論文の概要: Exactness Matters for Physical Rule Enforcement

• arxiv url: http://arxiv.org/abs/2605.08285v1
• Date: Fri, 08 May 2026 07:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.530046
• Title: Exactness Matters for Physical Rule Enforcement
• Title（参考訳）: 物理法規施行の具体的事項
• Authors: Bum Jun Kim,
• Abstract要約: より強い物理ルールの執行がいつ信頼できるか、いつそれが流通シフトの源となるかは、まだ不明である。 この問題は作用素の正確性(すなわち、補修写像が対象多様体上の恒等写像であるかどうか)を通して研究する。 制御ミスマッチ、スクリーニングされたクリーンアップ、アダプティブゲーティング、および外部バックボーンチェックは、最適な近似登録操作ポイントが生またはほぼ同一であることを示す。
• 参考スコア（独自算出の注目度）: 4.230349220081444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autoregressive scientific forecasters often enforce physical or structural constraints by repairing each predicted state before feeding it back into the model. However, it remains unclear when stronger physical rule enforcement becomes reliable and when it becomes a source of distribution shift. We study this question through operator exactness, meaning whether the repair map is the identity on the target manifold and is aligned with the target geometry. We compare raw forecasting, post hoc repair, and in-loop repair across periodic incompressible Navier--Stokes, non-periodic CFDBench flows, and a hierarchical-forecasting support task. In the exact periodic regime, Fourier projection substantially improves rollout accuracy. On the NS-128 benchmark, a strong Raw-FNO has a final-step rollout MSE at horizon 100 of $(9.390 \pm 6.290)\times 10^{-5}$, and post hoc and in-loop projection reduce it to $(1.130 \pm 0.165)\times 10^{-6}$ and $(5.370 \pm 0.113)\times 10^{-7}$. However, once an exact projection is unavailable and only approximate boundary-preserving cleanup is available, the ordering changes. Across cavity, tube, dam, and cylinder flow, stronger Poisson-based cleanup can reduce divergence while worsening rollout error; target-distortion MSE predicts this harm far better than a linear-system residual. Controlled mismatch, screened cleanup, adaptive gating, and external-backbone checks show that the best approximate-regime operating point can be raw or near-identity. Hierarchical forecasting gives the same broader pattern. Exact forecast reconciliation is a stable baseline, whereas blended top-down repair, a validation-tuned interpolation toward historical-proportion top-down reconciliation, is dataset-dependent. Thus, constraint enforcement should be benchmarked by operator--data alignment before enforcement strength.
• Abstract（参考訳）: 自己回帰的な科学的予測者は、予測された各状態をモデルに戻す前に修復することで、物理的または構造的な制約を強制することが多い。 しかし、より強力な物理規制執行がいつ信頼できるか、いつそれが流通シフトの源となるかは、まだ不明である。 この問題は作用素の正確性、すなわち補修写像が対象多様体上の恒等写像であり、対象幾何学と整合しているかどうかによって研究される。 本研究では,非圧縮性Navier-Stokes,非周期CFDBench流れ,階層型予測支援タスクの生予測,ポストホック修復,ループ内修復を比較した。 正確な周期状態では、フーリエ射影はロールアウト精度を大幅に改善する。 NS-128ベンチマークでは、強いRaw-FNOが水平100ドル(9.390 \pm 6.290)\times 10^{-5}$、ポストホックおよびインループプロジェクションにより1.130 \pm 0.165)\times 10^{-6}$と$(5.370 \pm 0.113);times 10^{-7}$となる。 しかし、正確なプロジェクションが利用できなくなり、ほぼ境界保存されたクリーンアップのみが利用可能になると、順序が変わる。 キャビティ, チューブ, ダム, シリンダーフロー, ポアソンをベースとしたより強い浄化は, ロールアウト誤差を悪化させながら分岐を減少させる。 制御ミスマッチ、スクリーニングされたクリーンアップ、アダプティブゲーティング、および外部バックボーンチェックは、最適な近似登録操作ポイントが生またはほぼ同一であることを示す。 階層的な予測は、同じより広いパターンを提供する。 厳密な予測調整は安定したベースラインであるのに対し、過去のトップダウン修復に対する検証調整された補間はデータセットに依存している。 したがって、強制力の前にデータアライメントによって制約執行をベンチマークする必要がある。

関連論文リスト

• FragileFlow: Spectral Control of Correct-but-Fragile Predictions for Foundation Model Robustness [13.992146221170543]
  本稿では,FragileFlowについて紹介する。FragileFlowはプラグイン正規化ツールで,正当性とフレギール予測を識別し,オフクラスの確率質量をクラスワイドの脆弱性リスク行列に整理する。 実験により、FragileFlowは一致したベースラインに対して提案された理論が直面するリスク対策を一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-05-09T11:25:07Z)
• Reinforcement Learning Trained Observer Control for Bearings-Only Tracking [0.9167082845109437]
  本稿では、自律型ベアリングのみの移動目標追跡のための強化学習に基づくオブザーバ制御ポリシーを開発する。 報酬関数は、絶対目標位置推定誤差の最小化とCKF推定一貫性の維持という、2つの矛盾する目標に対処するように設計されている。 その結果、DQNの$0.7ドルのポリシーは、正確性と堅牢性の間の最良のトレードオフを達成していることがわかった。
  論文  参考訳（メタデータ） (2026-05-04T00:55:14Z)
• Perturb and Correct: Post-Hoc Ensembles using Affine Redundancy [0.0]
  P&C(Perturb-and-Correct)は,1つの事前学習ネットワークから多様な予測器を構築する手法である。 P&Cは後続のアフィン層に最小二乗補正を施したランダムな隠れ層摂動を適用し、キャリブレーションデータに同意する予測器を発生させる。 実証的には、P&C は MuJoCo の動的予測と CIFAR-10 OOD 検出にまたがる強力な ID/OOD トレードオフを実現している。
  論文  参考訳（メタデータ） (2026-05-02T22:48:11Z)
• Bias-Corrected Adaptive Conformal Inference for Multi-Horizon Time Series Forecasting [0.0]
  アダプティブ・コンフォーマル推論(Adaptive Conformal Inference, ACI)は、分散シフト中の時系列のカバレッジ保証を備えた、分布のない予測間隔を提供する。 状態変化の後、ベース予測器が永続的バイアスを発生させると、ACIは左右対称に間隔を広げて補償し、不要に保守的な帯域を生成する。 本稿では,予測バイアスの指数重み付きオンライン移動平均(EWM)で標準ACIを増大させるバイアス補正ACI(BC-ACI)を提案する。
  論文  参考訳（メタデータ） (2026-04-14T19:33:59Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Technical note on Sequential Test-Time Adaptation via Martingale-Driven Fisher Prompting [3.5808917363708743]
  M-FISHERは、ストリーミングデータにおける逐次分布シフト検出と安定した適応のための方法である。 検出のために、非整合性スコアから指数的マーチンゲールを構築し、Villeの不等式を適用し、偽アラーム制御の時間一様保証を得る。 適応のために、フィッシャー条件によるプロンプトパラメータの更新は、分布多様体上の自然な勾配降下を実装していることを示す。
  論文  参考訳（メタデータ） (2025-10-04T15:31:26Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Optimal Change-Point Detection with Training Sequences in the Large and Moderate Deviations Regimes [72.68201611113673]
  本稿では,情報理論の観点から,新しいオフライン変化点検出問題について検討する。 基礎となる事前および変更後分布の知識は分かっておらず、利用可能なトレーニングシーケンスからのみ学習できると仮定する。
  論文  参考訳（メタデータ） (2020-03-13T23:39:40Z)

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。