆動エミュレータは、物理学に基づくシミュレーションを学習し、エミュレートし、計算コストと実行時間を削減している。
本稿では,これらの高次元エミュレート出力の品質向上のための構造的手法を試作機を用いて提案する。
本研究では, 温室効果ガス排出量モニタリングの鍵となる大気分散をエミュレートする手法について, 試作機を用いたモデルとの比較を行った。
プロトタイプモデルでは,少数のプロトタイプでもランダムに選択しても,パフォーマンスが向上するが,データ駆動方式(k-means)でプロトタイプを選択すると,一部の指標では約10倍の性能向上が期待できる。
関連論文リスト
- Graph Neural Network-Based Predictive Modeling for Robotic Plaster Printing [37.80005110808392]
本研究は、粒子ベース製造プロセスから得られる表面を予測するためのグラフニューラルネットワーク(GNN)モデリング手法を提案する。
GNNモデルはエンコーダ-プロセッサ-デコーダアーキテクチャで構成され、実験室テストのデータを用いて訓練されている。
提案モデルの性能は,未確認の真理データに対する予測誤差の観点から評価する。
論文 参考訳(メタデータ) (2025-03-31T14:15:00Z) - Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳(メタデータ) (2024-04-11T09:23:36Z) - Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。
特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
論文 参考訳(メタデータ) (2023-11-22T15:07:59Z) - Generative Pre-training for Speech with Flow Matching [81.59952572752248]
我々は,フローマッチングとマスク条件を併用した60k時間の無転写音声に対して,SpeechFlowという生成モデルを事前学習した。
実験結果から,事前学習した生成モデルをタスク固有のデータで微調整し,音声強調,分離,合成に関する既存の専門家モデルに適合または超えることを示す。
論文 参考訳(メタデータ) (2023-10-25T03:40:50Z) - Multi-GPU Approach for Training of Graph ML Models on large CFD Meshes [0.0]
メッシュベースの数値解法は多くのデザインツールチェーンにおいて重要な部分である。
機械学習に基づく代理モデルは近似解を予測するのに速いが、精度に欠けることが多い。
本稿では、グラフベース機械学習の領域から産業関連メッシュサイズまで、最先端のサロゲートモデルをスケールする。
論文 参考訳(メタデータ) (2023-07-25T15:49:25Z) - Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
予測可能なMDP抽象化(PMA)を提案する。
元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。
我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
論文 参考訳(メタデータ) (2023-02-08T07:37:51Z) - Evaluating generative models in high energy physics [7.545095780512178]
生成モデルの故障モードに対する評価指標とその感度に関する最初の体系的レビューと調査を行う。
我々はFr'echetとカーネル物理距離(FPDとKPD)の2つの新しい指標を提案し、その性能を計測する様々な実験を行った。
提案手法の有効性を検証し, 新規な注目型生成逆数粒子変換器と, 最先端のメッセージ通過型生成逆数ネットワークジェットシミュレーションモデルとの比較を行った。
論文 参考訳(メタデータ) (2022-11-18T15:36:28Z) - Fast emulation of density functional theory simulations using
approximate Gaussian processes [0.6445605125467573]
シミュレーション出力を予測する第2の統計モデルは、モデルフィッティング中の完全なシミュレーションの代わりに使用できる。
我々は,観測データを用いた密度汎関数理論(DFT)モデルパラメータのキャリブレーションにエミュレータを用いた。
これらのDFTモデルの有用性は、観測されたデータに基づいて、実験的に観測されていない核種の性質に関する予測を行うことである。
論文 参考訳(メタデータ) (2022-08-24T05:09:36Z) - TTAPS: Test-Time Adaption by Aligning Prototypes using Self-Supervision [70.05605071885914]
本研究では,単体テストサンプルに適用可能な自己教師付きトレーニングアルゴリズムSwaVの新たな改良を提案する。
ベンチマークデータセットCIFAR10-Cにおいて,本手法の有効性を示す。
論文 参考訳(メタデータ) (2022-05-18T05:43:06Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳(メタデータ) (2020-10-05T20:03:13Z) - Using Machine Learning to Emulate Agent-Based Simulations [0.0]
エージェントベースモデル(ABM)解析に用いる統計エミュレータとして,複数の機械学習手法の性能評価を行った。
エージェントベースのモデリングは、モデルに対するより堅牢な感度解析を容易にするため、エミュレーションに機械学習を用いる利点がある。
論文 参考訳(メタデータ) (2020-05-05T11:48:36Z)
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。