論文の概要: Excluding the Target Domain Improves Extrapolation: Deconfounded Hierarchical Physics Constraints
- arxiv url: http://arxiv.org/abs/2605.07485v1
- Date: Fri, 08 May 2026 09:27:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.955238
- Title: Excluding the Target Domain Improves Extrapolation: Deconfounded Hierarchical Physics Constraints
- Title（参考訳）: ターゲットドメインを除くと外挿が改善される:階層物理学の制約は廃止される
- Authors: Tsuyoshi Okita,
- Abstract要約: アウト・オブ・ディストリビューション条件への外挿は、物理学に制約された深部生成モデルにとって根本的な課題である。
本稿では, 温度差が各制約レベルをいつ, どのように汚染するかを識別するデコンファウンド階層ゲート(DHG)を提案する。
RMSE = 0.215, 非拘束ベースラインよりも46%向上した。
- 参考スコア（独自算出の注目度）: 2.0013177824602444
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Extrapolation to out-of-distribution conditions is a fundamental challenge for physics-constrained deep generative models. Existing methods apply physical constraints as a single static regularization term uniformly across the generation process, and address neither the hierarchical structure of physical laws and the confounding variable problem. We propose the Deconfounded Hierarchical Gate (DHG), which serves as a diagnostic and control mechanism: it identifies when and how strongly temperature confounding contaminates each constraint level, so that hierarchical gates reflect intrinsic physical inconsistency rather than spurious temperature effects. DHG combines counterfactual estimation via the do-operator with backdoor adjustment to remove confounding, then applies Coarse-to-Fine physical constraints progressively. We report a counter-intuitive finding in pretraining: excluding the target-domain data from pretraining outperforms including it by 39% in extrapolation performance (RMSE 0.224 vs. 0.324). This occurs because FNO learns domain-agnostic physical patterns that transfer more effectively when the target domain is withheld. On a lithium-ion battery temperature extrapolation benchmark (trained at 24 degrees Celsius, evaluated at 4.0--43.0 degrees Celsius), our method achieves RMSE = 0.215, a 46% improvement over the unconstrained baseline (Pure CFM: 0.397).
- Abstract（参考訳）: アウト・オブ・ディストリビューション条件への外挿は、物理学に制約された深部生成モデルにとって根本的な課題である。
既存の手法では、物理法則の階層構造や共起変数の問題に対処せず、生成過程全体にわたって一様に単一の静的正規化項として物理的制約を適用している。
本稿では, 階層ゲートが本質的な物理的不整合を反映し, 温度依存性を反映していることを示す。
DHGは、Do-演算子による反ファクト推定とバックドア調整を組み合わせることで、コンバウンディングを除去し、次いで、Coarse-to-Fineの物理的制約を漸進的に適用する。
本報告では,事前訓練における非直感的な発見について報告する。対象領域のデータを除くと,外挿性能が39%向上する(RMSE 0.224 vs. 0.324)。
これは、FNOがターゲットドメインが保持されていないときに、より効果的に転送されるドメインに依存しない物理パターンを学ぶためである。
リチウムイオン電池温度外挿ベンチマーク(摂氏24度,摂氏4.0～43.0度)では, RMSE = 0.215, 非拘束ベースライン(摂氏0.397)よりも46%向上した。
関連論文リスト
- Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents [0.0]
制約のないツール使用エージェントは、どの情報ソースをクエリして実行するかを決めなければなりません。
本稿では,これらの障害モードを認知的摩擦によって形式化する決定論的枠組みであるTCAを提案する。
我々は,TCAを2つの制御された環境において,停止品質,混雑時の行動選択,時間的緊急性の分離を図った。
論文 参考訳（メタデータ） (2026-03-31T17:30:25Z) - Physics-Informed Neural Networks for Predicting Hydrogen Sorption in Geological Formations: Thermodynamically Constrained Deep Learning Integrating Classical Adsorption Theory [1.5749416770494706]
微粒な地質材料中の水素吸着の予測は地下の水素貯蔵能力の評価、キャップロックの完全性の評価、地下エネルギーシステムの水素移動の特徴付けに不可欠である。
本稿では,古典的吸着理論と熱力学的制約を直接学習プロセスに埋め込むことにより,この制限に対処する多スケール物理情報ニューラルネットワークフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-30T11:59:36Z) - Avoiding Premature Collapse: Adaptive Annealing for Entropy-Regularized Structural Inference [1.7523718031184992]
この障害の基本的なメカニズムは、 textbf Premature Mode Collapseである。
提案手法は,適応型スケジューリングアルゴリズムであるtextbfEfficient Piecewise Hybrid Adaptive Stability Control (EPH-ASC) で,推論過程の安定性をモニタする。
論文 参考訳（メタデータ） (2026-01-30T14:47:18Z) - Bridging the Physics-Data Gap with FNO-Guided Conditional Flow Matching: Designing Inductive Bias through Hierarchical Physical Constraints [2.0013177824602444]
時系列生成は、しばしばドメイン固有の物理的制約を無視し、統計的および物理的一貫性を制限する。
本研究では, 物理法則, 力学, 境界, 経験的関係の階層構造を, 直接的に深層生成モデルに組み込む階層的枠組みを提案する。
論文 参考訳（メタデータ） (2025-10-09T14:48:51Z) - Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
等変グラフニューラルネットワーク(GNN)に基づく新しい非局所XC関数であるEquivariant Graph Exchange correlation (EG-XC)を導入する。
この点の雲に同変GNNを適用することにより、スケーラブルで正確な分子レンジ相互作用をキャプチャする。
EG-XCは、QM9上のデータ効率と分子サイズの外挿に優れ、5倍以上の分子で訓練された整合力場である。
論文 参考訳（メタデータ） (2024-10-10T14:31:45Z) - Understanding, Predicting and Better Resolving Q-Value Divergence in
Offline-RL [86.0987896274354]
まず、オフラインRLにおけるQ値推定のばらつきの主な原因として、基本パターン、自己励起を同定する。
そこで本研究では,Q-network の学習における進化特性を測定するために,SEEM(Self-Excite Eigen Value Measure)尺度を提案する。
われわれの理論では、訓練が早期に発散するかどうかを確実に決定できる。
論文 参考訳（メタデータ） (2023-10-06T17:57:44Z) - Efficient Simulation of Quantum Many-body Thermodynamics by Tailoring
Zero-temperature Tensor Network [2.13230439190003]
ゼロ温度分割関数を表すテンソルネットワーク(TN)から有限温度特性にアクセスすることを提案する。
提案されたアイデアは、ボソンとフェルミオンの高次元システムに拡張することができる。
論文 参考訳（メタデータ） (2022-02-01T06:46:52Z) - Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains
at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。
正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文 参考訳（メタデータ） (2021-05-11T14:08:02Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z)
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。