Fugu-MT 論文翻訳(概要): Langevin SDEs have unique transient dynamics

論文の概要: Langevin SDEs have unique transient dynamics

arxiv url: http://arxiv.org/abs/2505.21770v1
Date: Tue, 27 May 2025 21:06:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-29 17:35:50.29514
Title: Langevin SDEs have unique transient dynamics
Title（参考訳）: ランゲヴィン SDE は一意な過渡ダイナミクスを持つ
Authors: Vincent Guan, Joseph Janssen, Nicolas Lanzetti, Antonio Terpin, Geoffrey Schiebinger, Elina Robeva,
Abstract要約: 我々は、ランゲヴィン SDE のドリフトと拡散項が時間的辺分布から合同に同定可能であることを証明した。この構造的識別可能性の完全な特徴づけは、拡散が漂流を識別するために知られている必要があるという長年の仮定を排除している。
参考スコア（独自算出の注目度）: 3.5558885788605337
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The overdamped Langevin stochastic differential equation (SDE) is a classical physical model used for chemical, genetic, and hydrological dynamics. In this work, we prove that the drift and diffusion terms of a Langevin SDE are jointly identifiable from temporal marginal distributions if and only if the process is observed out of equilibrium. This complete characterization of structural identifiability removes the long-standing assumption that the diffusion must be known to identify the drift. We then complement our theory with experiments in the finite sample setting and study the practical identifiability of the drift and diffusion, in order to propose heuristics for optimal data collection.
Abstract（参考訳）: ランゲヴィン確率微分方程式(Langevin stochastic differential equation, SDE)は、化学・遺伝・流体力学で用いられる古典的な物理モデルである。本研究では、ランゲヴィン SDE のドリフトと拡散項が、その過程が平衡から観測されている場合に限り、時間的境界分布から共同で識別可能であることを証明する。この構造的識別可能性の完全な特徴づけは、拡散が漂流を識別するために知られている必要があるという長年の仮定を排除している。次に, 有限標本設定実験を補完し, ドリフトと拡散の実用的同定可能性について検討し, 最適データ収集のためのヒューリスティックスを提案する。

関連論文リスト

Mean-Field Langevin Diffusions with Density-dependent Temperature [1.2277343096128712]
非線型ランベルト原理による誘導密度を最小化するために検討する。ランゲヴィン力学は現在、自身の密度で自己制御されているため、平均場微分方程式を形成する。
論文参考訳（メタデータ） (2025-07-28T16:09:57Z)
Evaluating PDE discovery methods for multiscale modeling of biological signals [0.0]
生体系は非線型であり、観測されていない変数や、それらの力学を支配する物理原理は部分的には未知である。スケール間のギャップを埋めることの課題に対処するために、偏微分方程式(PDE)の発見を利用する。 PDE発見は、マイクロスケールデータからメソスケールのダイナミックス特性を示唆している。
論文参考訳（メタデータ） (2025-06-25T08:43:37Z)
Generative Latent Neural PDE Solver using Flow Matching [8.397730500554047]
低次元の潜伏空間にPDE状態を埋め込んだPDEシミュレーションのための潜伏拡散モデルを提案する。我々のフレームワークは、オートエンコーダを使用して、異なるタイプのメッシュを統一された構造化潜在グリッドにマッピングし、複雑なジオメトリをキャプチャします。数値実験により,提案モデルは,精度と長期安定性の両方において,決定論的ベースラインよりも優れていた。
論文参考訳（メタデータ） (2025-03-28T16:44:28Z)
Identifying Drift, Diffusion, and Causal Structure from Temporal Snapshots [10.018568337210876]
APPEXは、時間境界のみから付加雑音SDEのドリフト、拡散、因果グラフを推定するために設計された反復アルゴリズムである。 APPEXはKulback-Leiblerの真の解への分岐を反復的に減少させ,線形付加雑音SDEのシミュレーションデータに対する効果を示す。
論文参考訳（メタデータ） (2024-10-30T06:28:21Z)
Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文参考訳（メタデータ） (2024-03-03T23:15:48Z)
Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach [49.97755400231656]
本研究では,新しいDDPMサンプリング器が,これまで考慮されていなかった3種類の分散クラスに対して高速化性能を実現することを示す。この結果から, DDPM型加速サンプリング器におけるデータ次元$d$への依存性が改善された。
論文参考訳（メタデータ） (2024-02-21T16:11:47Z)
Fisher information dissipation for time inhomogeneous stochastic differential equations [7.076726009680242]
時間不均一な変数微分方程式に対するリアプノフ収束解析を提供する。 3つの典型的な例は、過度に破壊された、不可逆的なドリフト、および過度に破壊されたランゲヴィン力学である。
論文参考訳（メタデータ） (2024-02-01T21:49:50Z)
Generator Identification for Linear SDEs with Additive and Multiplicative Noise [48.437815378088466]
同定可能性条件は線形SDEを用いた因果推論において重要である。付加雑音を伴う線形SDEの生成元を特定するのに十分かつ必要な条件を導出する。導出された識別可能性条件を幾何学的に解釈して理解を深める。
論文参考訳（メタデータ） (2023-10-30T12:28:53Z)
Causal Modeling with Stationary Diffusions [89.94899196106223]
定常密度が干渉下でのシステムの挙動をモデル化する微分方程式を学習する。古典的アプローチよりもよく、変数に対する見当たらない介入を一般化することを示します。提案手法は,再生カーネルヒルベルト空間における拡散発生器の定常状態を表す新しい理論結果に基づく。
論文参考訳（メタデータ） (2023-10-26T14:01:17Z)
Floquet systems with continuous dynamical symmetries: characterization, time-dependent Noether charge, and solvability [0.0]
連続力学対称性(CDS)を持つ量子フロケット系について検討する。離散的なものとは違って、CDSはハミルトニアンの$H(t)$を強く制約し、フロケ状態をすべて得ることができる。この結果はフロケ状態の体系的な解法を提供し、準エネルギー図のハイブリダイゼーションを避ける方法を説明する。
論文参考訳（メタデータ） (2023-08-04T05:42:42Z)
Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文参考訳（メタデータ） (2022-03-11T10:47:16Z)
Stochastic Normalizing Flows [52.92110730286403]
微分方程式(SDE)を用いた最大推定と変分推論のための正規化フロー(VI)を導入する。粗い経路の理論を用いて、基礎となるブラウン運動は潜在変数として扱われ、近似され、神経SDEの効率的な訓練を可能にする。これらのSDEは、与えられたデータセットの基盤となる分布からサンプリングする効率的なチェーンを構築するために使用することができる。
論文参考訳（メタデータ） (2020-02-21T20:47:55Z)

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。