論文の概要: Physics-informed Conditional Normalizing Flows for Angles-only Cislunar Orbit Determination

• arxiv url: http://arxiv.org/abs/2606.30936v1
• Date: Mon, 29 Jun 2026 21:39:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.006788
• Title: Physics-informed Conditional Normalizing Flows for Angles-only Cislunar Orbit Determination
• Title（参考訳）: 角のみのシスルナー軌道決定のための物理インフォームド条件正規化流れ
• Abstract要約: 生成的天体力学は、生成的モデリングをシスルナー環境における軌道決定問題に拡張することで、この研究において進歩している。 このタスクは条件密度推定として定式化され、短い観測弧上の角度のみの測定から初期状態の確率分布を推定することを目的としている。 正規化フローは、近Rectilinear Halo Orbitsからの摂動型トポセントリックな観測に基づいて訓練され、フレキシブルで潜在的にマルチモーダルな後部表現を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative Astrodynamics is advanced in this work by extending generative modelling to an orbit determination problem in the cislunar environment. The task is formulated as conditional density estimation, aiming to infer the probability distribution of the initial state from angles-only measurements over short observation arcs. A normalising flow is trained on perturbed topocentric observations from Near Rectilinear Halo Orbits, enabling a flexible and potentially multimodal posterior representation. Given new measurements, the learned density is sampled to generate statistically consistent and physics-informed state hypotheses. These estimates are refined via nonlinear least-squares minimisation, providing a competitive warm start for classical algorithms.
• Abstract（参考訳）: 生成的天体力学は、生成的モデリングをシスルナー環境における軌道決定問題に拡張することで、この研究において進歩している。 このタスクは条件密度推定として定式化され、短い観測弧上の角度のみの測定から初期状態の確率分布を推定することを目的としている。 正規化フローは、近Rectilinear Halo Orbitsからの摂動型トポセントリックな観測に基づいて訓練され、フレキシブルで潜在的にマルチモーダルな後部表現を可能にする。 新しい測定値から、学習された密度をサンプリングし、統計的に一貫した物理インフォームド状態の仮説を生成する。 これらの推定は非線形最小二乗最小化によって洗練され、古典的アルゴリズムの競争的な温暖化開始を提供する。

関連論文リスト

• Learning Pure Quantum States in Any Dimension (Almost) Without Regret [12.103414068933555]
  我々は、[arXiv:2406.18370]で最初に研究された最小累積障害を伴う量子状態トモグラフィーを、任意の有限次元純状態に拡張する。 累積乱れのない純状態トモグラフィーは、キュービットの特異性ではなく、キューディットに持続する幾何学的現象であることを示す。
  論文  参考訳（メタデータ） (2026-05-09T15:56:17Z)
• Solving physics-constrained inverse problems with conditional flow matching [0.6567875008573567]
  本稿では,物理制約付き逆問題に対する条件付きフローマッチングフレームワークを提案する。 ニューラルネットワークは、確率フロー常微分方程式の速度場を学習するために訓練される。 オーバートレーニングは生成した条件分布の振る舞いを誘導できることを示す。
  論文  参考訳（メタデータ） (2026-03-14T21:43:48Z)
• ProFlow: Zero-Shot Physics-Consistent Sampling via Proximal Flow Guidance [35.08166384258028]
  ProFlowはゼロショット物理一貫性サンプリングのためのフレームワークである。 厳密な物理的整合性と観測的忠実さを事前訓練された前の統計構造と整合させる。 これは、より正確な分布統計だけでなく、より優れた物理的および観測的整合性を達成する。
  論文  参考訳（メタデータ） (2026-01-28T03:57:00Z)
• Calibrating Geophysical Predictions under Constrained Probabilistic Distributions [4.760743517243988]
  我々は,正規化に基づくキャリブレーションアルゴリズムと,機械学習予測を強化するためにKSD(Kernelized Stein Discrepancy)を導入する。 これはポイントワイズ予測を鋭くするだけでなく、物理原理に根ざした非局所統計構造との整合性も強要する。
  論文  参考訳（メタデータ） (2025-11-28T07:15:40Z)
• Point Cloud Resampling with Learnable Heat Diffusion [58.050130177241186]
  ポイントクラウド再サンプリングのための学習可能な熱拡散フレームワークを提案する。 前の固定された拡散モデルとは異なり、適応条件は点雲の幾何学的特徴を選択的に保存する。
  論文  参考訳（メタデータ） (2024-11-21T13:44:18Z)
• Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
  本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。 本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• One-Shot Initial Orbit Determination in Low-Earth Orbit [0.49157446832511503]
  初期軌道決定のための最先端の方法論はカルマン型フィルタである。 我々は、初期軌道決定の問題を重み付き最小の正方形として定式化する。 我々は,推定器が3乗法よりも精度の高い状態推定を実現できることを数値的に示す。
  論文  参考訳（メタデータ） (2023-12-20T11:49:38Z)
• Aspects of scaling and scalability for flow-based sampling of lattice QCD [137.23107300589385]
  格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。 最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
  論文  参考訳（メタデータ） (2022-11-14T17:07:37Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Continuous Wasserstein-2 Barycenter Estimation without Minimax Optimization [94.18714844247766]
  ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。 本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-02T21:01:13Z)
• A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
  学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。 フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。 既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
  論文  参考訳（メタデータ） (2019-10-31T02:26:20Z)

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。