論文の概要: Gradient-flow SDEs have unique transient population dynamics

• arxiv url: http://arxiv.org/abs/2505.21770v2
• Date: Sat, 04 Oct 2025 21:10:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:58.430352
• Title: Gradient-flow SDEs have unique transient population dynamics
• Title（参考訳）: 勾配流SDEは一意な過渡的人口動態を持つ
• Authors: Vincent Guan, Joseph Janssen, Nicolas Lanzetti, Antonio Terpin, Geoffrey Schiebinger, Elina Robeva,
• Abstract要約: 勾配流流とブラウン微分率の同定可能性について完全な評価を行う。 勾配流SDEのドリフトと拡散を同時に学習できる最初のシュリンガーブリッジを用いた推論手法であるnn-APPEXを提案する。
• 参考スコア（独自算出の注目度）: 4.2153180773111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying the drift and diffusion of an SDE from its population dynamics is a notoriously challenging task. Researchers in machine learning and single cell biology have only been able to prove a partial identifiability result: for potential-driven SDEs, the gradient-flow drift can be identified from temporal marginals if the Brownian diffusivity is already known. Existing methods therefore assume that the diffusivity is known a priori, despite it being unknown in practice. We dispel the need for this assumption by providing a complete characterization of identifiability: the gradient-flow drift and Brownian diffusivity are jointly identifiable from temporal marginals if and only if the process is observed outside of equilibrium. Given this fundamental result, we propose nn-APPEX, the first Schr\"odinger Bridge-based inference method that can simultaneously learn the drift and diffusion of gradient-flow SDEs solely from observed marginals. Extensive numerical experiments show that nn-APPEX's ability to adjust its diffusion estimate enables accurate inference, while previous Schr\"odinger Bridge methods obtain biased drift estimates due to their assumed, and likely incorrect, diffusion.
• Abstract（参考訳）: 人口動態からSDEの漂流と拡散を特定することは、非常に難しい課題である。 機械学習と単細胞生物学の研究者は、部分的な識別可能性の結果を証明できただけである:電位駆動型SDEでは、ブラウン微分が既に知られている場合、勾配流のドリフトを時間境界から特定することができる。 したがって、既存の方法では、拡散性は、実際は未知であるにもかかわらず、先行性として知られていると仮定している。 勾配流のドリフトとブラウン微分率は、その過程が平衡の外側で観測されている場合に限り、時間境界から共同で同定可能である。 この基本的結果から,観測限界からのみ勾配流SDEのドリフトと拡散を同時に学習できる最初のSchr\"odinger Bridgeベースの推論手法であるnn-APPEXを提案する。 大規模な数値実験により、n-APPEXの拡散推定を調節する能力は正確な推測が可能であり、Shr\"odinger Bridge法は、推定された、そしておそらく不正確な拡散によってバイアスドリフト推定値を得る。

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。

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。