論文の概要: Functional Adjoint Sampler: Scalable Sampling on Infinite Dimensional Spaces

• arxiv url: http://arxiv.org/abs/2511.06239v1
• Date: Sun, 09 Nov 2025 05:51:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.832869
• Title: Functional Adjoint Sampler: Scalable Sampling on Infinite Dimensional Spaces
• Title（参考訳）: 汎関数共役サンプリング:無限次元空間上のスケーラブルサンプリング
• Authors: Byoungwoo Park, Juho Lee, Guan-Horng Liu,
• Abstract要約: 無限次元関数空間に対する最適制御ベース拡散サンプリング器を提案する。 合成電位および実分子系における遷移経路サンプリング性能に優れることを示す。
• 参考スコア（独自算出の注目度）: 22.412483650808728
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning-based methods for sampling from the Gibbs distribution in finite-dimensional spaces have progressed quickly, yet theory and algorithmic design for infinite-dimensional function spaces remain limited. This gap persists despite their strong potential for sampling the paths of conditional diffusion processes, enabling efficient simulation of trajectories of diffusion processes that respect rare events or boundary constraints. In this work, we present the adjoint sampler for infinite-dimensional function spaces, a stochastic optimal control-based diffusion sampler that operates in function space and targets Gibbs-type distributions on infinite-dimensional Hilbert spaces. Our Functional Adjoint Sampler (FAS) generalizes Adjoint Sampling (Havens et al., 2025) to Hilbert spaces based on a SOC theory called stochastic maximum principle, yielding a simple and scalable matching-type objective for a functional representation. We show that FAS achieves superior transition path sampling performance across synthetic potential and real molecular systems, including Alanine Dipeptide and Chignolin.
• Abstract（参考訳）: 有限次元空間におけるギブス分布からの学習に基づくサンプリング法は急速に進歩しているが、無限次元函数空間の理論とアルゴリズム設計は依然として限られている。 このギャップは条件付き拡散過程の経路をサンプリングする強いポテンシャルにもかかわらず持続し、希少な事象や境界制約を尊重する拡散過程の軌道の効率的なシミュレーションを可能にする。 本研究では,無限次元ヒルベルト空間上のギブズ型分布を対象とする確率的最適制御ベース拡散サンプリング器である無限次元関数空間に対する随伴サンプリング器を提案する。 我々の汎函数随伴サンプリング(FAS)は、確率的最大原理と呼ばれるSOC理論に基づいてヒルベルト空間への随伴サンプリング(Havens et al , 2025)を一般化し、関数表現の単純かつスケーラブルなマッチング型目的を与える。 FASはアラニンジペプチドやチグノリンを含む合成電位および実分子系において優れた遷移経路サンプリング性能を示す。

関連論文リスト

• Guided Diffusion Sampling on Function Spaces with Applications to PDEs [112.09025802445329]
  PDEに基づく逆問題における条件付きサンプリングのための一般的なフレームワークを提案する。 これは、関数空間拡散モデルと条件付けのためのプラグアンドプレイガイダンスによって達成される。 提案手法は,最先端の固定解像度拡散ベースラインに対して平均32%の精度向上を実現する。
  論文  参考訳（メタデータ） (2025-05-22T17:58:12Z)
• Stochastic Optimal Control for Diffusion Bridges in Function Spaces [13.544676987441441]
  無限次元空間に合わせた最適制御の理論を提案する。 我々は、Doob の $h$-transform が SOC の観点から導出され、無限次元に拡張されることを示す。 2つの無限次元分布間のブリッジの学習と、無限次元分布からの標本化のための生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-31T05:42:47Z)
• Space-Time Diffusion Bridge [0.4527270266697462]
  実確率分布から独立かつ同一に分布する新しい合成サンプルを生成する方法を提案する。 時空間次元にまたがる時空間混合戦略を用いる。 数値実験による時空拡散法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-02-13T23:26:11Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Optimal Scaling for Locally Balanced Proposals in Discrete Spaces [65.14092237705476]
  離散空間におけるMetropolis-Hastings (M-H) アルゴリズムの効率は、対象分布に依存しない受容率によって特徴づけられることを示す。 最適受容率の知識は、連続空間におけるステップサイズ制御と直接的に類似して、離散空間における提案分布の近傍サイズを自動的に調整することを可能にする。
  論文  参考訳（メタデータ） (2022-09-16T22:09:53Z)
• Computationally Efficient PAC RL in POMDPs with Latent Determinism and Conditional Embeddings [97.12538243736705]
  大規模部分観測可能決定プロセス(POMDP)の関数近似を用いた強化学習に関する研究 我々のアルゴリズムは、大規模POMDPに確実にスケールする。
  論文  参考訳（メタデータ） (2022-06-24T05:13:35Z)
• Concentration analysis of multivariate elliptic diffusion processes [0.0]
  連続時間および離散時間付加関数に対する濃度不等式と関連するPAC境界を証明した。 我々の分析はポアソン方程式によるアプローチに依存しており、非常に幅広い指数的エルゴード過程のクラスを考えることができる。
  論文  参考訳（メタデータ） (2022-06-07T14:15:05Z)

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。