論文の概要: Discovering Latent Response Laws in Forced Physical Systems

• arxiv url: http://arxiv.org/abs/2607.09801v1
• Date: Thu, 09 Jul 2026 15:39:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.199245
• Title: Discovering Latent Response Laws in Forced Physical Systems
• Title（参考訳）: 強制物理系における潜在応答則の発見
• Authors: Yi Zhu, Su Chen, Xiaojun Li, Xiuli Du,
• Abstract要約: FLAREは応答方程式の強制潜在型オートエンコーダである。 コンパクトな応答座標を学習し、スパース入力依存潜在力学を識別する。 方程式のロールアウトを全応答にデコードする。
• 参考スコア（独自算出の注目度）: 7.1257035441247645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Governing equations provide compact descriptions of physical systems, yet the variables in which they are simple are often hidden in high-dimensional measurements. This challenge is sharper for forced systems, whose responses depend on both intrinsic dynamics and time-dependent inputs. Here we introduce FLARE, a forced latent autoencoder for response equations that learns compact response coordinates, identifies sparse input-dependent latent dynamics and decodes equation rollouts to full responses. By estimating latent dimension from data and separating state estimation from external forcing, FLARE enables forecasts to be initialized from past responses and driven by prescribed future inputs. Across known dynamical systems, application-scale forced responses and visual observations, FLARE recovers compact forced dynamics and predicts long-horizon high-dimensional responses under inputs not used for training. By turning learned coordinates into a dynamical interface, FLARE extends equation discovery to systems whose effective states are hidden within complex observations, providing a route for interpretable modelling and prediction of high-dimensional responses in forced dynamical systems.
• Abstract（参考訳）: ゲバニング方程式は物理系のコンパクトな記述を提供するが、それらが単純である変数はしばしば高次元の測定に隠されている。 この課題は、本質的な力学と時間依存的な入力の両方に依存する強制システムにとってよりシャープである。 ここでは、コンパクトな応答座標を学習し、スパースな入力依存潜在力学を同定し、方程式のロールアウトを全応答にデコードする応答方程式の強制潜在自己エンコーダであるFLAREを紹介する。 データから潜時次元を推定し、外部からの強制から状態推定を分離することにより、FLAREは過去の応答から予測を初期化し、所定の将来の入力によって駆動することができる。 FLAREは、既知の力学系、アプリケーションスケールの強制応答、視覚的観察などにわたって、コンパクトな強制力学を回復し、訓練に使用されていない入力下での長距離高次元応答を予測する。 学習した座標を動的インターフェースにすることで、FLAREは方程式発見を複雑な観測の中に隠されたシステムに拡張し、強制力学系における解釈可能なモデリングと高次元応答の予測の経路を提供する。

関連論文リスト

• A Robust SINDy Autoencoder for Noisy Dynamical System Identification [0.0]
  非線形力学(SINDy)のスパース同定は、データから力学系の支配方程式を発見するために広く用いられている。 最近のSINDyオートエンコーダは、スパースモデル発見とオートエンコーダアーキテクチャを組み合わせることで、このアイデアを拡張している。 ノイズ分離ニューラルネットワーク構造に着想を得て、ノイズ分離モジュールをSINDyオートエンコーダアーキテクチャに組み込む。
  論文  参考訳（メタデータ） (2026-04-06T16:30:24Z)
• Improving Long-Range Interactions in Graph Neural Simulators via Hamiltonian Dynamics [71.53370807809296]
  最近のグラフニューラルシミュレータ(GNS)は、グラフ構造化データ上での動的学習によりシミュレーションを加速する。 ハミルトン力学の原理に基づいて構築されたグラフベースニューラルネットワークであるIGNS(Information-serving Graph Neural Simulator)を提案する。 IGNSは最先端のGNSを一貫して上回り、挑戦的で複雑な力学系の下で高い精度と安定性を達成する。
  論文  参考訳（メタデータ） (2025-11-11T12:53:56Z)
• The power of dynamic causality in observer-based design for soft sensor applications [0.7965327033045845]
  本稿では,動的因果解析により観測者に基づくソフトセンサを最適化するための新しい枠組みを提案する。 センサ選択への伝統的なアプローチは、複雑なシステムの時間的進化を捉えるのに失敗する線形化された可観測性指数や統計的相関に依存することが多い。
  論文  参考訳（メタデータ） (2025-09-14T16:27:58Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• Tracking control of latent dynamic systems with application to spacecraft attitude control [0.0]
  インテリジェントな宇宙船や宇宙ロボットが複雑な環境でタスクを行う場合、制御可能な変数は直接利用できない。 これらの観測の力学は非常に複雑であるが、それらの背後にあるメカニズムは単純かもしれない。 潜在力学系の制御には、強化学習に基づく手法は、サンプルの非効率性や一般化の問題に悩まされる。
  論文  参考訳（メタデータ） (2024-12-09T09:49:15Z)
• Learning Physics From Video: Unsupervised Physical Parameter Estimation for Continuous Dynamical Systems [49.11170948406405]
  本研究では,単一のビデオから既知の連続制御方程式の物理パラメータを推定する教師なし手法を提案する。 Delfys75は5種類の動的システムのための75本のビデオからなる実世界のデータセットだ。
  論文  参考訳（メタデータ） (2024-10-02T09:44:54Z)
• InVAErt networks: a data-driven framework for model synthesis and identifiability analysis [0.0]
  inVAErtは物理システムのデータ駆動分析と合成のためのフレームワークである。 これは、前方および逆写像を表す決定論的デコーダ、系の出力の確率分布を捉える正規化フロー、入力と出力の間の単射性の欠如についてコンパクトな潜在表現を学ぶ変分エンコーダを使用する。
  論文  参考訳（メタデータ） (2023-07-24T07:58:18Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)
• DySMHO: Data-Driven Discovery of Governing Equations for Dynamical Systems via Moving Horizon Optimization [77.34726150561087]
  本稿では,スケーラブルな機械学習フレームワークである移動水平最適化(DySMHO)による動的システムの発見について紹介する。 DySMHOは、基底関数の大きな辞書から基礎となる支配方程式を逐次学習する。 標準非線形力学系の例は、DySMHOが規則を正確に回復できることを示すために用いられる。
  論文  参考訳（メタデータ） (2021-07-30T20:35:03Z)
• Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
  状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。 そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。 本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
  論文  参考訳（メタデータ） (2020-06-18T04:54:11Z)

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。