論文の概要: Cosmo3DFlow: Wavelet Flow Matching for Spatial-to-Spectral Compression in Reconstructing the Early Universe
- arxiv url: http://arxiv.org/abs/2602.10172v1
- Date: Tue, 10 Feb 2026 15:47:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-12 21:44:01.216899
- Title: Cosmo3DFlow: Wavelet Flow Matching for Spatial-to-Spectral Compression in Reconstructing the Early Universe
- Title（参考訳）: Cosmo3D Flow:初期宇宙の再構成における空間-スペクトル圧縮のためのウェーブレットフローマッチング
- Authors: Md. Khairul Islam, Zeyu Xia, Ryan Goudjil, Jialu Wang, Arya Farahi, Judy Fox,
- Abstract要約: 我々は次元と空間性に対処する新しい生成フレームワーク、Cosmo3DFlowを考案した。
Wavelet Transformは空間空度をスペクトル空間に変換することで「空白問題」に対処する。
- 参考スコア（独自算出の注目度）: 11.574480297424428
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing the early Universe from the evolved present-day Universe is a challenging and computationally demanding problem in modern astrophysics. We devise a novel generative framework, Cosmo3DFlow, designed to address dimensionality and sparsity, the critical bottlenecks inherent in current state-of-the-art methods for cosmological inference. By integrating 3D Discrete Wavelet Transform (DWT) with flow matching, we effectively represent high-dimensional cosmological structures. The Wavelet Transform addresses the ``void problem'' by translating spatial emptiness into spectral sparsity. It decouples high-frequency details from low-frequency structures through spatial compression, and wavelet-space velocity fields facilitate stable ordinary differential equation (ODE) solvers with large step sizes. Using large-scale cosmological $N$-body simulations, at $128^3$ resolution, we achieve up to $50\times$ faster sampling than diffusion models, combining a $10\times$ reduction in integration steps with lower per-step computational cost from wavelet compression. Our results enable initial conditions to be sampled in seconds, compared to minutes for previous methods.
- Abstract（参考訳）: 現在の宇宙から初期の宇宙を再構築することは、現代の天体物理学において困難かつ計算的に要求される問題である。
我々は,現在最先端の宇宙論的推論手法に固有の重要なボトルネックである,次元性や空間性に対処するために設計された新しい生成フレームワークであるCosmo3DFlowを考案した。
3次元離散ウェーブレット変換(DWT)とフローマッチングを統合することにより,高次元宇宙構造を効果的に表現する。
Wavelet Transformは、空間空度をスペクトル空間に変換することで '`void problem'' に対処する。
空間圧縮により低周波構造から高周波の詳細を分離し、ウェーブレット空間速度場は大きなステップサイズで安定な常微分方程式(ODE)解法を促進する。
大規模な宇宙学的な$N$ボディシミュレーションを用いて、最大で$28^3$の解像度で、拡散モデルよりも50\times$高速サンプリングを実現し、ウェーブレット圧縮による積分ステップの10\times$削減と、ステップ毎の計算コストの低いウェーブレット圧縮を組み合わせた。
以上の結果から,初期条件のサンプル化を従来の方法に比べて数秒で行うことができた。
関連論文リスト
- Cosmo-FOLD: Fast generation and upscaling of field-level cosmological maps with overlap latent diffusion [1.9116784879310027]
本稿では,宇宙学および天体物理学の3次元場を高速に生成する新しい手法を提案する。
我々は,TNG300-2ダークマター密度とガス温度場を,体積の1%しか訓練されていないモデルから生成することができる。
これらの結果は、元のシミュレーションコストのごく一部で得られ、1つのGPUで生成される。
論文 参考訳（メタデータ） (2026-01-20T19:00:04Z) - FFT-Accelerated Auxiliary Variable MCMC for Fermionic Lattice Models: A Determinant-Free Approach with $O(N\log N)$ Complexity [52.3171766248012]
量子多体系のシミュレーションを劇的に高速化するマルコフ連鎖モンテカルロ(MCMC)アルゴリズムを導入する。
我々は,量子物理学のベンチマーク問題に対するアルゴリズムの有効性を検証し,既知の理論結果を正確に再現する。
我々の研究は、大規模確率的推論のための強力なツールを提供し、物理学に着想を得た生成モデルのための道を開く。
論文 参考訳（メタデータ） (2025-10-13T07:57:21Z) - Continuous Space-Time Video Super-Resolution with 3D Fourier Fields [62.270473766381976]
連続時空ビデオ超解像のための新しい定式化法を提案する。
モデリング関節は空間的および時間的超解像の両方を大幅に改善することを示す。
論文 参考訳（メタデータ） (2025-09-30T14:34:02Z) - Geometric quantum encoding of a turbulent field [13.377719901871027]
乱流場の3段階超球面符号化法を提案する。
27 qubits を用いて、レイノルズ数 $mathitRe = 13900$ で瞬時に乱流場を生成する。
これは古典的手法よりも指数的なメモリ削減をもたらし、マルチスケールシステムの大規模量子シミュレーションの準備をする。
論文 参考訳（メタデータ） (2025-08-07T12:54:11Z) - Parallel Sampling of Diffusion Models on $SO(3)$ [6.950206740436355]
本稿では,$SO(3)$多様体上の拡散過程を高速化するアルゴリズムを設計する。
実験の結果,提案アルゴリズムは最大4.9$times$の高速化を実現し,単一サンプルを生成する遅延を著しく低減することがわかった。
論文 参考訳（メタデータ） (2025-07-14T14:51:02Z) - ODE$_t$(ODE$_l$): Shortcutting the Time and Length in Diffusion and Flow Models for Faster Sampling [33.87434194582367]
本研究では,品質・複雑さのトレードオフを動的に制御できる相補的な方向について検討する。
我々は,フローマッチングトレーニング中に時間と長さの整合性項を用い,任意の時間ステップでサンプリングを行うことができる。
従来の技術と比較すると、CelebA-HQとImageNetのイメージ生成実験は、最も効率的なサンプリングモードで最大3$times$のレイテンシの低下を示している。
論文 参考訳（メタデータ） (2025-06-26T18:59:59Z) - DiffuSeq-v2: Bridging Discrete and Continuous Text Spaces for
Accelerated Seq2Seq Diffusion Models [58.450152413700586]
ガウス空間に基づく離散突然変異を再構成する学習において拡散モデルを容易にする軟吸収状態を導入する。
我々は、サンプリングプロセスの高速化のために、連続空間内で最先端のODEソルバを用いている。
提案手法は, トレーニング収束率を4倍に向上させ, 類似品質のサンプルを800倍高速に生成する。
論文 参考訳（メタデータ） (2023-10-09T15:29:10Z) - Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse
Problems [64.29491112653905]
本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。
具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。
提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
論文 参考訳（メタデータ） (2023-03-10T07:42:49Z) - Physics-informed compressed sensing for PC-MRI: an inverse Navier-Stokes
problem [78.20667552233989]
我々は、ノイズやスパース磁気共鳴信号から速度場を復元するための物理インフォームド圧縮センシング(PICS)法を定式化する。
本手法は, 疎サンプリング信号から速度場を再構成し, セグメンテーションすることができる。
論文 参考訳（メタデータ） (2022-07-04T14:51:59Z)
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。