論文の概要: Learning non-equilibrium diffusions with Schrödinger bridges: from exactly solvable to simulation-free
- arxiv url: http://arxiv.org/abs/2505.16644v1
- Date: Thu, 22 May 2025 13:17:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:48.310308
- Title: Learning non-equilibrium diffusions with Schrödinger bridges: from exactly solvable to simulation-free
- Title（参考訳）: シュレーディンガー橋による非平衡拡散の学習--正確に解けるものからシミュレーションのないものへ
- Authors: Stephen Y. Zhang, Michael P H Stumpf,
- Abstract要約: 力学系の初期構成と最終構成のアンサンブルの測定から、シュル・オーディンガー橋の問題を考える。
そこで我々は,Schr"odinger Bridge を学習するためのフローとスコアマッチングに基づくシミュレーションフリーアルゴリズム mvOU-OTFM を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the Schr\"odinger bridge problem which, given ensemble measurements of the initial and final configurations of a stochastic dynamical system and some prior knowledge on the dynamics, aims to reconstruct the "most likely" evolution of the system compatible with the data. Most existing literature assume Brownian reference dynamics and are implicitly limited to potential-driven dynamics. We depart from this regime and consider reference processes described by a multivariate Ornstein-Uhlenbeck process with generic drift matrix $\mathbf{A} \in \mathbb{R}^{d \times d}$. When $\mathbf{A}$ is asymmetric, this corresponds to a non-equilibrium system with non-conservative forces at play: this is important for applications to biological systems, which are naturally exist out-of-equilibrium. In the case of Gaussian marginals, we derive explicit expressions that characterise the solution of both the static and dynamic Schr\"odinger bridge. For general marginals, we propose mvOU-OTFM, a simulation-free algorithm based on flow and score matching for learning the Schr\"odinger bridge. In application to a range of problems based on synthetic and real single cell data, we demonstrate that mvOU-OTFM achieves higher accuracy compared to competing methods, whilst being significantly faster to train.
- Abstract（参考訳）: 我々は、確率力学系の初期および最終構成のアンサンブルの測定と力学に関するいくつかの事前知識が与えられたシュリンガー橋問題を考える。
既存の文献の多くはブラウンの参照力学を仮定しており、潜在的駆動力学に暗黙的に制限されている。
我々はこの状態から離れ、一般的なドリフト行列 $\mathbf{A} \in \mathbb{R}^{d \times d}$ を持つ多変量Ornstein-Uhlenbeck過程によって記述される参照過程を考える。
$\mathbf{A}$ が非対称であるとき、これは非保存力を持つ非平衡系に対応する。
ガウス境界の場合、静的および動的シュリンガーブリッジの解を特徴づける明示的な表現を導出する。
本稿では,フローとスコアマッチングに基づくシミュレーションフリーのアルゴリズムであるmvOU-OTFMを提案する。
合成および実シングルセルデータに基づく様々な問題に応用し、mvOU-OTFMが競合する手法に比べて精度が高く、訓練がかなり高速であることを示す。
関連論文リスト
- Quantum simulation of a noisy classical nonlinear dynamics [2.6874004806796528]
Ngg 1$自由度を持つ古典的非線形散逸系の力学をシミュレーションする問題を考える。
量子コンピュータで問題を抽出できるようにするため、運動方程式と初期状態に弱いガウス雑音を付加する。
任意の一定の非ゼロノイズレートに対して、実行時量子スケールは$log(N)$、進化時間、逆誤差耐性、非線形性と散逸の相対強度にスケールする。
論文 参考訳（メタデータ） (2025-07-08T17:25:40Z) - Lindbladian reverse engineering for general non-equilibrium steady states: A scalable null-space approach [49.1574468325115]
NESS を対象とするリンドバルディアン・マスター方程式を再構成する手法を提案する。
相関行列の核(ヌル空間)はリンドブラディアン解に対応する。
ボソニックガウスから散逸駆動の集合スピンまで、様々なシステムでこの方法を説明する。
論文 参考訳（メタデータ） (2024-08-09T19:00:18Z) - Schrödinger Bridge with Quadratic State Cost is Exactly Solvable [3.820235868126608]
そこで本稿では,2次状態のコスト・ツー・ゴーを用いたSchr"odinger Bridgeの正規化された変種を提案する。
従来のシュル・オーディンガー橋とは異なり、正規化は状態依存的な確率質量の殺害と生成の速度を誘導する。
我々はこのマルコフ核を閉じた形で導き出し、正規化されたシュル「オーディンガー橋は、非ガウスの終点に対しても、正確に解けるとブラックショーイングする。
論文 参考訳（メタデータ） (2024-06-01T17:22:00Z) - On the Contraction Coefficient of the Schr\"odinger Bridge for
Stochastic Linear Systems [15.022863946000495]
シュリンガー橋の問題を数値的に解く一般的な方法は、契約的不動点再帰(英語版)である。
それぞれのシュリンガー系の収束に伴う収縮係数の事前推定について検討する。
論文 参考訳（メタデータ） (2023-09-12T22:24:05Z) - Simulation-free Schr\"odinger bridges via score and flow matching [89.4231207928885]
シミュレーションフリースコアとフローマッチング([SF]$2$M)を提案する。
本手法は,拡散モデルのトレーニングに使用するスコアマッチング損失と,連続流のトレーニングに使用されるフローマッチング損失の両方を一般化する。
特に、[SF]$2$Mは、高次元の細胞動態を正確にモデル化し、既知の遺伝子制御ネットワークをシミュレートする最初の方法である。
論文 参考訳（メタデータ） (2023-07-07T15:42:35Z) - Machine learning of hidden variables in multiscale fluid simulation [77.34726150561087]
流体力学方程式を解くには、しばしばミクロ物理学の欠如を考慮に入れた閉包関係を用いる必要がある。
本研究では, 終端微分可能な偏微分方程式シミュレータを用いて, 偏微分ニューラルネットワークを訓練する。
本手法により, 非線形, 大型クヌーズン数プラズマ物理を再現する方程式に基づく手法が可能であることを示す。
論文 参考訳（メタデータ） (2023-06-19T06:02:53Z) - Vectorization of the density matrix and quantum simulation of the von
Neumann equation of time-dependent Hamiltonians [65.268245109828]
我々は、von-Neumann方程式を線形化するための一般的なフレームワークを開発し、量子シミュレーションに適した形でレンダリングする。
フォン・ノイマン方程式のこれらの線型化のうちの1つは、状態ベクトルが密度行列の列重ね元となる標準的な場合に対応することを示す。
密度行列の力学をシミュレートする量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-06-14T23:08:51Z) - The Schr\"odinger Bridge between Gaussian Measures has a Closed Form [101.79851806388699]
我々は OT の動的定式化(Schr"odinger bridge (SB) 問題)に焦点を当てる。
本稿では,ガウス測度間のSBに対する閉形式表現について述べる。
論文 参考訳（メタデータ） (2022-02-11T15:59:01Z) - 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) - Uncertainty quantification in a mechanical submodel driven by a
Wasserstein-GAN [0.0]
本稿では,機械学習やデータ駆動手法における非線形手法の利用が重要であることを示す。
このような応用にはGAN(Generative Adversarial Networks)が適しており、Wasserstein-GANには勾配ペナルティのバリエーションがある。
論文 参考訳（メタデータ） (2021-10-26T13:18:06Z)
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。