論文の概要: Sequence Search: Automated Sequence Design using Neural Architecture Search

• arxiv url: http://arxiv.org/abs/2604.14788v1
• Date: Thu, 16 Apr 2026 08:50:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.813224
• Title: Sequence Search: Automated Sequence Design using Neural Architecture Search
• Title（参考訳）: シーケンスサーチ:ニューラルアーキテクチャサーチを用いたシーケンス自動設計
• Authors: Rokgi Hong, Hongjun An, Sooyeon Ji, Jongho Lee,
• Abstract要約: シーケンス検索(Sequence Search)は、ニューラルネットワーク検索に基づく自動シーケンス設計フレームワークである。 このフレームワークは従来のスピンエチョ、T2重スピンエチョ、反転回復配列の複製に成功した。
• 参考スコア（独自算出の注目度）: 2.827594783979491
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developing an MR sequence is challenging and remains largely constrained by human intuition. Recently, AI-driven approaches have been proposed; however, most require an initial sequence for parameter optimization or extensive training datasets, limiting their general applicability. In this study, we propose "Sequence Search," an automated sequence design framework based on neural architecture search. The method takes tissue properties, imaging parameters, and design objectives as inputs and generates pulse sequences satisfying the design objectives, without requiring prior knowledge of conventional sequence structures. Sequence Search iteratively generates candidate sequences through neural architecture search and optimizes them via a differentiable Bloch simulator and objective-specific loss functions using gradient-based learning. The framework successfully replicated conventional spin-echo, T2-weighted spin-echo, and inversion recovery sequences. Less intuitive solutions were also discovered, such as three-RF spin-echo-like sequences with reduced RF energy and refocusing phases deviating from the conventional Hahn-echo. This work establishes a generalizable framework for automated MR sequence design, highlighting the potential to explore configurations beyond conventional designs based on human intuition.
• Abstract（参考訳）: MRシークエンスの開発は困難であり、人間の直感に大きく制約されている。 近年、AI駆動型アプローチが提案されているが、ほとんどの場合、パラメータ最適化や広範なトレーニングデータセットの初期シーケンスが必要であり、汎用性に制限がある。 本研究では,ニューラルネットワーク検索に基づく自動シーケンス設計フレームワークであるSequence Searchを提案する。 本手法は, 組織特性, イメージングパラメータ, 設計目的を入力として, 従来の配列構造に関する事前知識を必要とせず, 設計目的を満たすパルスシーケンスを生成する。 逐次探索は、ニューラルネットワーク探索を通じて候補シーケンスを反復的に生成し、それを微分可能なBlochシミュレータと、勾配に基づく学習を用いた目的特異的損失関数を用いて最適化する。 このフレームワークは従来のスピンエチョ、T2重スピンエチョ、反転回復配列の複製に成功した。 RFエネルギーを減少させた3-RFスピン-エチョ様配列や、従来のハーン-エチョから逸脱した再焦点相など、より直感的な解も発見された。 この研究は、人間の直感に基づく従来の設計を超えて構成を探索する可能性を強調し、自動MRシーケンス設計のための一般化可能なフレームワークを確立する。

関連論文リスト

• Spanning Tree Autoregressive Visual Generation [51.7635842702602]
  本稿では,Spanning Tree Autoregressive (STAR) モデリングについて述べる。
  論文  参考訳（メタデータ） (2025-11-21T09:45:17Z)
• Regulatory DNA sequence Design with Reinforcement Learning [56.20290878358356]
  本稿では,強化学習を利用して事前学習した自己回帰モデルを微調整する生成手法を提案する。 2つの酵母培地条件下でのプロモーター設計タスクの評価と,3種類のヒト細胞に対するエンハンサー設計タスクの評価を行った。
  論文  参考訳（メタデータ） (2025-03-11T02:33:33Z)
• Warmup Generations: A Task-Agnostic Approach for Guiding Sequence-to-Sequence Learning with Unsupervised Initial State Generation [34.55224347308013]
  シーケンシャル・ツー・シークエンス・タスクのための従来の教師付き微調整(SFT)戦略は、しばしばターゲット出力を直接生成するようにモデルを訓練する。 モデルが中間の"upwarm"シーケンスを生成可能なタスク非依存フレームワークを提案する。 提案手法は従来のSFT手法よりも優れており,シーケンシャル・ツー・シーケンス・タスクに対してスケーラブルで柔軟なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-02-17T20:23:42Z)
• Decoupled Sequence and Structure Generation for Realistic Antibody Design [45.72237864940556]
  主要なパラダイムは、モデルに抗体配列と構造を候補として共同で生成するように訓練することである。 本稿では, 配列生成と構造予測を分離した抗体配列構造デカップリング(ASSD)フレームワークを提案する。 ASSDは様々な抗体設計実験で性能が向上し、合成に基づく目的は非自己回帰モデルのトークン反復を軽減した。
  論文  参考訳（メタデータ） (2024-02-08T13:02:05Z)
• Retrieving Continuous Time Event Sequences using Neural Temporal Point Processes with Learnable Hashing [24.963828650935913]
  エンド・ツー・エンドのCTES検索に特化して設計された一級フレームワークであるNeuroSeqRetを提案する。 我々は,精度と効率のトレードオフに基づいて,異なる種類のアプリケーションに対する妥当性モデルの4つの変種を開発する。 実験の結果,NeuroSeqRetの精度は向上し,ハッシュ機構の有効性も示された。
  論文  参考訳（メタデータ） (2023-07-13T18:54:50Z)
• Protein Design with Guided Discrete Diffusion [67.06148688398677]
  タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。 離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。 NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
  論文  参考訳（メタデータ） (2023-05-31T16:31:24Z)
• HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel Neural Architecture Search [104.45426861115972]
  設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。 我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。 6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
  論文  参考訳（メタデータ） (2023-04-23T17:27:40Z)
• Diversifying Design of Nucleic Acid Aptamers Using Unsupervised Machine Learning [54.247560894146105]
  短い一本鎖RNAとDNA配列(アプタマー)の逆設計は、一連の望ましい基準を満たす配列を見つけるタスクである。 我々は、Pottsモデルとして知られる教師なし機械学習モデルを用いて、制御可能なシーケンスの多様性を持つ新しい有用なシーケンスを発見することを提案する。
  論文  参考訳（メタデータ） (2022-08-10T13:30:58Z)
• Benchmarking deep generative models for diverse antibody sequence design [18.515971640245997]
  シーケンスのみから、あるいはシーケンスと構造を共同で学習する深層生成モデルは、このタスクにおいて印象的なパフォーマンスを示している。 最近提案されたタンパク質設計のための3つの深い生成フレームワークについて考察する: (AR) 配列ベースの自己回帰生成モデル、(GVP) 正確な構造ベースのグラフニューラルネットワーク、そして3次元折り畳みのファジィでスケールフリーな表現を利用するFold2Seq。 我々は,これらのモデルを,機能的含意に高い多様性を持つ設計配列を必要とする抗体配列の計算設計のタスクに基づいてベンチマークする。
  論文  参考訳（メタデータ） (2021-11-12T16:23:32Z)
• HpGAN: Sequence Search with Generative Adversarial Networks [21.770047587104923]
  本稿では,GAN (Generative Adversarial Network) をアルゴリズムで検索するHpGANという新しい手法を提案する。 HpGANはゼロサムゲームに基づいて生成モデルをトレーニングし、トレーニングシーケンスに類似した特徴を持つシーケンスを生成する。
  論文  参考訳（メタデータ） (2020-12-10T13:05:20Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)

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。