Fugu-MT 論文翻訳(概要): Particle-Guided Diffusion for Gas-Phase Reaction Kinetics

論文の概要: Particle-Guided Diffusion for Gas-Phase Reaction Kinetics

arxiv url: http://arxiv.org/abs/2603.05139v1
Date: Thu, 05 Mar 2026 13:09:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-06 22:06:11.234004
Title: Particle-Guided Diffusion for Gas-Phase Reaction Kinetics
Title（参考訳）: 粒子誘導拡散によるガス相反応速度論
Authors: Andrew Millard, Henrik Pedersen,
Abstract要約: 拡散-反応-拡散-拡散-拡散方程式の様々なパラメータに対する解の学習により気相化学反応に拡散-誘導サンプリングを適用した。物理的に一貫した濃度場を生成し、未確認パラメータ値を含む出口濃度を正確に予測する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Physics-guided sampling with diffusion model priors has shown promise for solving partial differential equation (PDE) governed problems, but applications to chemically meaningful reaction-transport systems remain limited. We apply diffusion-based guided sampling to gas-phase chemical reactions by training on solutions of the advection-reaction-diffusion (ARD) equation across varying parameters. The method generates physically consistent concentration fields and accurately predicts outlet concentrations, including at unseen parameter values, demonstrating the potential of diffusion models for inference in reactive transport.
Abstract（参考訳）: 拡散モデルによる物理誘導サンプリングは、偏微分方程式(PDE)が支配する問題を解くことを約束しているが、化学的に意味のある反応-輸送系への応用は限定的である。拡散-反応-拡散-拡散-拡散-拡散(ARD)方程式の様々なパラメータに対する解の訓練により気相化学反応に拡散-誘導サンプリングを適用した。本手法は, 物理的に一貫した濃度場を生成し, 未確認パラメータ値を含む出口濃度を正確に予測し, 反応輸送における拡散モデルの可能性を示す。

関連論文リスト

Physics-informed diffusion models in spectral space [2.5315729179239637]
本稿では,生成潜在拡散モデルと物理インフォームド機械学習を組み合わせた手法を提案する。我々は、スケールされたスペクトル表現の潜在空間における拡散過程を通じて、PDEパラメータと解の合同分布を学習する。提案したPoisson, Helmholtz, and incompressible Navier--Stokes 方程式に対するアプローチを評価し,精度と計算効率を向上した。
論文参考訳（メタデータ） (2026-02-10T12:11:07Z)
Particle-Guided Diffusion Models for Partial Differential Equations [11.76363706662626]
物理に基づく誘導による拡散モデルからのサンプリングを増強するガイド付きサンプリング手法を提案する。我々はこのサンプリング手順を新しいSequential Monte Carloフレームワークに組み込み、スケーラブルな生成PDEソルバを生成する。
論文参考訳（メタデータ） (2026-01-30T18:30:24Z)
Estimating Solvation Free Energies with Boltzmann Generators [0.0]
異なる大きさの溶質間で溶媒配置をマッピングする正規化フローに基づく計算フレームワークを提案する。 Lennard-Jones溶媒の場合、この手法は自由エネルギーの差を推定する上で許容できる精度をもたらすことを実証する。
論文参考訳（メタデータ） (2025-12-20T00:08:19Z)
Flow matching for reaction pathway generation [1.8420084274819617]
モルゲンは、ガウス前駆体を標的とする化学分布を輸送する最適な輸送経路を学習する条件付きフローマッチングフレームワークである。 TSDiffとOA-ReactDiffが使用しているベンチマークでは、MolGENはTSの幾何精度とバリアハイト予測を超越し、サンプリングを秒未満に削減している。 MolGENはまた、競合するトップkの精度でオープンな製品生成をサポートし、シーケンスモデルに共通する質量/電子バランス違反を避ける。
論文参考訳（メタデータ） (2025-07-14T17:54:47Z)
Transformers from Diffusion: A Unified Framework for Neural Message Passing [79.9193447649011]
メッセージパッシングニューラルネットワーク(MPNN)は、デファクトクラスのモデルソリューションとなっている。本稿では,拡散の誘導バイアスとエネルギーの層的制約を統合するエネルギー制約拡散モデルを提案する。これらの知見に基づいて、我々はTransformer (DIFFormer)と呼ばれる新しいタイプのメッセージパッシングモデルを考案した。
論文参考訳（メタデータ） (2024-09-13T17:54:41Z)
Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
論文参考訳（メタデータ） (2024-07-25T09:53:12Z)
Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文参考訳（メタデータ） (2024-03-03T23:15:48Z)
Causal Modeling with Stationary Diffusions [89.94899196106223]
定常密度が干渉下でのシステムの挙動をモデル化する微分方程式を学習する。古典的アプローチよりもよく、変数に対する見当たらない介入を一般化することを示します。提案手法は,再生カーネルヒルベルト空間における拡散発生器の定常状態を表す新しい理論結果に基づく。
論文参考訳（メタデータ） (2023-10-26T14:01:17Z)
Lipschitz Singularities in Diffusion Models [64.28196620345808]
拡散モデルは、零点付近の時間変数に関して、しばしばネットワークの無限のリプシッツ特性を示す。ゼロ点近傍の拡散モデルのリプシッツ特異点を緩和する新しい手法 E-TSDM を提案する。我々の研究は、一般拡散過程の理解を深め、拡散モデルの設計に関する洞察を提供するかもしれない。
論文参考訳（メタデータ） (2023-06-20T03:05:28Z)
Reconstructing Graph Diffusion History from a Single Snapshot [87.20550495678907]
A single SnapsHot (DASH) から拡散履歴を再構築するための新しいバリセンターの定式化を提案する。本研究では,拡散パラメータ推定のNP硬度により,拡散パラメータの推定誤差が避けられないことを証明する。また、DITTO(Diffusion hitting Times with Optimal proposal)という効果的な解法も開発している。
論文参考訳（メタデータ） (2023-06-01T09:39:32Z)
Unsupervised Discovery of Inertial-Fusion Plasma Physics using Differentiable Kinetic Simulations and a Maximum Entropy Loss Function [77.34726150561087]
プラズマ運動学3次元偏微分方程式の微分可能解法を作成し, 領域固有の目的関数を導入する。我々はこの枠組みを慣性融合に関する構成に適用し、最適化プロセスが新しい物理効果を利用することを示す。
論文参考訳（メタデータ） (2022-06-03T15:27:33Z)
Equivariant Diffusion for Molecule Generation in 3D [74.289191525633]
この研究は、ユークリッド変換に同値な3次元の分子計算生成のための拡散モデルを導入する。提案手法は, 従来の3次元分子生成法に比べて, 生成した試料の品質と訓練時の効率を著しく向上させる。
論文参考訳（メタデータ） (2022-03-31T12:52:25Z)
Stochastic modeling of non-linear adsorption with Gaussian kernel density estimators [2.7126936616742845]
吸着は、製品製造や汚染修復など、多くの分野で関連するプロセスである。我々は吸着シミュレーションのための化学拡散反応モデルを提案した。提案モデルでは,ラングミュアとフレンドリッヒ等温線の非線形挙動特性を効果的に再現することができる。
論文参考訳（メタデータ） (2020-04-14T12:21:33Z)

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。