論文の概要: Bridged SBI: Correcting Biased Low-Fidelity Posteriors for Cost-Efficient High-Fidelity Inference

• arxiv url: http://arxiv.org/abs/2606.09155v1
• Date: Mon, 08 Jun 2026 07:47:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.813557
• Title: Bridged SBI: Correcting Biased Low-Fidelity Posteriors for Cost-Efficient High-Fidelity Inference
• Title（参考訳）: Bridged SBI: コスト効率の高い高忠実度推論のためのバイアス付き低忠実度ポスターの修正
• Authors: Gahee Kim, Yuki Kadokawa, Sandro M. Alcantara Tacora, Taro Abe, Daisuke Endo, Genki Yamauchi, Takeshi Hashimoto, Takamitsu Matsubara,
• Abstract要約: シミュレーションに基づく推論は、フォワードシミュレーションのみからシミュレーションパラメータよりも後方分布を推定することができる。 粗大粒子を用いた低忠実度シミュレーターは、このコストを削減できるが、粒子の大きさや粒子数の変化は、同じ観測を再現するために必要なパラメータ値をシフトさせる。 本稿では,HF推論の導出にバイアスのあるLF後部を利用したBridged SBIを提案する。
• 参考スコア（独自算出の注目度）: 3.1283605396329865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate calibration of particle-based simulators is crucial for robotic earthwork simulation, but analytical calibration is challenging due to this task's highly nonlinear particle dynamics and the black-box nature of conventional simulators. Although simulation-based inference (SBI) can estimate posterior distributions over simulation parameters solely from forward simulations, applying SBI directly to high-fidelity (HF) particle simulators is often computationally prohibitive. Low-fidelity (LF) simulators with coarser particles can reduce this cost, but changes in particle size and particle count shift the parameter values needed to reproduce the same observation, producing biased LF posteriors. We propose Bridged SBI, which leverages a biased but informative LF posterior to guide HF inference. This method first uses inexpensive LF simulations to identify a coarse high-density parameter region, and then it learns a local residual bridge to transport LF posterior samples toward HF-consistent regions by correcting the LF--HF discrepancy. We analyze how sequential multi-fidelity SBI (Naive-MF) can suffer from LF-induced posterior miscoverage when it directly relies on the LF posterior without discrepancy correction. We then show that Bridged SBI is designed to alleviate this issue by explicitly modeling the LF--HF discrepancy through residual correction. Experiments on both sim-to-sim particle-parameter calibration and real-to-sim calibration with real soil observation show that Bridged SBI produces more accurate and reliable HF posteriors than HF-only SBI or the Naive-MF baseline, especially under limited HF simulation costs.
• Abstract（参考訳）: 粒子シミュレーションの正確なキャリブレーションは、ロボット土木シミュレーションには不可欠であるが、このタスクの高非線形粒子動力学と従来のシミュレータのブラックボックス特性のため、解析的なキャリブレーションは困難である。 シミュレーションベース推論(SBI)は、フォワードシミュレーションのみからシミュレーションパラメータよりも後方分布を推定できるが、SBIを直接高忠実度(HF)粒子シミュレータに適用することは、しばしば計算的に禁止される。 粗大粒子を用いた低忠実度(LF)シミュレーターは、このコストを削減できるが、粒子の大きさや粒子数の変化は、同じ観測を再現するために必要なパラメータ値をシフトさせ、バイアス付きLF後部を発生させる。 本稿では,HF推論の導出にバイアスのあるLF後部を利用したBridged SBIを提案する。 本手法はまず, 安価なLFシミュレーションを用いて粗大な高密度パラメータ領域を同定し, LF-HF差分を補正することにより, LF後続試料をHF整合領域へ輸送する局所残差ブリッジを学習する。 我々は、LF後部に直接依存する場合に、LFにより引き起こされる後部誤発見に、連続した多重忠実SBI(Naive-MF)がどの程度の障害を負うかを分析する。 次に,Bridged SBIは,残差補正によるLF-HFの不一致を明示的にモデル化することにより,この問題を緩和するものであることを示す。 実地観測によるシム・トゥ・シム粒子・パラメータ・キャリブレーションとリアル・トゥ・シム・キャリブレーションの両方の実験により、Bridged SBIはHFのみのSBIやNaive-MFベースラインよりも正確で信頼性の高いHF後部を、特に限定的なHFシミュレーションコストで生産することが示された。

関連論文リスト

• Frequentist Consistency of Prior-Data Fitted Networks for Causal Inference [49.70323515651261]
  先行データ適合ネットワーク(PFN)に基づく基礎モデルは因果推論において強い経験的性能を示した。 PFNに基づく因果推定器が古典的頻繁な推定器と整合した不確実な定量化を提供するかどうかは不明である。
  論文  参考訳（メタデータ） (2026-03-12T15:14:35Z)
• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Flow Matching for Robust Simulation-Based Inference under Model Misspecification [11.172752919335394]
  Flow Matching Corrected Posterior Estimation(フローマッチング補正後推定)は、シミュレーションによって訓練された後部推定を、少数の実校正サンプルを用いて洗練するフレームワークである。 提案手法は,従来のSBIベースラインと比較して,推論精度と不確実性を向上し,不特定性の影響を常に緩和することを示す。
  論文  参考訳（メタデータ） (2025-09-27T16:10:53Z)
• CP4SBI: Local Conformal Calibration of Credible Sets in Simulation-Based Inference [1.8840155706520811]
  本研究では,局所ベイズカバレッジを持つ信頼可能な集合を構成するモデルに依存しない共形キャリブレーションフレームワークを開発する。 我々の提案した2つの変種、すなわち回帰木による局所校正とCDFに基づく校正により、任意のスコアリング関数に対して有限サンプルの局所カバレッジを保証する。
  論文  参考訳（メタデータ） (2025-08-23T16:13:10Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Simulation-free Schr\"odinger bridges via score and flow matching [89.4231207928885]
  シミュレーションフリースコアとフローマッチング([SF]$2$M)を提案する。 本手法は,拡散モデルのトレーニングに使用するスコアマッチング損失と,連続流のトレーニングに使用されるフローマッチング損失の両方を一般化する。 特に、[SF]$2$Mは、高次元の細胞動態を正確にモデル化し、既知の遺伝子制御ネットワークをシミュレートする最初の方法である。
  論文  参考訳（メタデータ） (2023-07-07T15:42:35Z)

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。