論文の概要: The Kerimov-Alekberli Model: An Information-Geometric Framework for Real-Time System Stability

• arxiv url: http://arxiv.org/abs/2604.24083v1
• Date: Mon, 27 Apr 2026 06:13:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.767199
• Title: The Kerimov-Alekberli Model: An Information-Geometric Framework for Real-Time System Stability
• Title（参考訳）: Kerimov-Alekberliモデル:リアルタイムシステムの安定性のための情報幾何学的フレームワーク
• Authors: Hikmat Karimov, Rahid Zahid Alekberli,
• Abstract要約: 本研究では,AIの安全性を再定義する新しい情報幾何学フレームワークであるKerimov-Alekberliモデルを紹介する。 非平衡熱力学を自律システムの倫理的アライメントの制御に正式にリンクすることにより、システム異常を定義する。 NSL-KDDデータセットと無人航空機軌道シミュレーションの検証により,本モデルが実時間検出に有効であることを実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study introduces the Kerimov-Alekberli model, a novel information-geometric framework that redefines AI safety by formally linking non-equilibrium thermodynamics to stochastic control for the ethical alignment of autonomous systems. By establishing a formal isomorphism between non-equilibrium thermodynamics and stochastic control, we define systemic anomalies as deviations from a Riemannian manifold. The model utilizes the Kullback-Leibler divergence as the primary metric, governed by a dynamic threshold derived from the Fisher Information Metric. We further ground this framework in the Landauer Principle, proving that adversarial perturbations perform measurable physical work by increasing the system's informational entropy. Validation on the NSL-KDD dataset and unmanned aerial vehicle trajectory simulations demonstrated that our model achieves effective real-time detection via the FPT trigger, with strong performance metrics (e.g., high accuracy and low FPR) on benchmark datasets. This study provides a rigorous physical foundation for AI safety, transitioning from heuristic, rule-based ethical frameworks to a thermodynamics-based stability paradigm by grounding ethical violations in quantifiable physical work and entropic information.
• Abstract（参考訳）: 本研究では,自律システムの倫理的アライメントのための確率的制御に非平衡熱力学を公式にリンクすることで,AIの安全性を再定義する新しい情報幾何学フレームワークであるKerimov-Alekberliモデルを紹介する。 非平衡熱力学と確率制御の間の形式的同型を確立することにより、体系的異常をリーマン多様体からの偏差として定義する。 このモデルは、Kulback-Leibler分散を一次計量として利用し、Fisher Information Metricから派生した動的しきい値によって支配される。 我々はさらに、この枠組みをランダウアー原理(Landauer Principle)に根ざし、システムの情報エントロピーを増大させることにより、敵の摂動が測定可能な物理的作業を実行することを証明した。 NSL-KDDデータセットと無人航空機軌道シミュレーションの検証により、我々のモデルはFPTトリガによる効率的なリアルタイム検出を実現し、ベンチマークデータセット上での強力な性能指標(高い精度、低いFPR)が得られた。 この研究は、AIの安全性のための厳格な物理的基盤を提供し、定量的な物理的作業とエントロピー情報に倫理的違反を根拠として、ヒューリスティックな規則に基づく倫理的枠組みから熱力学に基づく安定性パラダイムへと移行する。

関連論文リスト

• Learning to Test: Physics-Informed Representation for Dynamical Instability Detection [12.003388826045928]
  本稿では,分散シフト下での安定性評価のためのテスト指向学習フレームワークを提案する。 認定された安全体制のベースラインデータに基づいてトレーニングされ、学習された表現により、デプロイメント時の安全監視を分散仮説テストとして定式化することができる。
  論文  参考訳（メタデータ） (2026-04-13T04:12:40Z)
• Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
  本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。 提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
  論文  参考訳（メタデータ） (2025-12-20T04:46:25Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Anomaly Detection in Complex Dynamical Systems: A Systematic Framework Using Embedding Theory and Physics-Inspired Consistency [0.0]
  複雑な力学系における異常検出は、産業やサイバー物理のインフラにおける信頼性、安全性、効率を確保するために不可欠である。 本稿では,古典的な埋め込み理論と物理に着想を得た一貫性原理を基礎としたシステム理論による異常検出手法を提案する。 本研究は, 異常が安定系の力学を阻害する仮説を支持し, 異常検出のためのロバストな信号を提供する。
  論文  参考訳（メタデータ） (2025-02-26T17:06:13Z)
• Physically Analyzable AI-Based Nonlinear Platoon Dynamics Modeling During Traffic Oscillation: A Koopman Approach [4.379212829795889]
  物理的アナライザビリティを同時に達成しつつ、高精度なモデリング手法が不可欠である。 本稿では,AIのパワーを利用した未知の非線形プラトン力学をモデル化するためのAIベースのクープマン手法を提案する。
  論文  参考訳（メタデータ） (2024-06-20T19:35:21Z)
• Stability-Certified Learning of Control Systems with Quadratic Nonlinearities [9.599029891108229]
  この研究は、主に低次元の力学モデルを構築することを目的とした演算子推論手法に焦点を当てている。 本研究の目的は,本質的な安定性を保証する2次制御力学系の推論を容易にする手法を開発することである。
  論文  参考訳（メタデータ） (2024-03-01T16:26:47Z)
• Correct-by-Construction Control for Stochastic and Uncertain Dynamical Models via Formal Abstractions [44.99833362998488]
  我々は、様々なモデリングの前提の下でこの問題を解決するために使用できる抽象フレームワークを開発する。 我々は、与えられた仕様を満たすための保証とともに、iMDPの最適ポリシーを計算するために最先端の検証技術を使用します。 そして、このポリシーを構築によって、これらの保証が動的モデルに受け継がれるフィードバックコントローラに改良できることを示します。
  論文  参考訳（メタデータ） (2023-11-16T11:03:54Z)
• TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
  連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。 時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。 様々な物理システムに対する実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-10-10T08:52:16Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• A physics-based domain adaptation framework for modelling and forecasting building energy systems [5.8010446129208155]
  最先端の機械学習ベースのモデルは、建物内のエネルギー挙動のモデリングと予測に一般的な選択肢である。 しかし、それらの構造は、物理現象の制御と結びついた物理的・機械的構造を持たない。 我々はラベル付きデータの代わりに、熱伝達常微分方程式によって支配されるLTIの幾何学構造を利用する新しいSDA手法を導入する。
  論文  参考訳（メタデータ） (2022-08-19T17:27:39Z)

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。