論文の概要: Understanding Ice Crystal Habit Diversity with Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2509.07688v1
• Date: Tue, 09 Sep 2025 12:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.31664
• Title: Understanding Ice Crystal Habit Diversity with Self-Supervised Learning
• Title（参考訳）: 自己監督学習による結晶の多様性の理解
• Authors: Joseph Ko, Hariprasath Govindarajan, Fredrik Lindsten, Vanessa Przybylo, Kara Sulia, Marcus van Lier-Walqui, Kara Lamb,
• Abstract要約: 氷を含む雲は気候に強く影響するが、氷結晶の習性(すなわち形状)の多様性のためにモデル化は困難である。 我々は、自己教師付き学習(SSL)を用いて、氷結晶画像から結晶の潜在表現を学習する。
• 参考スコア（独自算出の注目度）: 8.086551202409835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ice-containing clouds strongly impact climate, but they are hard to model due to ice crystal habit (i.e., shape) diversity. We use self-supervised learning (SSL) to learn latent representations of crystals from ice crystal imagery. By pre-training a vision transformer with many cloud particle images, we learn robust representations of crystal morphology, which can be used for various science-driven tasks. Our key contributions include (1) validating that our SSL approach can be used to learn meaningful representations, and (2) presenting a relevant application where we quantify ice crystal diversity with these latent representations. Our results demonstrate the power of SSL-driven representations to improve the characterization of ice crystals and subsequently constrain their role in Earth's climate system.
• Abstract（参考訳）: 氷を含む雲は気候に強く影響するが、氷結晶の習性(すなわち形状)の多様性のためにモデル化は困難である。 我々は、自己教師付き学習(SSL)を用いて、氷結晶画像から結晶の潜在表現を学習する。 多くの粒子画像で視覚変換器を事前学習することにより、様々な科学駆動タスクに使用できる結晶形態の堅牢な表現を学習する。 本研究の主な貢献は,(1)有意義な表現の学習にSSLアプローチが有効であることを検証すること,(2)氷結晶の多様性をこれらの潜在表現で定量化する関連アプリケーションを提案すること,である。 本研究は, 氷結晶のキャラクタリゼーションを向上し, 地球の気候システムにおけるその役割を制限するためのSSL駆動表現の力を示すものである。

関連論文リスト

• CrystalICL: Enabling In-Context Learning for Crystal Generation [12.641999605656409]
  大規模言語モデル(LLM)は、強力なコンテキスト内学習(ICL)能力を示している。 既存のLCMベースの結晶生成アプローチはゼロショットシナリオに限られており、少数ショットシナリオの恩恵を受けられない。 結晶生成のための新しいモデルであるCrystalICLを提案する。
  論文  参考訳（メタデータ） (2025-08-27T07:49:27Z)
• Skill Learning via Policy Diversity Yields Identifiable Representations for Reinforcement Learning [67.90033766878962]
  自己指導型特徴学習(RL)は、相互情報スキル学習(MISL)と呼ばれる情報理論の原則に依存することが多い。 本研究は,MISLを識別可能な表現学習のレンズを用いて検討する。 コントラスト継承機能(Contrastive Successor Features, CSF)は, 線形変換まで環境の地下構造を確実に復元できることを実証する。
  論文  参考訳（メタデータ） (2025-07-19T20:48:46Z)
• Complete and Efficient Graph Transformers for Crystal Material Property Prediction [53.32754046881189]
  結晶構造は、3次元空間の正則格子に沿って繰り返される原始単位セル内の原子塩基によって特徴づけられる。 本稿では,各原子の格子に基づく表現を確立するために,単位細胞の周期パターンを利用する新しい手法を提案する。 結晶材料に特化して設計されたSE(3)トランスであるComFormerを提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:06:37Z)
• PerCNet: Periodic Complete Representation for Crystal Graphs [3.7050297294650716]
  合理的な結晶表現法は、局所的および大域的な情報をキャプチャするべきである。 無限拡張結晶材料に対する周期的完全表現と計算アルゴリズムを提案する。 提案した表現に基づいて,結晶材料特性を予測するネットワークPerCNetを提案する。
  論文  参考訳（メタデータ） (2023-12-03T08:55:35Z)
• Crystal-GFN: sampling crystals with desirable properties and constraints [103.79058968784163]
  本稿では,結晶構造の生成モデルであるCrystal-GFNを紹介する。 本稿では,MatBenchで学習した新しいプロキシ機械学習モデルにより予測された結晶構造の原子1個あたりの生成エネルギーを目的として利用する。 その結果、Crystal-GFNは低(中間-3.1 eV/原子)で生成エネルギーが予測される非常に多様な結晶をサンプリングできることが示された。
  論文  参考訳（メタデータ） (2023-10-07T21:36:55Z)
• A Crystal-Specific Pre-Training Framework for Crystal Material Property Prediction [12.957415185028948]
  結晶特性のラベル付けは、物理的シミュレーションや実験実験にかかわる高コストと時間のために本質的に困難である。 結晶は、周期的不変性( periodic invariance)として知られる特定の量子化学原理に従属する。 本稿では,自己超越による結晶表現学習のための,結晶固有の事前学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T16:46:11Z)
• Unified Model for Crystalline Material Generation [9.940728137241214]
  結晶格子と原子位置で同時に作用する2つの統一モデルを提案する。 我々のモデルは、熱力学的安定性に到達するために総エネルギーを下げることで任意の結晶の変形を学習することができる。
  論文  参考訳（メタデータ） (2023-06-07T15:23:59Z)
• Self-Supervised Representation Learning from Flow Equivariance [97.13056332559526]
  本稿では,複雑なシーンの映像ストリームに直接展開可能な,自己教師型学習表現フレームワークを提案する。 高分解能rawビデオから学んだ我々の表現は、静的画像の下流タスクに簡単に使用できます。
  論文  参考訳（メタデータ） (2021-01-16T23:44:09Z)
• Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
  氷河マッピングは、hkh領域における生態モニタリングの鍵となる。 気候変動は、氷河生態系の健康に依存している個人にリスクを与える。 本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-09T12:48:06Z)

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。