論文の概要: Discrete Autoregressive Transformer for Generative Mechanism Synthesis
- arxiv url: http://arxiv.org/abs/2606.17409v1
- Date: Tue, 16 Jun 2026 01:46:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-17 17:15:32.202945
- Title: Discrete Autoregressive Transformer for Generative Mechanism Synthesis
- Title（参考訳）: 離散自己回帰変換器による生成機構合成
- Authors: Anar Nurizada, Anurag Purwar,
- Abstract要約: 平面経路合成は、カプラ曲線が所定の軌道に一致する機構を必要とする。
前方運動学および幾何学的アライメント後のチャンファー距離と動的時間歪みを報告する。
条件付き自己回帰配列モデルとして合成を定式化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Planar path synthesis requires mechanisms whose coupler curves match a prescribed trajectory; the mapping from curve to linkage is inherently one-to-many across four-, six-, and eight-bar topologies. We address this design problem with simulation-grounded evaluation on a curated corpus of over one million mechanisms, reporting Chamfer distance and dynamic time warping after forward kinematics and geometric alignment. We formulate synthesis as conditional autoregressive sequence modeling: joint coordinates are uniformly quantized to tokens and generated by a decoder-only transformer with a variational-autoencoder (VAE) latent of the target curve and an explicit mechanism-type token. Training combines token cross-entropy with a Gaussian-smoothed bin auxiliary loss that respects ordinal structure among bins. At inference, a bounded latent-noise schedule decodes all mechanism types at each noise level; we retain the top five candidates by geometric error, yielding diverse accurate families without dataset lookup. On held-out tests, aggregate mean Chamfer distance is $0.0132$ and mean dynamic time warping is $0.153$; a latent $k$-nearest-neighbor baseline that conditions on training-set neighbor latents in VAE space achieves matched-topology mean Chamfer distance $0.0071$ and mean dynamic time warping $0.117$ using the same decoder.
- Abstract（参考訳）: 平面経路合成は、カプラー曲線が所定の軌道に一致する機構を必要とする:曲線から連鎖への写像は本質的には 4-, 6-, 8-bar 位相の1-to-many である。
この設計問題は,100万以上の機構をキュレートしたコーパス上で,前方運動学および幾何学的アライメント後のチャンファー距離と動的時間歪みを報告し,シミュレーションによる評価によって解決される。
共役座標はトークンに一様に量子化され、目的曲線の変分オートエンコーダ(VAE)潜在子と明示的な機構型トークンによってデコーダのみの変換子によって生成される。
訓練は、トークンのクロスエントロピーと、ビン間の順序構造を尊重するガウスの滑らかなビン補助損失を組み合わせる。
推測において、有界ラテントノイズスケジュールは、各ノイズレベルにおける全てのメカニズムタイプをデコードする; 幾何誤差により上位5つの候補を保持し、データセットのルックアップなしで様々な正確なファミリーを生成する。
ホールドアウトテストでは、集合平均Chamfer距離は0.0132ドル、平均動的時間ワープは0.153ドルであり、VAE空間のトレーニングセット隣の潜伏者の条件がマッチトポロジー平均0.0071ドルであり、同じデコーダを用いて平均動的時間ワープ平均0.117ドルである。
関連論文リスト
- Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - CAWN: Continuous Acoustic Wave Networks for Autoregressive Language Modeling [46.16066322190728]
完全連続配列混合アーキテクチャであるCAWN(Continuous Acoustic Wave Network)を導入する。
CAWNは離散行列ベースの注意を代わりに、多面体複素ドメインファサーに隠された状態を計画している。
超長コンテキスト上での信号劣化を防止するため,デュアルゲート選択位相共振機構を導入する。
論文 参考訳（メタデータ） (2026-04-05T20:13:22Z) - Spectral Edge Dynamics of Training Trajectories: Signal--Noise Geometry Across Scales [0.0]
コンヒーレントな方向のみにおいてトランスフォーマー訓練軌道が発展することを示す。
共同作業では、同じスペクトル幾何学がグラッキングの早期警戒信号を提供する。
論文 参考訳（メタデータ） (2026-03-14T04:46:05Z) - Hardware-Agnostic Modeling of Quantum Side-Channel Leakage via Conditional Dynamics and Learning from Full Correlation Data [0.0]
本研究では,敵プローブキュービットが隠れゲートシーケンス中にターゲットキュービットと相互作用するシーケンシャルサイドチャネルモデルについて検討する。
同じシークエンスを$N$ショットで繰り返すと、経験的な完全相関レコードが得られる。
広帯域結合とノイズグリッドの実験により、予測された結合帯域付近で厳密なシーケンス回復が集中していることが示されている。
論文 参考訳（メタデータ） (2026-02-17T19:33:23Z) - Intelligent Control of Collisional Architectures for Deterministic Multipartite State Engineering [0.0]
我々は、繰り返し励起-相互作用を伴うアーキテクチャにおいて、対称ディック状態の決定論的生成のためのインテリジェントで制約対応の制御フレームワーク、|D_n(m)rangle$を導入する。
このプロトコルは2つの非結合量子ビットレジスタ間の部分SWAPの衝突を利用しており、これには$m$ ancillary Shuttle'' の量子ビットが介在し、Emphループの設計問題としてDickestateの準備を行う。
論文 参考訳（メタデータ） (2026-02-09T11:15:32Z) - Inverting Self-Organizing Maps: A Unified Activation-Based Framework [39.146761527401424]
我々は,SOMの活性化パターンを逆転させて,微妙な幾何学的条件下での正確な入力を復元できることを示す。
我々は,MUSIC (Manifold-Aware Unified SOM Inversion and Control) 更新ルールを導入する。
合成ガウス混合系, MNIST と Faces in the Wild を用いたアプローチを検証した。
論文 参考訳（メタデータ） (2026-01-20T11:02:54Z) - Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。
また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。
我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
論文 参考訳（メタデータ） (2025-02-07T15:57:56Z) - Can Transformers Do Enumerative Geometry? [44.99833362998488]
計算列挙幾何に対する Transformer ベースのアプローチを提案する。
私たちは、10-45$から1045$までの値の交叉数を計算します。
ネットワークは、純粋にデータ駆動方式で、ヴィラソロ制約を暗黙的にモデル化していることを示す。
論文 参考訳（メタデータ） (2024-08-27T09:44:01Z) - Predicting the Stability of Hierarchical Triple Systems with
Convolutional Neural Networks [68.8204255655161]
本稿では,階層型三重項の安定性を予測する畳み込みニューラルネットワークモデルを提案する。
すべてのトレーニングされたモデルは公開されており、純粋な$N$-bodyメソッドよりも200ドルの速さで階層的な3重システムの安定性を予測することができる。
論文 参考訳（メタデータ） (2022-06-24T17:58:13Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳（メタデータ） (2021-06-17T12:25:44Z)
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。