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

論文の概要: Modelling Gas-Phase Reaction Kinetics with Guided Particle Diffusion Sampling

arxiv url: http://arxiv.org/abs/2604.16461v1
Date: Wed, 08 Apr 2026 07:35:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-04 02:32:14.01734
Title: Modelling Gas-Phase Reaction Kinetics with Guided Particle Diffusion Sampling
Title（参考訳）: 誘導粒子拡散サンプリングによるガス相反応速度のモデル化
Abstract要約: 導出サンプリングは, 孤立状態ではなく, 完全な未確認軌道の再構築に有効であることを示す。これらの手法は,これまで見つからなかったパラメータ構造に一般化し,実世界の応用の可能性を強調している。
参考スコア（独自算出の注目度）: 2.268967243235613
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Physics-guided sampling with diffusion priors has recently shown strong performance in solving complex systems of partial differential equations (PDEs) from sparse observations. However, these methods are typically evaluated on benchmark problems that do not fully demonstrate their ability to generate temporally consistent solutions of time-dependent PDEs, often focusing instead on reconstructing a single snapshot. In this work, we apply these methods to gas-phase reaction kinetics problems governed by the advection-reaction-diffusion (ARD) equation, providing a setting that more closely reflects realistic laboratory experiments. We demonstrate that guided sampling can be used to reconstruct full spatiotemporal trajectories, rather than isolated states. Furthermore, we show that these methods generalise to previously unseen parameter regimes, highlighting their potential for real-world applications.
Abstract（参考訳）: 偏微分方程式 (PDE) の複雑な系をスパース観測から解く上で, 拡散前の物理誘導サンプリングは強い性能を示した。しかしながら、これらの手法は通常、時間依存PDEの時間的一貫したソリューションを生成する能力を完全に証明していないベンチマーク問題に基づいて評価される。本研究では,これらの手法を,吸着-反応-拡散(ARD)方程式によって制御される気相反応速度論問題に適用し,より現実的な実験実験を反映した設定を与える。孤立状態ではなく,全時空間軌跡の再構築にガイドサンプリングを用いることが実証された。さらに,これらの手法は,これまで見つからなかったパラメータ構造に一般化し,実世界の応用の可能性を強調した。

関連論文リスト

From Scores to Gibbs Correctors: Accelerating Uniform-Rate Discrete Diffusion Models [58.02657021435213]
我々は、Gibs-Accelerated Discrete Diffusion (GADD)と呼ばれる離散拡散モデルのための新しいGibsベースの修正器を提案する。我々はGADDが$mathcalO(mathrmpolylog (varepsilon-1)$の総合的なサンプリング複雑性を達成し、均一レートの離散拡散モデルに対する拡散に基づくサンプリング者にとって最初のレートとなることを示す。
論文参考訳（メタデータ） (2026-05-26T17:52:28Z)
Particle-Guided Diffusion for Gas-Phase Reaction Kinetics [0.0]
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。
論文参考訳（メタデータ） (2026-03-05T13:09:28Z)
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)
Enhancing Diffusion-Based Sampling with Molecular Collective Variables [23.394068689634086]
拡散に基づくサンプリングは、エネルギーやログ密度だけで複雑な高次元分布をサンプリングすることを学ぶ。我々は、集合変数(CVs)として知られる原子座標のベスポーク、情報豊か、低次元射影に沿ったシーケンシャルバイアスを導入する。拡散型サンプリング装置を用いた反応性サンプリングを初めて実施し, 原子間ポテンシャルによる結合破壊と生成をほぼ第一原理精度で観測した。
論文参考訳（メタデータ） (2025-10-13T20:44:54Z)
Competing Bosonic Reactions: Insight from Exactly Solvable Time-Dependent Models [0.0]
真に解決可能な多状態ランダウ-ツェナー模型の進歩を, 真空下での粒子生成の競合反応への応用の観点から論じる。我々は、この効果を定量化し、対応する相転移を明らかにし、その普遍性クラスを特定するために、2つの反応経路に対して、駆動ボソニックTavis-Cummingsモデルの正確な解を用いる。
論文参考訳（メタデータ） (2025-04-17T15:38:04Z)
Closure Discovery for Coarse-Grained Partial Differential Equations Using Grid-based Reinforcement Learning [2.9611509639584304]
本稿では,グリッドベース強化学習を用いて,未解決PDEにおけるクロージャの同定のための体系的アプローチを提案する。我々は, 対流方程式とバーガース方程式の数値解を用いて, フレームワークの機能と限界を実証する。
論文参考訳（メタデータ） (2024-02-01T19:41:04Z)
Predicting Ordinary Differential Equations with Transformers [65.07437364102931]
単一溶液軌道の不規則サンプリングおよび雑音観測から,スカラー常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを開発した。提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たな観測解の法則を推測することができる。
論文参考訳（メタデータ） (2023-07-24T08:46:12Z)
A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文参考訳（メタデータ） (2023-05-31T15:33:16Z)
Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文参考訳（メタデータ） (2023-04-10T17:54:38Z)
Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文参考訳（メタデータ） (2022-10-24T16:54:18Z)
Provable RL with Exogenous Distractors via Multistep Inverse Dynamics [85.52408288789164]
実世界の強化学習(RL)の応用は、メガピクセルカメラから生成されたような高次元の観察にエージェントが対処する必要がある。従来の研究は表現学習でこのような問題に対処しており、エージェントは生の観察から内因性、潜伏状態の情報を確実に抽出することができる。しかし、このような手法は観測において時間的に相関するノイズの存在下では失敗する可能性がある。
論文参考訳（メタデータ） (2021-10-17T15:21:27Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)

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。