論文の概要: Latent space mapping of interpretable structural coordinates from stochastic single-molecule signals

• arxiv url: http://arxiv.org/abs/2606.16950v1
• Date: Mon, 15 Jun 2026 16:49:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.777786
• Title: Latent space mapping of interpretable structural coordinates from stochastic single-molecule signals
• Title（参考訳）: 確率的単一分子信号からの解釈可能な構造座標の潜時空間マッピング
• Abstract要約: ナノ孔エンコーダは、工学化されたDNAバーコードの固体ナノ孔信号を解釈可能な分子座標系にマッピングする。 本研究では,混合定量化,希少変検出,コンセンサスバーコード再構成,リアルタイム信号取得による検証を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Nanopores are versatile single-molecular sensors, but their utility is fundamentally constrained by stochastic translocation dynamics warping any encoded information. We resolve it by shifting from time-domain analysis to a learned latent-space mapping via a contrastive encoder trained exclusively on simulated signals from a physics-informed model. This encoder maps solid-state nanopore signals of engineered DNA barcodes into an interpretable molecular coordinate system. The learned representation is responsive to structural barcode parameters while remaining invariant to acquisition conditions and translocation conformation, allowing data pooling across devices. Molecule identification requires a single pass through the encoder, reducing computational cost by three orders of magnitude relative to alignment-based methods. We experimentally validate through mixture quantification, rare-variant detection, consensus barcode reconstruction, and real-time signal acquisition. This shift from temporal analysis to mapping structural coordinates into a latent space changes the paradigm behind analyzing stochastic sensor signals by linking classification to interpretable encoded molecular information.
• Abstract（参考訳）: ナノ孔は万能な単一分子センサーであるが、その用途は、符号化された情報に反する確率的転位ダイナミクスによって根本的に制約されている。 我々は、時間領域解析から物理インフォームドモデルからのシミュレートされた信号に特化して訓練されたコントラッシブエンコーダを介して学習された潜在空間マッピングへ移行することで解決する。 このエンコーダは、工学化されたDNAバーコードの固体ナノ孔信号を解釈可能な分子座標系にマッピングする。 学習された表現は、構造的バーコードパラメータに応答すると同時に、取得条件やトランスロケーションコンフォーメーションに不変であり、デバイス間でのデータプーリングを可能にする。 分子識別にはエンコーダを1回通す必要があり、アライメントベースの手法と比較して計算コストは3桁削減される。 本研究では,混合定量化,希少変検出,コンセンサスバーコード再構成,リアルタイム信号取得による検証を行った。 時間的解析から構造座標を潜在空間にマッピングするこのシフトは、分類と解釈可能なエンコードされた分子情報とをリンクすることで確率的センサ信号を解析するパラダイムを変える。

関連論文リスト

• Learning Metamaterial Eigenmodes with Wavelet-Encoded Fourier Neural Operators [57.64362886310329]
  ニューラル演算子に基づく機械学習サロゲートは,弾性波動方程式の複数の固有モードを学習し,予測できることを示す。 メタマテリアル設計では、サロゲートは設計サイクルのシミュレーション段階を、コンシューマグレードのCPU上の有限要素解析と比較して3桁の速度で加速する。 これらの結果は、スペクトルニューラル演算子に基づく他のマルチモードPDEソルバの入力エンコーディングを設計するための幅広い意味を持つ。
  論文  参考訳（メタデータ） (2026-09-08T01:21:46Z)
• Multi-modal transformer for signal classification in nanopore blockade experiments [0.0]
  本稿では,複数の信号表現を共同処理するマルチモーダルディープラーニングアーキテクチャを提案する。 提案手法は,42ペプチドベンチマークで既存の手法を10%以上上回り,ほぼ完全精度で20アミノ酸データセットに転送する。
  論文  参考訳（メタデータ） (2026-07-22T16:09:34Z)
• Physics from Video: Identifiability of Time-Invariant Second-Order ODEs under Minimal Trajectory Conditions [60.2784641643737]
  ビジュアルリアリズムと物理的な理解のギャップを埋めることは、ビデオベースの世界モデルにとって重要な課題である。 原画素からの連続時間物理法則の構造識別可能性について検討した。 レベルセットの傾斜被覆条件は、学習された潜伏空間が真の物理的状態に局所的に親和的であることを証明する。
  論文  参考訳（メタデータ） (2026-05-27T13:22:29Z)
• Molecules Meet Language: Confound-Aware Representation Learning and Chemical Property Steering in Transformer-VAE Latent Spaces [0.9332987715848714]
  分子生成モデルは、しばしば有意義な潜在幾何学を仮定するが、明らかな特性予測可能性は、シーケンスレベルのショートカットを反映することができる。 本研究では,SELFIESをトレーニングした教師なし自己回帰変換器-VAEを用いて,この問題について検討する。 化学的に有意なステアリングは、絡み合った分子潜在空間に現れるが、デコードされた分子によってのみ検証される。
  論文  参考訳（メタデータ） (2026-05-07T14:07:10Z)
• Multiparameter Uncertainty Mapping in Quantitative Molecular MRI using a Physics-Structured Variational Autoencoder (PS-VAE) [0.0]
  本稿では,物理構造を持つ変分オートエンコーダ(PS-VAE)について述べる。 本法は, マルチプロトンプール化学交換飽和輸送 (CEST) および半固体磁化移動 (MT) 分子MRF法で検証した。
  論文  参考訳（メタデータ） (2026-02-03T09:46:55Z)
• Deep Delta Learning [91.75868893250662]
  本稿では,標準残差接続を一般化した新しいアーキテクチャであるDeep Delta Learning(DDL)を紹介する。 我々はこの演算子のスペクトル解析を行い、ゲート$(mathbfX)$がアイデンティティマッピング、投影、幾何反射のダイナミックな相互作用を可能にすることを示した。 この統合により、ネットワークは階層的な遷移作用素のスペクトルを明示的に制御することができ、複雑な非単調力学のモデリングを可能にする。
  論文  参考訳（メタデータ） (2026-01-01T18:11:38Z)
• Resolving Node Identifiability in Graph Neural Processes via Laplacian Spectral Encodings [9.343292907600913]
  固有ベクトル符号のフリップや固有空間内の回転の基底に不変なラプラシアン位置符号化の理論を提供する。 この符号化により、一定数の観測からノード識別性が得られ、Weisfeiler-Lehmanテストで制約されたアーキテクチャからサンプル複雑度を分離することが証明される。
  論文  参考訳（メタデータ） (2025-11-24T12:20:36Z)
• Polyhedra Encoding Transformers: Enhancing Diffusion MRI Analysis Beyond Voxel and Volumetric Embedding [9.606654786275902]
  本稿では,球面信号の処理に特化して設計されたdMRI用ポリヘドラ変換器(PE-Transformer)を提案する。 提案手法では, 所定の方向から信号を再サンプリングするために, アイコサヘドの単位球を投影する。この再サンプリングされた信号は, アイコサヘドの方向を反映する情報を含むトランスフォーマーエンコーダによって処理され, 埋め込みに変換される。
  論文  参考訳（メタデータ） (2025-01-23T03:32:52Z)
• Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
  一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。 本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。 我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
  論文  参考訳（メタデータ） (2023-10-09T11:26:58Z)
• Disentanglement via Latent Quantization [60.37109712033694]
  本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。 本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
  論文  参考訳（メタデータ） (2023-05-28T06:30:29Z)
• Geometric Transformer for End-to-End Molecule Properties Prediction [92.28929858529679]
  分子特性予測のためのトランスフォーマーに基づくアーキテクチャを導入し,分子の形状を捉える。 分子幾何学の初期符号化による古典的な位置エンコーダと、学習されたゲート自己保持機構を改変する。
  論文  参考訳（メタデータ） (2021-10-26T14:14:40Z)

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。