論文の概要: Lantern: Conflict-Aware Gradient Blending for Physics-Guided Diffusion Models in Calorimeter Simulation

• arxiv url: http://arxiv.org/abs/2607.25060v1
• Date: Mon, 27 Jul 2026 20:42:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.618307
• Title: Lantern: Conflict-Aware Gradient Blending for Physics-Guided Diffusion Models in Calorimeter Simulation
• Title（参考訳）: ランタン:物理誘導拡散モデルのための衝突型グラディエントブレンディング : キャロリメータシミュレーション
• Authors: Farzana Yasmin Ahmad, Vanamala Venkataswamy, Geoffrey Fox,
• Abstract要約: 層状およびボクセル的スケールでの相関係数の正規化スコアであるCorre Frobenius Distance (CFD)を導入する。 次に,2つの物理を意識した補助損失として,シャワーで利用可能な軟質サンプル単位の構造を符号化する。 補助損失スケジューラのアブレーションにより, ボクセル残留損失は, シャワー忠実性を維持するために, 終端雑音のみの位相を必要とすることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.004839692374508868
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monte Carlo simulation of calorimeter showers is a principal bottleneck for the High-Luminosity LHC, and diffusion models have emerged as fast, high-fidelity surrogates. Their denoising objective is purely statistical, however: a model can minimize it while placing the physics wrong. Existing physics-informed generative methods cannot close this gap, because they assume a closed-form law, a governing PDE residual or a hard per-sample constraint, that a shower does not supply: no per-sample PDE governs a stochastic cascade, and energy conservation fixes only one scalar per shower. Standard metrics ignore the correlation structure across calorimeter layers and voxels, comparing showers only in a physics feature space. We address both gaps. We introduce the Correlation Frobenius Distance (CFD), a single normalized score for correlation fidelity at layer-wise and voxel-wise scales. We then encode the soft per-sample structure available in a shower as two physics-aware auxiliary losses: a variance-stabilized voxel residual loss grounded in counting statistics, and a graph Laplacian loss over the detector geometry. We combine both with denoising through GradBlend, which anchors the step magnitude to the denoising gradient while letting the auxiliary steer its direction, yielding Lantern, a physics-guided diffusion surrogate. On CaloChallenge Dataset 2, injecting the physics losses through task-symmetric rules such as PCGrad, GradNorm, IMTL-G, and ConFIG inflates FPD by 2-100x relative to denoising alone, whereas GradBlend admits the same signal without regression and, with the Laplacian loss, Lantern improves both FPD and CFD. Our ablation on the auxiliary loss scheduler shows that the voxel residual loss, whose gradient conflicts with denoising, requires a terminal denoising-only phase to preserve shower fidelity, whereas the non-conflicting Laplacian loss is insensitive to the schedule.
• Abstract（参考訳）: モンテカルロによるカロリーメータシャワーのシミュレーションは、高輝度LHCの主要なボトルネックであり、拡散モデルは高速で高忠実なサロゲートとして現れている。 モデルは物理を間違って配置しながらそれを最小化することができる。 既存の物理情報による生成法はこのギャップを埋めることはできない、なぜならそれらは閉形式法則、支配的なPDE残差または硬いサンプル単位の制約を仮定し、シャワーが供給されないからである。 標準メトリクスは、カロリー層とボクセル間の相関構造を無視し、物理特徴空間でのみシャワーを比較する。 両方のギャップに対処します。 相関フロベニウス距離 (CFD) は, 層別およびボクセル単位での相関係数の正規化スコアである。 次に, 計測統計に基づく分散安定化ボクセル残留損失と, 検出器幾何学上のグラフラプラシアン損失という, 物理に配慮した2つの補助損失として, シャワーで利用可能な軟質サンプル構造を符号化した。 共にGradBlendによるデノナイジングと組み合わせることで、ステップグレードをデノナイジング勾配に固定し、補助的なステアを方向付けさせ、物理誘導拡散代理であるLanternを生成する。 CaloChallenge Dataset 2では、PCGrad、GradNorm、IMTL-G、ConFIGといったタスク対称な規則によって物理損失を注入すると、denoisingのみと比較してFPDが2-100倍膨らむが、GradBlendは回帰なしで同じ信号を認め、Laplacian損失により、LanternはFPDとCFDの両方を改善している。 補助損失スケジューラのアブレーションは, 脱臭に矛盾するボクセル残留損失に対して, 脱臭に起因した終端脱臭のみの位相が必要であり, 非難燃性ラプラシアン損失はスケジュールに不感であることを示す。

関連論文リスト

• Stokes-Informed Diffusion for Robust Linear Polarization Estimation [49.459667092743445]
  GenPolar(ゲンポーラー)は、ミュラー形式主義を基盤としたストークスインフォームド拡散フレームワークである。 DLPの忠実度とAoPの安定性の両面において最先端の性能を達成する。 これらの改善は、物質検出やデフレクションを含む下流アプリケーションにおいて、顕著で一貫した利益をもたらす。
  論文  参考訳（メタデータ） (2026-07-23T11:56:15Z)
• Asymmetric Scaling Laws from Sparse Features [2.7838875470471858]
  スパースアクティベーションの下でのニューラルスケーリング法則のモデルを導入する。 テスト損失は、しばしばトレーニング入力で観測されない稀な座標によって支配される。 本研究は, 非線形活性化下では, 疎水性による効果が持続することを示す。
  論文  参考訳（メタデータ） (2026-05-22T13:00:52Z)
• From Video-to-PDE: Data-Driven Discovery of Nonlinear Dye Plume Dynamics [0.0]
  ビデオから直接連続体モデルを推定することは、2つの事実によって妨げられる。 我々は、インク配管のグレースケール記録を正規化されたスカラー場に変換するビデオ・ツー・PDEパイプラインを開発した。 探索,キャリブレーション,不確実性を異なる段階として扱うと,非校正された視覚データがコンパクトで予測的かつ構造的に解釈可能な連続体モデルが得られることを示す。
  論文  参考訳（メタデータ） (2026-05-06T06:23:59Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Decoupled Diffusion Sampling for Inverse Problems on Function Spaces [73.52103661482242]
  既存のプラグ・アンド・プレイ拡散後サンプリングは係数ジョイント・ソリューション・モデリングを通じて物理を暗黙的に表現する。 逆PDE問題に対する関数空間における物理認識型生成フレームワークを提案する。 我々の解答拡散逆ソルバー(DDIS)は、非条件拡散が事前に係数を学習し、ニューラル演算子はガイダンスのためにフォワードPDEを明示的にモデル化する。
  論文  参考訳（メタデータ） (2026-01-30T18:54:49Z)
• Diffusion Models are Molecular Dynamics Simulators [0.0]
  バッチ次元に逐次バイアスを付与したデノナイズ拡散サンプリング器が,ランゲヴィン力学を過度に破壊するオイラー・丸山積分器であることを証明した。 各逆消音ステップは、その関連するばね剛性を伴って、ノイズスケジュールとその剛性とで協調して設定された有効時間ステップを有する微分方程式の一段階と解釈することができる。 学習したスコアは、学習したエネルギーの勾配の役割を担い、拡散サンプリングとランゲヴィン時間進化の正確な対応を与える。
  論文  参考訳（メタデータ） (2025-11-21T19:48:32Z)
• Kernel-Smoothed Scores for Denoising Diffusion: A Bias-Variance Study [3.265950484493743]
  拡散モデルは暗記しがちである。 スコアの正規化は、トレーニングデータセットのサイズを増やすのと同じ効果がある。 この視点は、拡散をデノナイズする2つの規則化機構を強調する。
  論文  参考訳（メタデータ） (2025-05-28T20:22:18Z)
• On the Wasserstein Convergence and Straightness of Rectified Flow [54.580605276017096]
  Rectified Flow (RF) は、ノイズからデータへの直流軌跡の学習を目的とした生成モデルである。 RFのサンプリング分布とターゲット分布とのワッサーシュタイン距離に関する理論的解析を行った。 本稿では,従来の経験的知見と一致した1-RFの特異性と直線性を保証する一般的な条件について述べる。
  論文  参考訳（メタデータ） (2024-10-19T02:36:11Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。