論文の概要: Intrinsic-Energy Joint Embedding Predictive Architectures Induce Quasimetric Spaces

• arxiv url: http://arxiv.org/abs/2602.12245v1
• Date: Thu, 12 Feb 2026 18:30:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.978937
• Title: Intrinsic-Energy Joint Embedding Predictive Architectures Induce Quasimetric Spaces
• Title（参考訳）: 四次元空間を誘導する予測的アーキテクチャの内在的・エネルギー的結合
• Authors: Anthony Kobanda, Waris Radji,
• Abstract要約: JEPA(Joint-Embedding Predictive Architectures)は、コンテキスト埋め込みからターゲット埋め込みを予測することで表現を学習することを目的としている。 準メトリック強化学習(QRL)は、非対称力学の下でゴールに達することを支援する有向距離値(コスト対ゴー)を通じてゴール条件制御を研究する。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Joint-Embedding Predictive Architectures (JEPAs) aim to learn representations by predicting target embeddings from context embeddings, inducing a scalar compatibility energy in a latent space. In contrast, Quasimetric Reinforcement Learning (QRL) studies goal-conditioned control through directed distance values (cost-to-go) that support reaching goals under asymmetric dynamics. In this short article, we connect these viewpoints by restricting attention to a principled class of JEPA energy functions : intrinsic (least-action) energies, defined as infima of accumulated local effort over admissible trajectories between two states. Under mild closure and additivity assumptions, any intrinsic energy is a quasimetric. In goal-reaching control, optimal cost-to-go functions admit exactly this intrinsic form ; inversely, JEPAs trained to model intrinsic energies lie in the quasimetric value class targeted by QRL. Moreover, we observe why symmetric finite energies are structurally mismatched with one-way reachability, motivating asymmetric (quasimetric) energies when directionality matters.
• Abstract（参考訳）: JEPA(Joint-Embedding Predictive Architectures)は、コンテキスト埋め込みからターゲット埋め込みを予測し、潜在空間におけるスカラー互換性エネルギーを誘導することによって表現を学習することを目的としている。 対照的に、準メトリック強化学習(QRL)は、非対称力学の下でゴールに達することを支援する有向距離値(コスト対ゴー)を通して、目標条件付き制御を研究する。 本稿では,JEPAエネルギー関数の原理的クラスに注意を向けることにより,これらの視点を結びつける。 緩やかな閉包と加法的仮定の下では、内在エネルギーは準計量である。 目標達成制御では、最適コスト対ゴー関数は、まさにこの本質的な形式を認める; 逆に、本質的なエネルギーをモデル化するために訓練されたJEPAsは、QRLがターゲットとする準計量値クラスにある。 さらに、対称有限エネルギーが一方向到達性に構造的に不整合している理由を観察し、方向性が重要なとき、非対称(準計量)エネルギーを動機付ける。

関連論文リスト

• Thermodynamic Limits of Physical Intelligence [0.3580891736370874]
  現代のAIシステムは、かなりのエネルギー消費を犠牲にして驚くべき能力を達成する。 我々は,知能と物理効率を結びつけるために,明示的な会計規則の下で2ビット単位の計測値を提案する。 本研究では,Landauerスケールの閉サイクル・ベンチマークを熱力学学習の不等式を例に示す。
  論文  参考訳（メタデータ） (2026-02-05T09:12:43Z)
• Goal Reaching with Eikonal-Constrained Hierarchical Quasimetric Reinforcement Learning [16.84451472788859]
  Eikonal-Constrained Quasimetric RL (Eik-QRL) は、Eikonal partial Differential Equation (PDE) に基づく準メトリックRLの連続時間再構成である。 Eik-HiQRLは、オフラインのゴール条件付きナビゲーションにおける最先端のパフォーマンスを達成し、時間差法と一致する操作タスクにおいてQRLよりも一貫した利得を得る。
  論文  参考訳（メタデータ） (2025-12-12T21:37:11Z)
• Hierarchy of Qubit Dynamical Maps in the Presence of Symmetry and Coherence [0.0]
  U(1)保存は、パウリ弦の電荷保存を通じて量子熱力学的操作を制約することを証明する。 我々のノーゴー定理は、U(1)力学が対角的な熱状態から局所的コヒーレンスを生成できないことを示している。 作業抽出と状態判別性における測定可能な熱力学的優位性を示す。
  論文  参考訳（メタデータ） (2025-09-05T04:04:34Z)
• Recurrent Self-Attention Dynamics: An Energy-Agnostic Perspective from Jacobians [13.435505794863518]
  この研究は、エネルギーの制約を緩和し、推論力学のエネルギーに依存しない特徴づけを提供することを目的としている。 このことは、正規化層がSAのリプシッツ性やヤコビアンの複素固有値を抑制する上で重要な役割を果たすことを示している。 ヤコビアン・パースペクティブは、トレーニングのための正規化手法や、推論ダイナミクスのモニタリングのための擬似エネルギーの開発にも有効である。
  論文  参考訳（メタデータ） (2025-05-26T03:24:59Z)
• Optimal Goal-Reaching Reinforcement Learning via Quasimetric Learning [73.80728148866906]
  準メトリック強化学習(QRL)は、準メトリックモデルを用いて最適な値関数を学習する新しいRL法である。 オフラインおよびオンラインの目標達成ベンチマークでは、QRLはサンプル効率とパフォーマンスが改善されている。
  論文  参考訳（メタデータ） (2023-04-03T17:59:58Z)
• Energy Transformer [64.22957136952725]
  我々の研究は、機械学習における有望な3つのパラダイム、すなわち注意機構、エネルギーベースモデル、連想記憶の側面を組み合わせる。 本稿では,エネルギー変換器(ET,Energy Transformer)と呼ばれる新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-14T18:51:22Z)
• Goal-Conditioned Q-Learning as Knowledge Distillation [136.79415677706612]
  目標条件設定における非政治強化学習と知識蒸留との関連について検討する。 これは,目標の空間が高次元である場合に,目標条件付き非政治強化学習の性能を向上させることを実証的に示す。 また,複数のスパース目標を同時に達成した場合に,この手法を効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2022-08-28T22:01:10Z)

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。