論文の概要: Inferring hidden forcing in a biological oscillator using Kolmogorov-Arnold networks

• arxiv url: http://arxiv.org/abs/2606.08479v1
• Date: Sun, 07 Jun 2026 06:50:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.134305
• Title: Inferring hidden forcing in a biological oscillator using Kolmogorov-Arnold networks
• Title（参考訳）: Kolmogorov-Arnoldネットワークを用いた生体振動子における隠れ強制の推論
• Authors: Julian Szereszewski, Facundo Fainstein, Leandro E. Fernandez, Gabriel B. Mindlin,
• Abstract要約: 本研究は, 呼吸動態を基礎とした筋力増強効果を, エアサック圧のみの測定から再現できることを示唆する。 Kolmogorov-Arnoldネットワークに基づく解釈可能な学習フレームワークを用いて,データから直接システムの制御方程式を推測する。
• 参考スコア（独自算出の注目度）: 0.43101679743764043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inferring the forces that drive a dynamical system from partial observations is a fundamental challenge across physics, particularly when distinct underlying mechanisms produce similar observable dynamics. Here we show that the effective muscular forcing underlying avian respiratory dynamics can be reconstructed from measurements of air-sac pressure alone. Using an interpretable learning framework based on Kolmogorov-Arnold networks, we infer the governing equations of the system directly from data and uncover a nontrivial structure in the underlying forcing that is not apparent from the pressure signal, which instead suggests a relaxation-like oscillation. The reconstructed dynamics predict a two-phase activation pattern within each respiratory cycle, which we independently validate through electromyographic recordings of expiratory muscles. These results demonstrate that data-driven reconstruction of dynamical laws can reveal hidden physical structure and provide access to unobserved driving variables, establishing a general route to infer latent forces in partially observed dynamical systems.
• Abstract（参考訳）: 部分的な観測から力学系を駆動する力を推定することは物理学における基本的な課題であり、特に異なる基盤となるメカニズムが同様の観測可能な力学を生成する場合である。 ここでは, 呼吸動態を基礎とした効果的な筋力強制は, エアサック圧のみの測定から再構築可能であることを示す。 コルモゴロフ・アルノルドネットワークに基づく解釈可能な学習フレームワークを用いて、データから直接系の支配方程式を推定し、圧力信号から明らかでない基礎となる強制の非自明な構造を明らかにする。 再建されたダイナミックスは呼吸周期の2相活性化パターンを予測し,呼吸筋の筋電図記録を通して独立に検証した。 これらの結果は、データ駆動による動的法則の再構成により、隠れた物理的構造を明らかにし、観測されていない運転変数へのアクセスを提供し、部分的に観察された力学系における潜伏力を推定するための一般的な経路を確立することを示している。

関連論文リスト

• Noise-Enhanced Self-Healing Dynamics in Non-Hermitian Systems [0.0]
  セルフヒーリング(Self-Healing)とは、ウェーブパケットが散乱後に空間プロファイルを自発的に復元する機能である。 ノイズがエッジ自己修復に与える影響について検討する。 ノイズはこの過程を構築的に強化することができる。
  論文  参考訳（メタデータ） (2026-04-14T06:33:57Z)
• Non-Invasive Reconstruction of Cardiac Activation Dynamics Using Physics-Informed Neural Networks [0.0]
  心活性化パターンを回復するための物理インフォームドニューラルネットワークフレームワークを提案する。 提案手法は, 非線形異方性モデリング, 不均一繊維配向, 支配力学の弱い定式化, 有限要素損失関数を統合して, 物理的制約を直接トレーニングに埋め込む。
  論文  参考訳（メタデータ） (2026-03-04T08:33:16Z)
• Generalised fractional Rabi problem [35.18016233072556]
  フラクショナル量子力学は、量子系における非局所的時間的挙動とメモリ効果を捉える自然な枠組みを提供する。 本研究では、カプトー分数微分に基づくグリーン関数の定式化を用いて、分数次量子進化の物理的結果を分析する。 外部駆動がなくても、静的ハミルトン項は、分数的時間的非局所性に直接関連した減衰特徴を持つ非自明スピンダイナミクスを誘導する。
  論文  参考訳（メタデータ） (2025-10-09T12:51:57Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Neural Dynamic Modes: Computational Imaging of Dynamical Systems from Sparse Observations [15.985271131617475]
  暗黙的ニューラル表現と動的モード分解(DMD)を組み合わせたモデルフリーフレームワークであるNeuralDMDを提案する。 我々は,北米上空の風速場をスパースステーション観測から再構築し,銀河中心ブラックホールSgr A*付近のプラズマの進化を回復する2つの実世界の問題に対して,NeuralDMDを検証した。 どちらのケースでも、NeuralDMDは確立されたベースラインよりも優れており、地球科学、天文学、その他の分野における力学系をイメージングするための一般的なツールとしての可能性を示している。
  論文  参考訳（メタデータ） (2025-07-03T18:05:56Z)
• Unveiling coherent dynamics in non-Markovian open quantum systems: exact expression and recursive perturbation expansion [44.99833362998488]
  非マルコフ開量子系のコヒーレント力学を効果的に支配するハミルトニアンを導出する体系的枠組みを導入する。 我々の枠組みをパラダイム的スピンシステムに適用し、環境相関がエネルギーシフトと固有基底回転にどのように影響するかを明らかにする。
  論文  参考訳（メタデータ） (2025-06-04T15:55:22Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• Sparsity in Continuous-Depth Neural Networks [2.969794498016257]
  重みと特徴空間が予測および基礎となる動的法則の同定に与える影響について検討する。 ヒトのモーションキャプチャーとヒト造血幹細胞RNA-seqデータからなる実世界のデータセットをキュレートする。
  論文  参考訳（メタデータ） (2022-10-26T12:48:12Z)
• Continuous Forecasting via Neural Eigen Decomposition of Stochastic Dynamics [47.82509795873254]
  本稿では,スパース観測と適応力学を用いた逐次予測のためのニューラル固有SDEアルゴリズムを提案する。 NESDEは、スパース観測による効率的な頻繁な予測を可能にするために、力学モデルに固有分解を適用する。 我々は,MIMIC-IVデータセットにおけるヘパリン投与後の血液凝固の患者適応予測を初めて行った。
  論文  参考訳（メタデータ） (2022-01-31T22:16:50Z)

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。