論文の概要: A Flexible Adaptive Stable Clustering Algorithm for Archive-Scale Online Mass Spectrometry
- arxiv url: http://arxiv.org/abs/2605.07424v1
- Date: Fri, 08 May 2026 08:22:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.918736
- Title: A Flexible Adaptive Stable Clustering Algorithm for Archive-Scale Online Mass Spectrometry
- Title（参考訳）: アーカイブスケールオンライン質量分析のためのフレキシブル適応安定クラスタリングアルゴリズム
- Authors: Shao Shi, Xin Yang, Huiran Feng, Jianhuai Ye, Tianlong Hu, Yaling Zeng, Tzung-May Fu, Lei Zhu, Huizhong Shen, Chen Wang, Shu Tao,
- Abstract要約: 既存のクラスタリング手法はスケーラビリティ、メトリックの柔軟性、アルゴリズムの安定性に妥協を迫る。
本稿では,これらの制約を解決する動的システムフレームワークであるフレキシブル・アダプティブ・スタブル・クラスタリング(FASC)を紹介する。
FASCは、超希少な産業用トレーサを分離しながら、二次無機エアロゾルの大気の老化経路を自律的にマッピングした。
- 参考スコア（独自算出の注目度）: 10.313588601700427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern online mass spectrometry generates multi-terabyte data streams critical for understanding Earth's environmental systems. However, extracting actionable chemical insights from these repositories is impeded by a computational bottleneck: existing clustering methods force a compromise among scalability, metric flexibility, and algorithmic stability. Here, we introduce Flexible Adaptive Stable Clustering (FASC), a dynamical systems framework that resolves these constraints by architecturally decoupling the similarity kernel from rigorous optimization logic. Unlike legacy heuristics that suffer from stochastic drift and algorithmic blending, FASC employs a Density-Augmented Similarity Selection rule and geometric constraints to guarantee deterministic, order-independent convergence. After validating FASC on canonical machine-learning ground truths (achieving >99.5% cluster purity and 0.99 Adjusted Rand Index), we deployed the framework on 25 million mass spectra of atmospheric aerosols. Demonstrating strictly linear empirical runtime scaling (O(N)), FASC autonomously mapped atmospheric aging pathways of secondary inorganic aerosols while isolating ultra-rare industrial tracers (<0.2% abundance), providing a scalable infrastructure for mining environmental big data.
- Abstract（参考訳）: 現代のオンライン質量分析法は、地球の環境システムを理解する上で重要なマルチテラバイトのデータストリームを生成する。
しかし、これらのリポジトリから実行可能な化学的洞察を抽出することは、計算のボトルネックによって妨げられる。
本稿では,これらの制約を解決する動的システムフレームワークであるフレキシブル・アダプティブ・スタブル・クラスタリング(FASC)を紹介する。
確率的ドリフトとアルゴリズム的ブレンディングに苦しむレガシーヒューリスティックと異なり、FASCは決定論的、順序非依存の収束を保証するために密度拡張類似性選択規則と幾何学的制約を用いる。
FASCを標準的機械学習基底真理(99.5%のクラスタ純度と0.99の調整ランダム指数)で検証した後、大気エアロゾルの2500万質量スペクトル上に配置した。
厳密な線形経験的ランタイムスケーリング(O(N))を実証し、FASCは二次無機エアロゾルの大気老化経路を自律的にマッピングし、超希少な産業トレーサ(0.2%)を分離し、環境ビッグデータの採掘にスケーラブルなインフラを提供する。
関連論文リスト
- Equation-Free Digital Twins for Nonlinear Structural Dynamics [2.1038295489048977]
本稿では、Koopman演算子理論、Hankel-matrix埋め込み、動的モード分解に基づくランク最適化デジタルツインフレームワークを提案する。
この枠組みはNREL 5MWのスパルブイ浮揚風力タービンで検証されている。
転がり水平仮想センシング戦略は, 臨界ホットスポットにおける高忠実度再構成を実現する。
論文 参考訳（メタデータ） (2026-05-01T11:12:12Z) - Adaptive Dual-Weighting Framework for Federated Learning via Out-of-Distribution Detection [53.45696787935487]
Federated Learning (FL)は、大規模分散サービスノード間の協調的なモデルトレーニングを可能にする。
実世界のサービス指向デプロイメントでは、異種ユーザ、デバイス、アプリケーションシナリオによって生成されたデータは本質的にIIDではない。
FLoodは、オフ・オブ・ディストリビューション(OOD)検出にインスパイアされた新しいFLフレームワークである。
論文 参考訳（メタデータ） (2026-02-01T05:54:59Z) - Fluxamba: Topology-Aware Anisotropic State Space Models for Geological Lineament Segmentation in Multi-Source Remote Sensing [6.815807403335458]
トポロジ対応の機能修正フレームワークを導入した軽量アーキテクチャを提案する。
F Fluxambaは3.4Mパラメータと6.3G FLOPで24FPS以上のリアルタイム推論速度を達成する。
論文 参考訳（メタデータ） (2026-01-24T03:55:21Z) - PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。
静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。
高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
論文 参考訳（メタデータ） (2026-01-19T07:57:52Z) - SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。
時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。
SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
論文 参考訳（メタデータ） (2026-01-19T07:42:45Z) - An Adaptive Resonance Theory-based Topological Clustering Algorithm with a Self-Adjusting Vigilance Parameter [6.868495647132414]
本稿では,適応共振理論に基づくトポロジカルクラスタリングアルゴリズムを提案する。
多様性駆動適応機構を通じて、再計算間隔と警戒閾値を自律的に調整する。
24の実世界のデータセットに対する実験により、提案アルゴリズムはクラスタリング性能と連続学習能力の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2025-11-22T08:53:59Z) - scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration [53.683726781791385]
単一セルマルチオミクス(ScMRDR)と呼ばれるスケーラブルでフレキシブルな生成フレームワークを導入する。
本手法は, バッチ補正, モダリティアライメント, 生体信号保存の観点から, ベンチマークデータセット上での優れた性能を実現する。
論文 参考訳（メタデータ） (2025-10-28T21:28:39Z) - Hyperbolic Fuzzy C-Means with Adaptive Weight-based Filtering for Efficient Clustering [14.904264782690639]
Fuzzy $C$-Means (FCM) アルゴリズムは、非ユークリッド空間において顕著な制限を示す。
HypeFCMはファジィクラスタリングの原理と双曲幾何学を統合する。
HypeFCMは、非ユークリッド環境で従来のファジィクラスタリング法よりも大幅に優れている。
論文 参考訳（メタデータ） (2025-05-07T11:32:53Z) - Self-Supervised Graph Embedding Clustering [70.36328717683297]
K-means 1-step dimensionality reduction clustering method は,クラスタリングタスクにおける次元性の呪いに対処する上で,いくつかの進歩をもたらした。
本稿では,K-meansに多様体学習を統合する統一フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-24T08:59:51Z)
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。