論文の概要: Causally constrained reduced-order neural models of complex turbulent dynamical systems
- arxiv url: http://arxiv.org/abs/2602.13847v2
- Date: Tue, 17 Feb 2026 04:31:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-18 13:57:33.621546
- Title: Causally constrained reduced-order neural models of complex turbulent dynamical systems
- Title（参考訳）: 複素乱流力学系の因果的制約付き低次ニューラルモデル
- Authors: Fabrizio Falasca, Laure Zanna,
- Abstract要約: 乱流系の低次ニューラルエミュレータにおいて,応答理論とスコアマッチングに基づくフレキシブルなフレームワークを導入し,非因果依存性を抑制する。
本稿では,低周波大気変動のプロトタイプとしてCharney-DeVoreモデルを用いたアプローチを紹介する。
- 参考スコア（独自算出の注目度）: 0.6094969391643746
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a flexible framework based on response theory and score matching to suppress spurious, noncausal dependencies in reduced-order neural emulators of turbulent systems, focusing on climate dynamics as a proof-of-concept. We showcase the approach using the stochastic Charney-DeVore model as a relevant prototype for low-frequency atmospheric variability. We show that the resulting causal constraints enhance neural emulators' ability to respond to both weak and strong external forcings, despite being trained exclusively on unforced data. The approach is broadly applicable to modeling complex turbulent dynamical systems in reduced spaces and can be readily integrated into general neural network architectures.
- Abstract（参考訳）: 本稿では, 応答理論とスコアマッチングに基づくフレキシブルな枠組みを導入し, 乱流系の低次ニューラルエミュレータの急激な非因果依存性を抑え, 概念実証としての気候力学に着目した。
本稿では,低周波大気変動のプロトタイプとして,確率的Charney-DeVoreモデルを用いたアプローチを紹介する。
結果として生じる因果的制約は、非強制的なデータにのみ訓練されているにもかかわらず、弱い外的強制力と強い強制力の両方に反応する神経エミュレータの能力を高めることが示される。
このアプローチは、縮小された空間における複雑な乱流力学系をモデル化するのに広く適用でき、一般的なニューラルネットワークアーキテクチャに容易に組み込むことができる。
関連論文リスト
- Neuronal Group Communication for Efficient Neural representation [85.36421257648294]
本稿では, 効率的な, モジュラー, 解釈可能な表現を学習する, 大規模ニューラルシステムの構築方法に関する問題に対処する。
本稿では、ニューラルネットワークを相互作用する神経群の動的システムとして再認識する理論駆動型フレームワークである神経グループ通信(NGC)を提案する。
NGCは、重みを埋め込みのようなニューロン状態間の過渡的な相互作用として扱い、神経計算はニューロン群間の反復的なコミュニケーションを通じて展開する。
論文 参考訳（メタデータ） (2025-10-19T14:23:35Z) - Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。
われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。
本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
論文 参考訳（メタデータ） (2025-07-15T17:57:48Z) - High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。
近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。
機能適応型INR(FA-INR)を提案する。
論文 参考訳（メタデータ） (2025-06-07T16:45:17Z) - Certified Neural Approximations of Nonlinear Dynamics [51.01318247729693]
安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。
本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
論文 参考訳（メタデータ） (2025-05-21T13:22:20Z) - Neural Manifolds and Cognitive Consistency: A New Approach to Memory Consolidation in Artificial Systems [0.0]
本稿では, ニューラル人口動態, 海馬鋭波リップル(SpWR)生成, ハイダー理論に触発された認知的一貫性の制約を統一する新しい数学的枠組みを提案する。
我々のモデルは低次元多様体表現を利用して構造化された神経ドリフトを捕捉し、コヒーレントシナプス相互作用を強制するためにバランスエネルギー関数を組み込む。
この研究は、神経科学と人工知能を橋渡しするスケーラブルなニューロモルフィックアーキテクチャの道を開くもので、将来のインテリジェントシステムに対してより堅牢で適応的な学習メカニズムを提供する。
論文 参考訳（メタデータ） (2025-02-25T18:28:25Z) - eXponential FAmily Dynamical Systems (XFADS): Large-scale nonlinear Gaussian state-space modeling [9.52474299688276]
非線形状態空間グラフィカルモデルのための低ランク構造化変分オートエンコーダフレームワークを提案する。
我々のアプローチは、より予測的な生成モデルを学ぶ能力を一貫して示している。
論文 参考訳（メタデータ） (2024-03-03T02:19:49Z) - Dynamics with autoregressive neural quantum states: application to
critical quench dynamics [41.94295877935867]
本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。
二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
論文 参考訳（メタデータ） (2022-09-07T15:50:00Z) - Evaluating complexity and resilience trade-offs in emerging memory
inference machines [0.6970352368216021]
深層ニューラルネットワークのコンパクトな実装は、予期せず、複数のシステム障害から崩壊するおそれがあることが示される。
我々の研究は、モザイクフレームワークを利用した高性能で強力なレジリエンスへの中間経路を提案する。
論文 参考訳（メタデータ） (2020-02-25T21:40:08Z)
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。