論文の概要: APEX: Amplitude Anchors and Phase Priors for Target-Scarce Higher-Frequency Wave Prediction
- arxiv url: http://arxiv.org/abs/2605.26732v1
- Date: Tue, 26 May 2026 09:09:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.778643
- Title: APEX: Amplitude Anchors and Phase Priors for Target-Scarce Higher-Frequency Wave Prediction
- Title（参考訳）: APEX:ターゲット・スカース高周波数波予測のための振幅アンカーと位相優先
- Authors: Yifan Sun, Lei Cheng, Sijie Chen, Ting Zhang, Jianlong Li, Shikai Fang,
- Abstract要約: 本稿では,高周波数波動場予測のためのフレームワークを提案する。
eXtrapolated coarse 予測による振幅アンコールと位相優先誘導の促進を提案する。
SimpleWave、Helmholtz、Maxwellベンチマークの実験では、APEXは直接の低次から高次の外挿よりも一貫して優れていることが示されている。
- 参考スコア（独自算出の注目度）: 13.39671055113388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning-based surrogates have become increasingly effective for wave-field prediction, and neural operators in particular have shown strong performance within observed frequency regimes. However, higher-frequency prediction under scarce target supervision remains comparatively underexplored, especially in wave problems where higher-frequency data are substantially more expensive to simulate or measure than lower-frequency data. A central difficulty is that cross-frequency transfer is inherently asymmetric: coarse amplitude structure remains relatively stable across frequencies, whereas phase-sensitive oscillatory structure deteriorates much more rapidly as frequency increases. Motivated by this asymmetry, we propose APEX, Amplitude-anchored and Phase-prior-guided Enhancement from eXtrapolated coarse predictions, a framework for target-scarce higher-frequency wave-field prediction. A lower-frequency neural operator first provides a coarse prediction in the target-frequency regime, from which we retain only the amplitude as a transferable structural anchor. A conditional flow-matching enhancer then reconstructs the target higher-frequency field under the guidance of a Green's-function-inspired phase prior. Experiments on SimpleWave, Helmholtz, and Maxwell benchmarks show that APEX consistently outperforms direct lower-to-higher extrapolation, target-adapted operator, and joint generative baselines under limited target-frequency supervision. Our results suggest that reliable higher-frequency prediction of oscillatory wave fields should not rely on direct end-to-end transfer of the full complex field, but instead on explicitly reusing transferable coarse structure while separately recovering the missing oscillatory detail.
- Abstract（参考訳）: 学習に基づくサロゲートは、波動場予測にますます効果的になり、特にニューラル演算子は、観測された周波数状態の中で強い性能を示した。
しかし、特に低周波データよりも高周波データのシミュレーションや測定がかなり高価である波問題においては、標的監視の少ない高周波予測は、比較的過小評価されている。
中心的な困難は、周波数移動が本質的に非対称であることであり、粗い振幅構造は周波数間で比較的安定であり、一方位相感受性振動構造は周波数が増加するにつれてより急速に劣化する。
この非対称性により、ターゲット周波数の高波動場予測のためのフレームワークであるeXtrapolated coarse predictions からAPEX, Amplitude-anchored および Phase-prior-guided Enhancement を提案する。
低周波ニューラル演算子は、まずターゲット周波数状態において粗い予測を行い、そこから振幅のみを伝達可能な構造アンカーとして保持する。
条件付きフローマッチングエンハンサは、グリーン関数にインスパイアされた位相の誘導の下で、目標の高周波数場を再構成する。
SimpleWave, Helmholtz, Maxwell のベンチマーク実験では、APEX は目標周波数の限られた監督の下で、直接下から上への外挿、目標適応演算子、共同生成ベースラインを一貫して上回っている。
以上の結果から,振動波場の信頼性の高い高周波数予測は,完全複素場の直接-終端移動に頼るのではなく,伝達可能な粗い構造を明示的に再利用し,欠落した振動の細部を分離的に復元することが示唆された。
関連論文リスト
- Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。
FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。
連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
論文 参考訳（メタデータ） (2026-03-23T03:22:33Z) - TimeAPN: Adaptive Amplitude-Phase Non-Stationarity Normalization for Time Series Forecasting [67.91113180885601]
TimeAPNは時間領域と周波数領域の両方から非定常因子を明示的にモデル化し、予測する。
TimeAPNは、複数の予測水平線にわたる長期的な予測精度を一貫して改善する。
これは最先端の可逆正規化法より優れている。
論文 参考訳（メタデータ） (2026-03-18T07:21:24Z) - Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。
本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。
提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
論文 参考訳（メタデータ） (2026-01-30T03:14:01Z) - SONAR: Spectral-Contrastive Audio Residuals for Generalizable Deepfake Detection [6.042897432654865]
Spectral-cONtrastive Audio Residuals (AR)は、ディープフェイクオーディオ検出器のための周波数誘導フレームワークである。
ARは音声信号を補完表現に切り離す。
ASVspoof 2021およびin-the-wildベンチマークで評価した。
論文 参考訳（メタデータ） (2025-11-26T12:16:38Z) - WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。
高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。
標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
論文 参考訳（メタデータ） (2025-10-24T01:41:31Z) - A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting [81.73338008264115]
時系列予測の現在のアプローチは、時間領域であれ周波数領域であれ、主に線形層やトランスフォーマーに基づいたディープラーニングモデルを使用する。
本稿では,多種多様な時系列を数学的に抽象化する統合周波数領域分解フレームワークFIREを提案する。
火は長期予測ベンチマークで最先端のモデルを一貫して上回る。
論文 参考訳（メタデータ） (2025-10-11T09:59:25Z) - Data-Driven Reconstruction of Significant Wave Heights from Sparse Observations [3.356199201143573]
マルチスケールU-NetとMLPを融合したハイブリッドディープラーニングフレームワークであるAUWaveを紹介する。
データリッチな構成において、AUWaveが代表的ベースラインを一貫して上回ることを示す。
アーキテクチャのマルチスケールおよびアテンションコンポーネントは、最小でも非自明な空間アンカーが利用できる場合、精度が向上する。
論文 参考訳（メタデータ） (2025-09-21T14:12:28Z) - Frequency-Constrained Learning for Long-Term Forecasting [15.31488551912888]
実世界の時系列は、物理法則、人間のルーチン、季節周期から生じる強い周期構造を示す。
現代の深層予測モデルは、スペクトルバイアスと周波数認識による誘導前兆の欠如により、繰り返し発生するパターンを捉えることができないことが多い。
本稿では,周期性を明示的にモデル化し,長期予測を効果的に行う手法を提案する。
論文 参考訳（メタデータ） (2025-08-02T22:12:15Z) - Extended Kalman Smoothing of Free Spin Precession Signals for Precise Magnetic Field Determination [0.0]
自由スピンプリセッション信号からの高精度周波数推定のための拡張カルマン・スモーザー(EKS)の新たな応用法を提案する。
以上の結果から,EKSに基づく解析は核磁気共鳴磁気計測の精度を大幅に向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2025-07-23T15:32:26Z) - High-Order Qubit Dephasing at Sweet Spots by Non-Gaussian Fluctuators:
Symmetry Breaking and Floquet Protection [55.41644538483948]
非ガウスゆらぎによるqubit dephasingについて検討した。
非ガウス雑音に特有の対称性破壊効果を予測する。
論文 参考訳（メタデータ） (2022-06-06T18:02:38Z)
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。