論文の概要: Feynman-Kac-Flow: Inference Steering of Conditional Flow Matching to an Energy-Tilted Posterior

• arxiv url: http://arxiv.org/abs/2509.01543v1
• Date: Mon, 01 Sep 2025 15:18:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.745484
• Title: Feynman-Kac-Flow: Inference Steering of Conditional Flow Matching to an Energy-Tilted Posterior
• Title（参考訳）: Feynman-Kac-Flow:エネルギー駆動後部への条件流マッチングの推論ステアリング
• Authors: Konstantin Mark, Leonard Galustian, Maximilian P. -P. Kovar, Esther Heid,
• Abstract要約: 条件付きフローマッチングは、生成モデリングに対する高速で高品質なアプローチである。 本研究では、この要件をエネルギーポテンシャルで出力を傾けるものとして定式化する。 私たちは初めて、CFMのFeynman-Kacステアリングを導きました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conditional Flow Matching(CFM) represents a fast and high-quality approach to generative modelling, but in many applications it is of interest to steer the generated samples towards precise requirements. While steering approaches like gradient-based guidance, sequential Monte Carlo steering or Feynman-Kac steering are well established for diffusion models, they have not been extended to flow matching approaches yet. In this work, we formulate this requirement as tilting the output with an energy potential. We derive, for the first time, Feynman-Kac steering for CFM. We evaluate our approach on a set of synthetic tasks, including the generation of tilted distributions in a high-dimensional space, which is a particularly challenging case for steering approaches. We then demonstrate the impact of Feynman-Kac steered CFM on the previously unsolved challenge of generated transition states of chemical reactions with the correct chirality, where the reactants or products can have a different handedness, leading to geometric constraints of the viable reaction pathways connecting reactants and products. Code to reproduce this study is avaiable open-source at https://github.com/heid-lab/fkflow.
• Abstract（参考訳）: 条件付きフローマッチング(CFM)は、生成モデリングに対する高速で高品質なアプローチを示すが、多くのアプリケーションでは、生成したサンプルを正確な要求に向けて操ることに興味がある。 勾配に基づく誘導やシーケンシャルなモンテカルロステアリング、ファインマン・カックステアリングといったステアリングアプローチは拡散モデルに対して十分に確立されているが、フローマッチングアプローチにはまだ拡張されていない。 本研究では、この要件をエネルギーポテンシャルで出力を傾けるものとして定式化する。 私たちは初めて、CFMのFeynman-Kacステアリングを導きました。 我々は,高次元空間における傾斜分布の生成を含む,一連の合成課題に対する我々のアプローチを評価する。 次に, 反応物や生成物が異なるハンドネスを持ち, 反応物と生成物を結合する反応経路の幾何的制約が生じるという, 化学反応の生成状態と正しいキラリティとの未解決問題に対するFeynman-Kac ステアリング CFM の影響を実証した。 この研究を再現するコードはhttps://github.com/heid-lab/fkflow.comで公開されている。

関連論文リスト

• RETRO SYNFLOW: Discrete Flow Matching for Accurate and Diverse Single-Step Retrosynthesis [23.422202032748924]
  単段階逆合成計画をモデル化し、離散フローマッチングフレームワークRETRO SynFLOW(RSF)を導入する。 我々は、シークエンシャルモンテカルロをベースとしたFeynman-Kacステアリングを用いて、推論時に有望な世代をステアリングする。
  論文  参考訳（メタデータ） (2025-06-04T20:46:05Z)
• Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts [64.34482582690927]
  事前学習したスコアベースモデルから得られた熱処理, 幾何平均, 製品分布の配列から, 効率的かつ原理的に抽出する方法を提供する。 本稿では,サンプリング品質を向上させるために,推論時間スケーリングを利用する逐次モンテカルロ(SMC)再サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-04T17:46:51Z)
• Hessian-Informed Flow Matching [4.542719108171107]
  Hessian-Informed Flow Matchingは、エネルギー関数のHessianを条件流に統合する新しいアプローチである。 この積分により、HI-FMは局所曲率と異方性共分散構造を考慮できる。 MNIST と Lennard-Jones 粒子のデータセットに関する実証的な評価は、HI-FM が試験サンプルの可能性を改善していることを示している。
  論文  参考訳（メタデータ） (2024-10-15T09:34:52Z)
• Iterated Energy-based Flow Matching for Sampling from Boltzmann Densities [11.850515912491657]
  非正規化密度から連続正規化フロー(CNF)モデルをトレーニングするための反復エネルギーベースフローマッチング(iEFM)を提案する。 以上の結果から,iEFMは既存の手法よりも優れており,効率的でスケーラブルな確率的モデリングの可能性を示している。
  論文  参考訳（メタデータ） (2024-08-29T04:06:34Z)
• Optimal Flow Matching: Learning Straight Trajectories in Just One Step [89.37027530300617]
  我々は,新しいtextbf Optimal Flow Matching (OFM) アプローチを開発し,理論的に正当化する。 これは2次輸送のための直列のOT変位をFMの1ステップで回復することを可能にする。 提案手法の主な考え方は,凸関数によってパラメータ化されるFMのベクトル場の利用である。
  論文  参考訳（メタデータ） (2024-03-19T19:44:54Z)
• Determinant- and Derivative-Free Quantum Monte Carlo Within the Stochastic Representation of Wavefunctions [0.0]
  連続的な実空間量子多体系の基底状態を記述することは、重要な計算課題である。 近年の進歩は機械学習(ML)アンサテイズに基づく変分法によってなされている。 我々は、SRWと経路積分技術を組み合わせることで、3つの問題を同時に克服する新しい定式化がもたらされると主張している。
  論文  参考訳（メタデータ） (2024-02-09T17:51:32Z)
• Improving and generalizing flow-based generative models with minibatch optimal transport [90.01613198337833]
  連続正規化フロー(CNF)のための一般条件流整合(CFM)技術を導入する。 CFMは、拡散モデルのフローをトレーニングするために使用されるような安定した回帰目標を特徴としているが、決定論的フローモデルの効率的な推論を好んでいる。 我々の目的の変種は最適輸送CFM (OT-CFM) であり、訓練がより安定し、より高速な推論をもたらすより単純なフローを生成する。
  論文  参考訳（メタデータ） (2023-02-01T14:47:17Z)
• Fourier-Flow model generating Feynman paths [21.67472055005712]
  ファインマン経路積分は古典的な作用原理を確率論的観点に一般化する。 根底にある困難は、有限標本から経路多様体全体に取り組むことである。 機械学習における現代の生成モデルは、学習と確率分布の表現を処理できる。
  論文  参考訳（メタデータ） (2022-11-07T11:31:40Z)

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。