論文の概要: WFR-MFM: One-Step Inference for Dynamic Unbalanced Optimal Transport

• arxiv url: http://arxiv.org/abs/2601.20606v1
• Date: Wed, 28 Jan 2026 13:41:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.952064
• Title: WFR-MFM: One-Step Inference for Dynamic Unbalanced Optimal Transport
• Title（参考訳）: WFR-MFM:動的不均衡最適輸送のためのワンステップ推論
• Authors: Xinyu Wang, Ruoyu Wang, Qiangwei Peng, Peijie Zhou, Tiejun Li,
• Abstract要約: 任意の時間間隔における輸送と質量成長の両方のダイナミクスを要約した非平衡フローマッチングのための平均フローフレームワークを提案する。 我々は、WFR-MFM(Wasserstein-Fisher-Rao Mean Flow Matching)を開発するためのこのフレームワークをさらに構築する。 WFR-MFMは、予測精度を高く保ちながら、既存のベースラインの範囲よりも高速な推定を実現する。
• 参考スコア（独自算出の注目度）: 9.661016195647212
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing dynamical evolution from limited observations is a fundamental challenge in single-cell biology, where dynamic unbalanced optimal transport provides a principled framework for modeling coupled transport and mass variation. However, existing approaches rely on trajectory simulation at inference time, making inference a key bottleneck for scalable applications. In this work, we propose a mean-flow framework for unbalanced flow matching that summarizes both transport and mass-growth dynamics over arbitrary time intervals using mean velocity and mass-growth fields, enabling fast one-step generation without trajectory simulation. To solve dynamic unbalanced optimal transport under the Wasserstein-Fisher-Rao geometry, we further build on this framework to develop Wasserstein-Fisher-Rao Mean Flow Matching (WFR-MFM). Across synthetic and real single-cell RNA sequencing datasets, WFR-MFM achieves orders-of-magnitude faster inference than a range of existing baselines while maintaining high predictive accuracy, and enables efficient perturbation response prediction on large synthetic datasets with thousands of conditions.
• Abstract（参考訳）: 限られた観測から動的進化を再構築することは、動的不均衡な最適輸送が結合輸送と質量変動をモデル化するための基本的な枠組みを提供する、単細胞生物学の基本的な課題である。 しかし、既存のアプローチは推論時に軌道シミュレーションに依存しており、推論はスケーラブルなアプリケーションにとって重要なボトルネックとなっている。 本研究では、平均速度と質量成長場を用いて、任意の時間間隔での輸送と質量成長のダイナミクスをまとめた非平衡流マッチングのための平均フローフレームワークを提案し、軌道シミュレーションなしで高速なワンステップ生成を可能にする。 Wasserstein-Fisher-Rao 幾何学の下での動的不均衡な最適輸送を解決するために、我々はさらにこの枠組みを構築し、Wasserstein-Fisher-Rao Mean Flow Matching (WFR-MFM) を開発した。 合成および実際の単細胞RNAシークエンシングデータセット全体にわたって、WFR-MFMは、予測精度を維持しながら、既存のベースラインの範囲よりも高速な推定を達成し、数千の条件で大規模な合成データセット上で効率的な摂動応答予測を可能にする。

関連論文リスト

• WFR-FM: Simulation-Free Dynamic Unbalanced Optimal Transport [17.9375439076052]
  既存のWFRソルバは不安定で、計算コストが高く、スケールが難しいことが多い。 本稿では,WFRフローマッチング(WFR-FM)について紹介する。 実験的に、WFR-FMは単細胞生物学においてより正確で堅牢な軌道推定をもたらす。
  論文  参考訳（メタデータ） (2026-01-11T08:48:08Z)
• Simulation-Free Differential Dynamics through Neural Conservation Laws [22.4113724471297]
  超汎用関数上での連続時間拡散過程のトレーニングのための,シミュレーション不要な新しいフレームワークを提案する。 本稿では,時間依存密度関数(確率経路)と,この確率経路を生成する拡散過程のダイナミクスを共同でモデル化する結合パラメータ化を提案する。
  論文  参考訳（メタデータ） (2025-06-23T13:04:23Z)
• AMR-Transformer: Enabling Efficient Long-range Interaction for Complex Neural Fluid Simulation [33.63726923336252]
  本稿では,AMR-Transformerを提案する。 これは、Navier-Stokes制約を意識した高速刈取モジュールと、新しい適応メッシュリファインメントスキームを統合している。 提案手法は,ベースラインモデルよりも精度が向上する。
  論文  参考訳（メタデータ） (2025-03-13T11:16:42Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Improving and generalizing flow-based generative models with minibatch optimal transport [90.01613198337833]
  連続正規化フロー(CNF)のための一般条件流整合(CFM)技術を導入する。 CFMは、拡散モデルのフローをトレーニングするために使用されるような安定した回帰目標を特徴としているが、決定論的フローモデルの効率的な推論を好んでいる。 我々の目的の変種は最適輸送CFM (OT-CFM) であり、訓練がより安定し、より高速な推論をもたらすより単純なフローを生成する。
  論文  参考訳（メタデータ） (2023-02-01T14:47:17Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• TrajectoryNet: A Dynamic Optimal Transport Network for Modeling Cellular Dynamics [74.43710101147849]
  本稿では,動的最適輸送を実現するために,分布間の連続経路を制御するTrjectoryNetを提案する。 単細胞RNAシークエンシング(scRNA-seq)技術から得られたデータにおける細胞動態の研究において、これが特に当てはまるかを示す。
  論文  参考訳（メタデータ） (2020-02-09T21:00:38Z)

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。