論文の概要: Information-Theoretic Multi-Model Fusion for Target-Oriented Adaptive Sampling in Materials Design
- arxiv url: http://arxiv.org/abs/2602.03319v1
- Date: Tue, 03 Feb 2026 09:47:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-04 18:37:15.371089
- Title: Information-Theoretic Multi-Model Fusion for Target-Oriented Adaptive Sampling in Materials Design
- Title（参考訳）: 材料設計におけるターゲット指向適応サンプリングのための情報理論多モデル融合
- Authors: Yixuan Zhang, Zhiyuan Li, Weijia He, Mian Dai, Chen Shen, Teng Long, Hongbin Zhang,
- Abstract要約: 限られた評価予算の下での目標指向の発見には、高次元の不均一な設計空間における信頼性の高い進歩が必要である。
本稿では,目標指向適応サンプリングのための情報理論フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 11.787453207532812
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Target-oriented discovery under limited evaluation budgets requires making reliable progress in high-dimensional, heterogeneous design spaces where each new measurement is costly, whether experimental or high-fidelity simulation. We present an information-theoretic framework for target-oriented adaptive sampling that reframes optimization as trajectory discovery: instead of approximating the full response surface, the method maintains and refines a low-entropy information state that concentrates search on target-relevant directions. The approach couples data, model beliefs, and physics/structure priors through dimension-aware information budgeting, adaptive bootstrapped distillation over a heterogeneous surrogate reservoir, and structure-aware candidate manifold analysis with Kalman-inspired multi-model fusion to balance consensus-driven exploitation and disagreement-driven exploration. Evaluated under a single unified protocol without dataset-specific tuning, the framework improves sample efficiency and reliability across 14 single- and multi-objective materials design tasks spanning candidate pools from $600$ to $4 \times 10^6$ and feature dimensions from $10$ to $10^3$, typically reaching top-performing regions within 100 evaluations. Complementary 20-dimensional synthetic benchmarks (Ackley, Rastrigin, Schwefel) further demonstrate robustness to rugged and multimodal landscapes.
- Abstract（参考訳）: 限られた評価予算の下での目標指向の発見は、実験的・高忠実なシミュレーションであっても、新しい測定に費用がかかる高次元の不均一な設計空間において、信頼性の高い進歩を必要とする。
本手法は, 対象方向の探索に集中する低エントロピー情報状態を維持し, 改善する。
このアプローチは、次元認識情報予算化、不均一なサロゲート貯水池上の適応自己ストラップ蒸留、およびカルマンにインスパイアされた多モデル融合による構造認識候補多様体解析を通じて、コンセンサス駆動によるエクスプロイトと不一致駆動探索のバランスをとることによって、データ、モデル信念、物理/構造先行を結合する。
データセット固有のチューニングのない単一の統一プロトコルの下で評価され、このフレームワークは、候補プールを600ドルから4ドルに、特徴次元を10ドルから10ドルに、100評価の範囲で最高パフォーマンスの領域に到達させる、14の単目的および多目的の材料設計タスクにおいて、サンプル効率と信頼性を向上させる。
補完的な20次元合成ベンチマーク(Ackley, Rastrigin, Schwefel)は、頑丈でマルチモーダルな風景に対する堅牢性をさらに証明している。
関連論文リスト
- A Standardized Benchmark for Machine-Learned Molecular Dynamics using Weighted Ensemble Sampling [32.505127447635864]
本稿では,タンパク質MD法を体系的に評価するモジュール型ベンチマークフレームワークを提案する。
このフレームワークには、任意のシミュレーションエンジンをサポートするフレキシブルで軽量なプロパゲータインターフェースが含まれている。
10から224個の残基から、様々な折りたたみ複合体にまたがる9種類のタンパク質のデータセットをコントリビュートする。
論文 参考訳（メタデータ） (2025-10-20T06:02:36Z) - Deep Gaussian Process-based Cost-Aware Batch Bayesian Optimization for Complex Materials Design Campaigns [0.6740600601012572]
本稿では,DGP(Deep Gaussian Process)サロゲートとヘテロトピークエリ戦略を用いた,費用対効果を考慮したバッチベイズ最適化手法を提案する。
提案フレームワークは,従来のGPベースのBOよりも,コストを考慮したクエリの繰り返しの少ない最適定式化に収束する。
論文 参考訳（メタデータ） (2025-09-17T20:22:08Z) - ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。
HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。
計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
論文 参考訳（メタデータ） (2025-04-16T05:33:42Z) - Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning [59.56171041796373]
我々は、堅牢で効率的なマルチモーダル・インストラクショナルデータを収集する。
インタラクションスタイルを多様性指標とし、マルチモーダルリッチなスタイルラーを用いてデータインストラクションパターンを識別する。
14のマルチモーダルベンチマークによって検証された10以上の実験環境において、ランダムサンプリング、ベースライン戦略、最先端の選択方法に対する一貫した改善を示す。
論文 参考訳（メタデータ） (2025-03-17T17:11:22Z) - Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
PropEnは'matching'にインスパイアされている。
一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
論文 参考訳（メタデータ） (2024-05-28T11:30:19Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。
そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。
また,水平深度と比表現に適した教師なし適応手法を提案する。
本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z) - RGM: A Robust Generalizable Matching Model [49.60975442871967]
RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。
合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。
さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
論文 参考訳（メタデータ） (2023-10-18T07:30:08Z) - TrackFlow: Multi-Object Tracking with Normalizing Flows [36.86830078167583]
トラッキング・バイ・ディテクトをマルチモーダル・セッティングに拡張することを目的としている。
3D情報の大まかな見積も利用可能であり、他の伝統的なメトリクスとマージする必要がある。
提案手法は,複数のトラッキング・バイ・検出アルゴリズムの性能を継続的に向上させる。
論文 参考訳（メタデータ） (2023-08-22T15:40:03Z) - $\{\text{PF}\}^2\text{ES}$: Parallel Feasible Pareto Frontier Entropy
Search for Multi-Objective Bayesian Optimization Under Unknown Constraints [4.672142224503371]
本稿では,多目的ベイズ最適化のための情報理論獲得関数を提案する。
$textPF2$ESは、並列設定のための相互情報の低コストで正確な見積もりを提供する。
合成問題と実生活問題で$textPF2$ESをベンチマークします。
論文 参考訳（メタデータ） (2022-04-11T21:06:23Z) - Information-Theoretic Multi-Objective Bayesian Optimization with
Continuous Approximations [44.25245545568633]
この問題を解決するために,情報理論を用いた連続近似を用いた多目的ベイズ最適化(iMOCA)を提案する。
種々の総合的および実世界のベンチマーク実験により、iMOCAは既存の単一忠実度法よりも大幅に改善されていることが示された。
論文 参考訳（メタデータ） (2020-09-12T01:46:03Z) - Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。
この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文 参考訳（メタデータ） (2020-08-10T09:42:59Z)
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。