論文の概要: Multi-Marginal Schrödinger Bridge Matching

• arxiv url: http://arxiv.org/abs/2510.16587v1
• Date: Sat, 18 Oct 2025 17:21:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.05083
• Title: Multi-Marginal Schrödinger Bridge Matching
• Title（参考訳）: マルチMarginal Schrödinger Bridge Matching
• Authors: Byoungwoo Park, Juho Lee,
• Abstract要約: 本稿ではマルチマージ型SB問題に特化して設計された新しいアルゴリズムであるマルチマージ型Schr"odinger Bridge Matching (MSBM)を提案する。 MSBMは、複数の限界制約を効果的に扱うために、反復マルコフフィッティング(IMF)を拡張している。 合成データと実世界の単一細胞RNAシークエンシングデータセットに関する実証的検証は、MSBMの競争力や優れた性能を示している。
• 参考スコア（独自算出の注目度）: 17.207066323031494
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the continuous evolution of populations from discrete temporal snapshots is a critical research challenge, particularly in fields like developmental biology and systems medicine where longitudinal tracking of individual entities is often impossible. Such trajectory inference is vital for unraveling the mechanisms of dynamic processes. While Schr\"odinger Bridge (SB) offer a potent framework, their traditional application to pairwise time points can be insufficient for systems defined by multiple intermediate snapshots. This paper introduces Multi-Marginal Schr\"odinger Bridge Matching (MSBM), a novel algorithm specifically designed for the multi-marginal SB problem. MSBM extends iterative Markovian fitting (IMF) to effectively handle multiple marginal constraints. This technique ensures robust enforcement of all intermediate marginals while preserving the continuity of the learned global dynamics across the entire trajectory. Empirical validations on synthetic data and real-world single-cell RNA sequencing datasets demonstrate the competitive or superior performance of MSBM in capturing complex trajectories and respecting intermediate distributions, all with notable computational efficiency.
• Abstract（参考訳）: 個別の時間的スナップショットから個体群の継続的な進化を理解することは、特に個体の経時的追跡がしばしば不可能な発達生物学やシステム医学のような分野において、重要な研究課題である。 このような軌道推論は、動的プロセスのメカニズムを解明するのに不可欠である。 Schr\"odinger Bridge (SB) は強力なフレームワークを提供するが、複数の中間スナップショットによって定義されるシステムでは、ペアのタイムポイントに対する従来のアプリケーションは不十分である。 本稿ではマルチマージ型SB問題に特化して設計された新しいアルゴリズムであるマルチマージ型Schr\"odinger Bridge Matching (MSBM)を提案する。 MSBMは、複数の限界制約を効果的に扱うために、反復マルコフフィッティング(IMF)を拡張している。 この手法は、学習された全軌道全体にわたるグローバルダイナミクスの連続性を保ちながら、すべての中間辺縁の堅牢な強制を保証する。 合成データと実世界の単一細胞RNAシークエンシングデータセットに関する実証的検証は、複雑な軌道を捕捉し、中間分布を尊重するMSBMの競争力または優れた性能を示す。

関連論文リスト

• Amplifying Prominent Representations in Multimodal Learning via Variational Dirichlet Process [55.91649771370862]
  ディリクレ過程(DP)混合モデルは、最も顕著な特徴を増幅できる強力な非パラメトリック法である。 本稿では,DP駆動型マルチモーダル学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-23T16:53:24Z)
• Multi-marginal temporal Schrödinger Bridge Matching for video generation from unpaired data [1.004996690798013]
  textittextbfMulti-Marginal temporal Schr"odinger Bridge Matching (textbfMMtSBM)を提案する。 我々の研究は、静的データから隠れたダイナミクスを回復するための実用的で原則化されたアプローチとしてMMtSBMを確立している。 実験により,MMtSBMは玩具の例における理論的特性を保ち,実世界のデータセット上での最先端性能を実現し,超高次元画像設定における結合と動的特性の回復を初めて行った。
  論文  参考訳（メタデータ） (2025-10-02T11:00:58Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• FMIP: Joint Continuous-Integer Flow For Mixed-Integer Linear Programming [52.52020895303244]
  Mixed-Integer Linear Programming (MILP)は、複雑な意思決定問題の基本的なツールである。 混合整数線形計画法(FMIP)のための連立連続整数フローを提案する。これはMILPソリューションにおける整数変数と連続変数の共分散をモデル化する最初の生成フレームワークである。 FMIPは任意のバックボーンネットワークや様々なダウンストリームソルバと完全に互換性があり、現実世界のMILPアプリケーションにも適している。
  論文  参考訳（メタデータ） (2025-07-31T10:03:30Z)
• Momentum Multi-Marginal Schrödinger Bridge Matching [20.53138254276056]
  textbfMomentum Multi-Marginal Schr"odinger Bridge Matching (3MSBM)を導入する。 一致したアプローチとして、3MSBMはトレーニングを通して中間限界を保存するトランスポートマップを学習し、収束とスケーラビリティを著しく改善する。
  論文  参考訳（メタデータ） (2025-06-11T20:41:23Z)
• Short-Long Convolutions Help Hardware-Efficient Linear Attention to Focus on Long Sequences [60.489682735061415]
  本稿では,状態空間モデルを短時間の畳み込みに置き換えたCHELAを提案する。 提案手法の有効性を示すために,Long Range Arenaベンチマークと言語モデリングタスクについて実験を行った。
  論文  参考訳（メタデータ） (2024-06-12T12:12:38Z)
• Adversarial Schrödinger Bridge Matching [66.39774923893103]
  反復マルコフフィッティング(IMF)手順は、マルコフ過程の相互射影と相互射影を交互に交互に行う。 本稿では、プロセスの学習を離散時間でほんの少しの遷移確率の学習に置き換える新しい離散時間IMF(D-IMF)手順を提案する。 D-IMFの手続きは、数百ではなく数世代のステップで、IMFと同じ品質の未完成のドメイン翻訳を提供できることを示す。
  論文  参考訳（メタデータ） (2024-05-23T11:29:33Z)
• Generalized Schrödinger Bridge Matching [54.171931505066]
  一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域で一般的である。 我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。 このような一般化は条件最適制御の解法として、変分近似を用いることができることを示す。
  論文  参考訳（メタデータ） (2023-10-03T17:42:11Z)
• Federated Multi-Sequence Stochastic Approximation with Local Hypergradient Estimation [28.83712379658548]
  我々は、多重結合配列(MSA)のための最初のフェデレーション近似アルゴリズムであるFedMSAを開発した。 FedMSAは、ローカルクライアントのアップデートを通じて、BLOとMCOのハイパーグラディエントを証明可能な見積もりを可能にする。 我々は我々の理論を裏付ける実験を行い、FedMSAの実証的な利点を実証する。
  論文  参考訳（メタデータ） (2023-06-02T16:17:43Z)
• Deep Momentum Multi-Marginal Schr\"odinger Bridge [41.27274841596343]
  本稿では,時間的限界制約を満たすシステムに対して,スムーズな測度値アルゴリズムを学習する新しいフレームワークを提案する。 我々のアルゴリズムは、合成データセットと実世界の単一細胞RNAデータセットシーケンスの実験によって証明されたように、ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2023-03-03T07:24:38Z)

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。