Fugu-MT 論文翻訳(概要): A Kinetic-Energy Perspective of Flow Matching

論文の概要: A Kinetic-Energy Perspective of Flow Matching

arxiv url: http://arxiv.org/abs/2602.07928v1
Date: Sun, 08 Feb 2026 11:51:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-10 20:26:24.875424
Title: A Kinetic-Energy Perspective of Flow Matching
Title（参考訳）: 流れマッチングの運動エネルギー的視点
Authors: Ziyun Li, Huancheng Hu, Soon Hoe Lim, Xuyu Li, Fei Gao, Enmao Diao, Zezhen Ding, Michalis Vazirgiannis, Henrik Bostrom,
Abstract要約: フローベースの生成モデルは、物理レンズを通して見ることができる。古典力学に動機づけられたKPE(Kineetic Path Energy)を紹介する極端エネルギーがトレーニング例のほぼコピーに向かって軌道を推し進めていることを示す。
参考スコア（独自算出の注目度）: 23.42786172624299
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Flow-based generative models can be viewed through a physics lens: sampling transports a particle from noise to data by integrating a time-varying velocity field, and each sample corresponds to a trajectory with its own dynamical effort. Motivated by classical mechanics, we introduce Kinetic Path Energy (KPE), an action-like, per-sample diagnostic that measures the accumulated kinetic effort along an Ordinary Differential Equation (ODE) trajectory. Empirically, KPE exhibits two robust correspondences: (i) higher KPE predicts stronger semantic fidelity; (ii) high-KPE trajectories terminate on low-density manifold frontiers. We further provide theoretical guarantees linking trajectory energy to data density. Paradoxically, this correlation is non-monotonic. At sufficiently high energy, generation can degenerate into memorization. Leveraging the closed-form of empirical flow matching, we show that extreme energies drive trajectories toward near-copies of training examples. This yields a Goldilocks principle and motivates Kinetic Trajectory Shaping (KTS), a training-free two-phase inference strategy that boosts early motion and enforces a late-time soft landing, reducing memorization and improving generation quality across benchmark tasks.
Abstract（参考訳）: サンプリングは、時間変化の速度場を統合することで、ノイズからデータへ粒子を輸送し、各サンプルは、自身の動的努力で軌道に対応する。古典力学によって動機づけられたKPE(Kineetic Path Energy)は,通常微分方程式(ODE)軌道に沿って蓄積した運動量を測定するアクションライクな,サンプルごとの診断法である。経験的に、KPEは2つの堅牢な対応を示す。 (i)より高いKPEはより強い意味的忠実度を予測する。 (II) 高KPE軌道は低密度多様体フロンティア上で終了する。さらに、軌道エネルギーとデータ密度を結びつける理論的保証を提供する。パラドックス的に、この相関は非単調である。十分な高エネルギーでは、生成は記憶へと退化することができる。経験的フローマッチングのクローズドフォームを活用することで、極端エネルギーがトレーニング例のほぼコピーに向かって軌道を駆動することを示す。これはGoldilocksの原則を導き、KTS(Kineetic Trajectory Shaping)を動機付けている。KTS(Kineetic Trajectory Shaping)は、トレーニングなしの2相推論戦略で、早期動作を加速し、遅延ソフトランディングを強制し、暗記を減らし、ベンチマークタスク間の生成品質を改善する。

関連論文リスト

Euphonium: Steering Video Flow Matching via Process Reward Gradient Guided Stochastic Dynamics [49.242224984144904]
本稿では,プロセス報酬勾配誘導ダイナミクスによる生成を支援する新しいフレームワークであるEuphoniumを提案する。我々の重要な洞察は、プロセス・リワード・モデルの勾配を明示的に組み込んだ理論的に原理化されたアルゴリズムとしてサンプリング・プロセスを定式化することである。我々は,誘導信号をフローネットワークに内部化する蒸留目標を導出し,報奨モデルへの推論時間依存性を排除した。
論文参考訳（メタデータ） (2026-02-04T08:59:57Z)
Energy-Guided Flow Matching Enables Few-Step Conformer Generation and Ground-State Identification [45.52894539097255]
本稿では,明示的な学習エネルギーモデルとフローマッチングを結合する統合フレームワークであるEnFlowを紹介する。サンプリング中にエネルギー段階的な誘導を取り入れることで,低エネルギー領域への軌道を導出する。さらに、学習したエネルギー関数は、生成したアンサンブルの効率的なエネルギーベースのランク付けを可能にし、正確な基底状態の同定を可能にする。
論文参考訳（メタデータ） (2025-12-27T14:00:22Z)
EnfoPath: Energy-Informed Analysis of Generative Trajectories in Flow Matching [10.646391583250729]
フローベース生成モデルは、基準分布から目標データ分布への学習速度場を統合することにより、データを合成する。古典力学に触発された運動経路エネルギー (KPE) は, サンプリング器の各生成経路に沿った総運動量を定量化する, 単純かつ強力な診断法である。
論文参考訳（メタデータ） (2025-11-24T13:27:41Z)
DistillKac: Few-Step Image Generation via Damped Wave Equations [83.5291918320052]
減衰波方程式とKac表現を用いて有限速で確率質量を移動させる高速画像生成装置であるDistillKacを提案する。逆時間速度が硬く、暗黙的に非有界伝播速度を許容する拡散モデルとは対照的に、Kac力学は有限速度輸送を強制し、大域的有界運動エネルギーを得る。
論文参考訳（メタデータ） (2025-09-25T20:04:41Z)
Fast momentum-selective transport of Bose-Einstein condensates via controlled non-adiabatic dynamics in optical lattices [0.0]
ボース・アインシュタイン凝縮体(BEC)の1次元光学格子における運動量選択的輸送プロトコルについて検討した。本研究では, 高速負荷条件下でのスペクトル純度の支配機構として, 地中呼吸動態を同定した。このアプローチは、厳密なタイミング制約の下で動作している量子センサーに特に関係している。
論文参考訳（メタデータ） (2025-09-19T19:15:44Z)
Elucidating the Preconditioning in Consistency Distillation [25.213664260896103]
整合性ギャップに応じて事前条件を解析的に最適化する「textitAnalytic-Precond」を提案する。そこで我々は,Analytic-Precondがトラジェクトリ・ジャンパーの学習を容易にし,生徒のトラジェクトリと教師のトラジェクトリのアライメントを高め,一貫性トラジェクトリモデルのトレーニングアクセラレーションを2倍から3倍に向上できることを実証した。
論文参考訳（メタデータ） (2025-02-05T06:30:37Z)
Generalized Flow Matching for Transition Dynamics Modeling [14.76793118877456]
局所力学から非線形性を学習することでシミュレーションをウォームアップするデータ駆動手法を提案する。具体的には、局所力学データからポテンシャルエネルギー関数を推定し、2つの準安定状態間の可塑性経路を求める。提案手法の有効性を検証するため, 合成分子系と実世界の分子系の両方において, 確率的経路をサンプリングする手法の有効性を検証する。
論文参考訳（メタデータ） (2024-10-19T15:03:39Z)
A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。 CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
論文参考訳（メタデータ） (2024-03-19T22:05:17Z)
Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文参考訳（メタデータ） (2020-09-28T15:05:39Z)
Probing eigenstate thermalization in quantum simulators via fluctuation-dissipation relations [77.34726150561087]
固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
論文参考訳（メタデータ） (2020-07-20T18:00:02Z)

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。