論文の概要: Agentic Stage-One Stellarator Optimization: Autonomous Multi-Objective Search for Finite-Beta Equilibria
- arxiv url: http://arxiv.org/abs/2608.01344v1
- Date: Sun, 02 Aug 2026 16:08:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.170137
- Title: Agentic Stage-One Stellarator Optimization: Autonomous Multi-Objective Search for Finite-Beta Equilibria
- Title（参考訳）: エージェントステージ1ステラレータ最適化:有限ベータ平衡の自動多目的探索
- Abstract要約: 強調ステージワン最適化の概念実証を行う。
エージェント外ループ制御は有限ベータ・多目的探索を維持でき、繰り返し最適化を改良された平衡のスケーラブルなソースに変えることができる。
- 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: Stage-one stellarator design searches a high-dimensional family of three-dimensional plasma boundaries and fixed-boundary MHD equilibria for configurations that jointly meet requirements on confinement, field-line topology, force balance, stability proxies, and geometry. These specifications do not provide a general constructive map to a validated finite-beta equilibrium. High-quality targets are commonly developed through iterative numerical optimization whose outcome depends on the initial configuration, active Fourier resolution, objective priorities, and local solver budget. Coordinating this process is computationally costly and expert-intensive, limiting both design throughput and the production of consistently evaluated data. We present a proof of concept for \emph{agentic} stage-one optimization. A bounded language-model agent diagnoses the current equilibrium and selects the next local optimization experiment, while deterministic DESC execution owns prescribed profiles and flux, symmetry, metric evaluation, solver validity, and acceptance. On a common-budget subset from an expanding finite-beta campaign, the number of gate-valid configurations increases from five inputs to nineteen outputs; median Boozer QS RMS decreases from $2.39\times10^{-4}$ to $1.07\times10^{-4}$, and median maximum principal curvature decreases from $62.56$ to $33.00\,\mathrm{m}^{-1}$. A complementary long route achieves a $9.10\times$ QS reduction while repairing magnetic-well and curvature defects. The system also records every attempted local action as transition evidence, yielding 734 structured parent--action--outcome records in the reported experiments. These results show that agentic outer-loop control can sustain finite-beta, multi-objective search and turn repeated optimization into a scalable source of improved equilibria and reusable decision data.
- Abstract（参考訳）: ステージ1ステラレータの設計は、閉じ込め、フィールドライントポロジー、力バランス、安定性プロキシ、幾何学の要件を満たす構成に対して、三次元プラズマ境界と固定境界MHD平衡の高次元ファミリーを探索する。
これらの仕様は、検証された有限ベータ平衡に対する一般的な構成写像を提供しない。
高品質なターゲットは、初期設定、アクティブなフーリエ分解、客観的優先度、および局所的なソルバ予算に依存する反復的な数値最適化によって、一般的に開発される。
このプロセスのコーディネートは計算コストがかかり、専門家が集中しているため、設計スループットと一貫した評価データの生成が制限される。
ステージ1最適化における概念実証について述べる。
境界言語モデルエージェントは、現在の平衡を診断し、次の局所最適化実験を選択する。
拡張有限ベータキャンペーンの共通予算部分集合では、ゲート価構成の数は5入力から19出力に増加し、中央値のBoozer QS RMSは2.39\times10^{-4}$から1.07\times10^{-4}$に減少し、中央値の主曲率も62.56$から33.00\,\mathrm{m}^{-1}$に減少する。
相補的な長い経路は、磁気井戸と曲率欠陥を修復しながら、9.10\times$ QS還元を達成する。
また、このシステムは全てのローカルな行動が移行証拠として記録され、報告された実験で734の構造化された親-アクション-アウトカム記録が得られた。
これらの結果から, エージェント型外ループ制御は, 有限ベータ・多目的探索を維持でき, 繰り返し最適化を改良された平衡と再利用可能な決定データのスケーラブルなソースにすることができることがわかった。
関連論文リスト
- Frozen Cores Need Task Signal: Fisher-Whitened Cross-Covariance for Low-Resource LLM Adaptation [18.8104643146881]
厳格な訓練州予算の下で, コンストラクタ効率の高い微調整の選択について検討した。
我々は、署名された入力-エラーの相互共分散を推定し、対角的なフィッシャーモーメントと白くし、その結果の局所距離でそれを切り離し、選択した方向を写像し、より薄いQRを適用して安定したコア座標を得るFCCAを紹介する。
Qwen2.5-3B では、FCCA は 83.0 のマクロ平均値に達し、その2.3 ポイントは、マッチした予算のコンストラクタよりも高く、11 タスクすべてにおいて未白の RawGrad コントロールを超えている。
論文 参考訳（メタデータ） (2026-09-01T05:52:38Z) - Reliability-Aware Bayesian Optimization of 1310 nm PCSELs with FDTD Verification [5.856516229808983]
1310nm近いフォトニック結晶表面評価レーザー(PCSEL)は、光通信とセンシングのために魅力的な狭ビーム源である。
小さな幾何学的変化は、バンドエッジ共鳴、キャビティリーク、遠距離拡散、高Q$崩壊適合の数値安定性を同時にシフトさせる。
商用有限差分時間領域解決器を8変数の局所設計変数上で信頼性を考慮したベイズ最適化(BO)ループに結合する。
論文 参考訳（メタデータ） (2026-07-23T19:35:55Z) - A Defense of the Quadratic Model [71.57026347416729]
最も単純な最適化モデル -- 二次モデル -- をテストする。
1億5000万のパラメータと3Bのトレーニングトークンを持つLLM設定で驚くほど予測可能であることを示す。
論文 参考訳（メタデータ） (2026-07-23T18:02:03Z) - The Deterministic Horizon: When Extended Reasoning Fails and Tool Delegation Becomes Necessary [13.891522069967507]
拡張連鎖推論は決定論的状態追跡タスクのパフォーマンスを低下させる。
ツール統合推論がニューラル・チェーン・オブ・シントを一貫して上回ることを示す。
本研究は, エージェントシステムにおいて, 純粋なニューラル推論がハイブリッドアプローチにいつ適用されるべきかについて, 基本的ガイダンスを提供する。
論文 参考訳（メタデータ） (2026-05-29T21:35:23Z) - Model Compression with Exact Budget Constraints via Riemannian Manifolds [39.54576236079211]
トータルコスト予算の下で各NグループにKオプションの1つを割り当てることは、効率的なAIにおいて繰り返し発生する問題である。
我々は、ソフトマックス緩和の下で、予算制約がロジット空間における滑らかなリーマン多様体を異常に単純な幾何学で定義することを示す新しいアプローチを示す。
これらの特性に基づいて、接射影、二分探索リトラクション、運動量輸送を標準とするリーマン制約最適化(RCO)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:30:23Z) - Provably Adaptive Linear Approximation for the Shapley Value and Beyond [73.0940890296463]
基本的で長期にわたる課題は、その効率的な近似である。
一般に用いられるすべての半値に対して$P(|hatboldsymbol-boldsymbol|_2geq)leq$を必要とする線形空間アルゴリズムを開発する。
本アルゴリズムは,各ユーティリティ関数の平均二乗誤差の明示的最小化を可能にする。
論文 参考訳（メタデータ） (2026-04-09T16:38:14Z) - ALMAB-DC: Active Learning, Multi-Armed Bandits, and Distributed Computing for Sequential Experimental Design and Black-Box Optimization [0.0]
ALMAB-DCはブラックボックス実験のための逐次設計フレームワークである。
バンディット成分に対する累積的後悔境界を示し、Amdahlの法則を通した並列スケーラビリティを特徴付ける。
分散実行は、Amdahlの法則に従って、$K = 16$エージェントでの7.5times$スピードアップを達成する。
論文 参考訳（メタデータ） (2026-03-22T11:47:20Z) - Causal Direction from Convergence Time: Faster Training in the True Causal Direction [0.0]
最適化力学に基づく因果方向同定の原理である因果計算非対称性(Causal Computational Asymmetric, CCA)を紹介する。
CCAは最適化時空間で動作し、RESIT、IGCI、SkewScoreなどの手法と区別する。
さらに、グラフ構造学習、因果情報圧縮、ポリシー最適化を統合したCausal Compression Learning(CCL)というフレームワークにCCAを組み込む。
論文 参考訳（メタデータ） (2026-02-24T21:34:57Z) - Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。
我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。
重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
論文 参考訳（メタデータ） (2026-02-24T05:32:03Z) - On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。
本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
論文 参考訳（メタデータ） (2025-10-22T18:25:43Z) - Fast Batch Nuclear-norm Maximization and Minimization for Robust Domain
Adaptation [154.2195491708548]
ランダムに選択されたデータバッチの分類出力行列の構造について検討し,予測可能性と多様性について検討した。
本稿では,目標出力行列上で核ノルムを行い,目標予測能力を向上するBatch Nuclear-norm Maximization and Minimizationを提案する。
実験により,本手法は3つの典型的なドメイン適応シナリオにおいて適応精度とロバスト性を高めることができることが示された。
論文 参考訳（メタデータ） (2021-07-13T15:08:32Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z)
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。