Fugu-MT 論文翻訳(概要): Efficient probabilistic surrogate modeling techniques for partially-observed large-scale dynamical systems

論文の概要: Efficient probabilistic surrogate modeling techniques for partially-observed large-scale dynamical systems

arxiv url: http://arxiv.org/abs/2511.04641v1
Date: Thu, 06 Nov 2025 18:35:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-07 20:17:53.559406
Title: Efficient probabilistic surrogate modeling techniques for partially-observed large-scale dynamical systems
Title（参考訳）: 部分的に観測された大規模力学系に対する効率的な確率的代理モデリング手法
Authors: Hans Harder, Abhijeet Vishwasrao, Luca Guastoni, Ricardo Vinuesa, Sebastian Peitz,
Abstract要約: 様々な拡張をフローマッチングパラダイムと比較し、サンプリングステップの数を減らす。また,大規模3次元シミュレーションの2次元スライスを直接予測し,より効率的なインフロー生成を実現するという課題にも対処する。
参考スコア（独自算出の注目度）: 4.837510867592827
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper is concerned with probabilistic techniques for forecasting dynamical systems described by partial differential equations (such as, for example, the Navier-Stokes equations). In particular, it is investigating and comparing various extensions to the flow matching paradigm that reduce the number of sampling steps. In this regard, it compares direct distillation, progressive distillation, adversarial diffusion distillation, Wasserstein GANs and rectified flows. Moreover, experiments are conducted on a set of challenging systems. In particular, we also address the challenge of directly predicting 2D slices of large-scale 3D simulations, paving the way for efficient inflow generation for solvers.
Abstract（参考訳）: 本稿では、偏微分方程式(ナヴィエ・ストークス方程式など)によって記述される力学系を予測する確率論的手法について述べる。特に,サンプリングステップ数を減少させるフローマッチングパラダイムに対する,様々な拡張の検討と比較を行っている。この点において、直接蒸留、進行蒸留、逆拡散蒸留、ワッサーシュタインGANおよび整流の比較を行う。さらに、一連の挑戦的なシステムで実験を行う。特に,大規模3次元シミュレーションの2次元スライスを直接予測し,より効率的なインフロー生成を実現するという課題にも対処する。

関連論文リスト

Weighted Stochastic Differential Equation to Implement Wasserstein-Fisher-Rao Gradient Flow [0.0]
有望な作業のラインは、情報幾何学から、大量再重み付け機構を備えた拡散に基づくサンプル装置の拡張まで、ツールを活用する。本研究は,WFRに基づくサンプリング力学の予備的かつ厳密な研究であり,今後の発展の基礎となる理論構造を明らかにすることを目的としている。
論文参考訳（メタデータ） (2025-12-19T18:31:27Z)
Score Distillation of Flow Matching Models [67.86066177182046]
我々は、Score Identity Distillation (SiD) を事前訓練されたテキスト対画像フローマッチングモデルに拡張する。 SiDは、データフリーとデータアシストの両方の設定で、これらのモデルですぐに使える。これは、スコア蒸留がテキストと画像のフローマッチングモデルに広く適用されるという最初の体系的な証拠を提供する。
論文参考訳（メタデータ） (2025-09-29T17:45:48Z)
Generative Learning of the Solution of Parametric Partial Differential Equations Using Guided Diffusion Models and Virtual Observations [4.798951413107239]
本研究では,高次元パラメトリックシステムをモデル化するための生成学習フレームワークを提案する。我々は,部分微分方程式(PDE)で記述されたシステムについて,構造的あるいは非構造的グリッドで識別する。
論文参考訳（メタデータ） (2024-07-31T20:52:33Z)
Efficient, Multimodal, and Derivative-Free Bayesian Inference With Fisher-Rao Gradient Flows [10.153270126742369]
正規化定数を含む確率分布の効率的な近似サンプリングについて検討した。具体的には,科学技術応用における大規模逆問題に対するベイズ推定における問題クラスに着目する。
論文参考訳（メタデータ） (2024-06-25T04:07:22Z)
Flow map matching with stochastic interpolants: A mathematical framework for consistency models [15.520853806024943]
フローマップマッチングは、基礎となる生成モデルの2時間フローマップを学ぶための原則化されたフレームワークである。 FMMは,高速サンプリングのための既存手法の幅広いクラスを統一し,拡張することを示す。
論文参考訳（メタデータ） (2024-06-11T17:41:26Z)
On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
論文参考訳（メタデータ） (2024-05-18T15:59:41Z)
Response Theory via Generative Score Modeling [0.0]
スコアベース生成モデルとGFDT(Generalized Fluctuation-Dissipation Theorem)を組み合わせた外部摂動に対する動的システムの応答解析手法を提案する。この手法は,非ガウス統計を含むシステム応答の正確な推定を可能にする。
論文参考訳（メタデータ） (2024-02-01T21:38:10Z)
Gaussian Mixture Solvers for Diffusion Models [84.83349474361204]
本稿では,拡散モデルのためのGMSと呼ばれる,SDEに基づく新しい解法について紹介する。画像生成およびストロークベース合成におけるサンプル品質の観点から,SDEに基づく多くの解法よりも優れる。
論文参考訳（メタデータ） (2023-11-02T02:05:38Z)
A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文参考訳（メタデータ） (2023-05-31T15:33:16Z)
Modiff: Action-Conditioned 3D Motion Generation with Denoising Diffusion Probabilistic Models [58.357180353368896]
本稿では,現実的で多様な3D骨格に基づく運動生成問題に対処するために,拡散確率モデル(DDPM)の利点を生かした条件付きパラダイムを提案する。我々はDDPMを用いてカテゴリ的動作で条件付けられた動作列の可変数を合成する先駆的な試みである。
論文参考訳（メタデータ） (2023-01-10T13:15:42Z)
Large-Scale Wasserstein Gradient Flows [84.73670288608025]
ワッサーシュタイン勾配流を近似するスケーラブルなスキームを導入する。我々のアプローチは、JKOステップを識別するために、入力ニューラルネットワーク(ICNN)に依存しています。その結果、勾配拡散の各ステップで測定値からサンプリングし、その密度を計算することができる。
論文参考訳（メタデータ） (2021-06-01T19:21:48Z)
A Data-Driven Approach for Discovering Stochastic Dynamical Systems with Non-Gaussian Levy Noise [5.17900889163564]
ノイズの多いデータセットから規制法則を抽出する新しいデータ駆動手法を開発した。まず, ドリフト係数, 拡散係数, ジャンプ測度を表現し, 実現可能な理論的枠組みを確立する。そこで我々は, ドリフト, 拡散係数, ジャンプ測度を計算する数値アルゴリズムを設計し, ガウス雑音および非ガウス雑音による支配方程式を抽出する。
論文参考訳（メタデータ） (2020-05-07T21:29:17Z)

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。