Fugu-MT 論文翻訳(概要): A proof-of-principle experiment on the spontaneous symmetry breaking machine and numerical estimation of its performance on the $K

論文の概要: A proof-of-principle experiment on the spontaneous symmetry breaking machine and numerical estimation of its performance on the $K_{2000}$ benchmark problem

arxiv url: http://arxiv.org/abs/2512.17922v1
Date: Mon, 08 Dec 2025 08:57:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-29 00:37:57.052857
Title: A proof-of-principle experiment on the spontaneous symmetry breaking machine and numerical estimation of its performance on the $K_{2000}$ benchmark problem
Title（参考訳）: K_{2000}$ベンチマーク問題における自発対称性破砕機の実証実験と性能評価
Authors: Toshiya Sato, Takashi Goh,
Abstract要約: 小型ベンチマークシステムを用いたSSBM実験結果について報告する。初期変動が異なる1000個の試料から、SSBMが単一の非常に安定な状態を探索できることが判明した。これはSSBMで用いられる現象の原理に基づいており、他のシミュレータよりも顕著な利点である可能性がある。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In a previous paper, we proposed a unique physically implemented type simulator for combinatorial optimization problems, called the spontaneous symmetry breaking machine (SSBM). In this paper, we first report the results of experimental verification of SSBM using a small-scale benchmark system, and then describe numerical simulations using the benchmark problems (K2000) conducted to confirm its usefulness for large-scale problems. From 1000 samples with different initial fluctuations, it became clear that SSBM can explore a single extremely stable state. This is based on the principle of a phenomenon used in SSBM, and could be a notable advantage over other simulators.
Abstract（参考訳）: 前報では,自発対称性破砕機 (SSBM) と呼ばれる,組合せ最適化問題の物理実装型シミュレータを提案する。本稿では,小規模なベンチマークシステムを用いたSSBM実験結果について報告し,その妥当性を確認するためにベンチマーク問題(K2000)を用いて数値シミュレーションを行った。初期変動が異なる1000個の試料から、SSBMが単一の非常に安定な状態を探索できることが判明した。これはSSBMで用いられる現象の原理に基づいており、他のシミュレータよりも顕著な利点である可能性がある。

関連論文リスト

Reliability analysis for non-deterministic limit-states using stochastic emulators [0.0]
本稿では、モデルに対する信頼性解析を導入し、その典型的な計算コストを下げるために適切な代理モデルを用いて対処する。具体的には、最近導入された一般化モデルとカオス拡張に焦点を当てる。まず、閉形式解を持つ解析関数を用いて、エミュレータが正しい解に収束することを実証する。
論文参考訳（メタデータ） (2024-12-18T11:08:56Z)
Addressing Misspecification in Simulation-based Inference through Data-driven Calibration [43.811367860375825]
本研究は, モデル不特定性を克服するフレームワークであるロPEを導入し, 実世界の小キャリブレーションによる地下構造パラメータの測定を行った。 4つの合成課題と2つの実世界の問題により、RoPEはベースラインを上回り、情報的およびキャリブレーションされた信頼区間を一貫して返却することを示した。
論文参考訳（メタデータ） (2024-05-14T16:04:39Z)
Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文参考訳（メタデータ） (2024-01-26T09:35:17Z)
A Robustness Analysis of Blind Source Separation [91.3755431537592]
ブラインドソース分離(BSS)は、変換$f$が可逆であるが未知であるという条件の下で、その混合である$X=f(S)$から観測されていない信号を復元することを目的としている。このような違反を分析し、その影響を$X$から$S$のブラインドリカバリに与える影響を定量化するための一般的なフレームワークを提案する。定義された構造的仮定からの偏差に対する一般的なBSS溶出は、明示的な連続性保証という形で、利益的に分析可能であることを示す。
論文参考訳（メタデータ） (2023-03-17T16:30:51Z)
Maximum Likelihood Learning of Unnormalized Models for Simulation-Based Inference [44.281860162298564]
シミュレーションベース推論のための2つの合成確率法を提案する。本研究では,シミュレータによって生成された合成データを用いて,条件付きエネルギーベースモデル(EBM)を学習する。本研究は, カニの神経科学ネットワークのモデルに適用し, 各種合成データセット上での両手法の特性を実証する。
論文参考訳（メタデータ） (2022-10-26T14:38:24Z)
Variational methods for simulation-based inference [3.308743964406687]
逐次ニューラル変分推論(SNVI)は、難易度のあるモデルにおいてベイズ推論を行うためのアプローチである。 SNVIは、確率推定と変分推論を組み合わせることで、スケーラブルなシミュレーションベースの推論アプローチを実現する。
論文参考訳（メタデータ） (2022-03-08T16:06:37Z)
Learning Mean-Field Equations from Particle Data Using WSINDy [0.0]
我々は相互作用粒子系(IPS)のための弱い形状スパース同定法を開発した。非線形力学アルゴリズム(WSINDy)の弱形式スパース同定と相まって、IPSの平均場理論の概念を用いる。我々の例としては、均質化理論からの正準問題、魅力的な反動スウォームの力学、および化学運動に対するパラボリック・楕円型ケラー・セゲルモデルのIPS記述がある。
論文参考訳（メタデータ） (2021-10-14T22:40:01Z)
Sinkhorn Natural Gradient for Generative Models [125.89871274202439]
本研究では,シンクホーンの発散による確率空間上の最も急降下法として機能するシンクホーン自然勾配(SiNG)アルゴリズムを提案する。本稿では,SiNG の主要成分であるシンクホーン情報行列 (SIM) が明示的な表現を持ち,対数的スケールの複雑さを正確に評価できることを示す。本実験では,SiNGと最先端のSGD型解法を定量的に比較し,その有効性と有効性を示す。
論文参考訳（メタデータ） (2020-11-09T02:51:17Z)
DISCO: Double Likelihood-free Inference Stochastic Control [29.84276469617019]
確率自由推論のためのベイズ統計学における現代シミュレータのパワーと最近の技術を活用することを提案する。シミュレーションパラメータの後方分布は、システムの潜在的非解析モデルによって伝播される。実験により、制御器の提案により、古典的な制御やロボット工学のタスクにおいて、優れた性能と堅牢性が得られることが示された。
論文参考訳（メタデータ） (2020-02-18T05:29:40Z)

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。