論文の概要: Discrete energy as an exact label-free training objective for finite-element surrogates

• arxiv url: http://arxiv.org/abs/2608.05437v1
• Date: Wed, 05 Aug 2026 22:15:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.792862
• Title: Discrete energy as an exact label-free training objective for finite-element surrogates
• Title（参考訳）: 有限要素サロゲートの正確なラベルなし学習目標としての離散エネルギー
• Abstract要約: このノートは、証明とともに、このシグナルを線形エラストスタットに正確に示すアイデンティティを記録している。 硬度ノルムにおけるラベルのない離散エネルギー最小化と教師付き回帰は、各点で同じ一意な最小化と同一の勾配を持つ。
• 参考スコア（独自算出の注目度）: 0.8125368885437911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Supervised training of finite-element (FE) surrogate models requires reference solutions, and each reference solution is obtained by solving the system that the surrogate is intended to replace. The assembled discrete potential energy provides a training signal that requires no reference solution. This note records, with proofs, the identities that make this signal exact for linear elastostatics: the difference between the energy of a prediction and the energy of the reference solution equals one half of the squared stiffness-norm error, and the gradient of the energy equals the stiffness-weighted error. Label-free discrete-energy minimisation and supervised regression in the stiffness norm therefore have the same unique minimiser and identical gradients at every point. Around this central result, the note states a conditioning lemma that bounds the displacement error by the energy gap, a modewise contraction identity that explains why the Euclidean displacement error is an unsuitable primary metric, the Chebyshev bound that governs conjugate-gradient post-processing of surrogate predictions, and a conditional latent-separation proposition for joint-embedding predictive architecture (JEPA) pretraining on a shared stiffness operator, with an explicit numerical counterexample that delimits its scope. Every claim with numeric content is implemented as an executable falsification check; the checks were executed twice, on synthetic test problems and on a probe set of 16 instances from the validation split of a pre-registered experimental run, and every inequality holds, with the measured tightness reported. A closing section explains why the construction does not extend to elastodynamics through direct minimisation of the action functional, and which time-discrete formulation restores exactness.
• Abstract（参考訳）: 有限要素サロゲートモデルの教師付きトレーニングには参照解が必要であり、各参照解はサロゲートが置き換えることを意図したシステムを解くことによって得られる。 組み立てられた離散ポテンシャルエネルギーは、参照解を必要としない訓練信号を提供する。 予測のエネルギーと基準解のエネルギーの差は正方形剛性-ノルム誤差の半分に等しいし、エネルギーの勾配は剛性-重み付き誤差に等しい。 したがって、硬度ノルムにおけるラベルのない離散エネルギー最小化と教師付き回帰は、各点で同じ一意なミニミザーと同一の勾配を持つ。 この中心的な結果の周りには、エネルギーギャップによって変位誤差を束縛する条件付き補題、ユークリッドの変位誤差が不適な一次計量である理由を説明するモードワイド縮約単位、代理予測の共役次数的な後処理を管理するチェビシェフ境界、共有剛性演算子で事前訓練される共同埋め込み予測アーキテクチャ(JEPA)に対する条件付き潜時分離命題、およびそのスコープを縮める明示的な数値反例が記載されている。 数値コンテンツを含むすべてのクレームは、実行可能なファルシフィケーションチェックとして実装され、これらのチェックは、合成テスト問題と、事前登録された実験実行の検証分割から16インスタンスのプローブセットで2回実行され、測定された厳密度が報告された全ての不等式が保持される。 閉部は、作用関数の直接最小化によって構造がエラストダイナミックスに拡張されない理由を説明し、時間差の定式化が正確性を復元する。

関連論文リスト

• Marginal Coordinate Test for Fréchet Regression with Random Objects [15.929485404318557]
  分離可能な距離空間におけるユークリッド予測器とランダムオブジェクト応答を用いた回帰テストを開発する。 我々は、重み付けされた中央2乗のヌル限界、ワイルドブートストラップの有効性、および固定検出可能な代替品に対する一貫性を確立する。 同時推論では、truncated p-to-e calibrationとe-BHを組み合わせることで、一般的な依存下での誤検出率の制御が可能になる。
  論文  参考訳（メタデータ） (2026-08-31T11:48:12Z)
• Finite-Sample Metric Non-Collapse for Geometrically Supervised Latent World Models in Control [0.0]
  非線形決定論系の幾何学的教師付き潜在モデルに対する有限サンプル学習制御理論を確立する。 本稿では,方向分解能と分離状態判別を強制するエンコーダのみの局所的計量ヒンジを提案する。 モジュラー決定論は、学習した証明書を軌跡、有限水平コスト、学習コストヘッド、および論理的保証に転送する一方、検証された有限ネットの結果は、よりシャープなモデル固有の認証を可能にする。
  論文  参考訳（メタデータ） (2026-08-07T14:25:33Z)
• Stochastic Counterdiabatic Driving via Biorthogonal Liouvillian Eigenmodes [42.668742604089324]
  エスコレートされた自由エネルギーシミュレーションは、ラグを除去するエンジニアリング制御フィールド$mathbfu$による非断熱的なラグに対処する。 一般化座標変換の代わりにゲージ型変換に基づく相補的な数値的枠組みを構築する。 非断熱ラグを約12桁の精度で抑えることにより, 逆断熱条件が機械精度に満足していることが示される。
  論文  参考訳（メタデータ） (2026-07-27T13:08:14Z)
• An Adjoint-Sensitivity Framework for Lost-in-the-Middle Phenomena in Causal Residual Transformers [1.4180331276028662]
  我々は, 因果残差変換器における位置影響に対する随伴感度フレームワークを開発した。 我々は、独立にチェック可能なエネルギー、相関、および局所チャネル境界の下で境界の利点を述べる。
  論文  参考訳（メタデータ） (2026-07-20T08:44:31Z)
• The SIGReg Objective as Variational Free Energy: A Theoretical Active-Inference Account of JEPA World Models [47.471225029744424]
  JEPA(Joint-Embedding Predictive Architectures)は、潜在世界モデルの主要な設計である。 本稿では,JEPAのトレーニング目標である予測損失と重み付き埋め込み正規化の選択肢が,有効能動推論(AIF)変動自由エネルギーであるか否かを判定する。
  論文  参考訳（メタデータ） (2026-07-15T08:59:36Z)
• Fault tolerant computation of the static structure factor and finite size effects [43.936586633107396]
  先導的な2体有限サイズ補正のための量子後処理戦略を開発する。 ツイスト平均化によりワンボディシェル効果が減少すると、長波長密度変動により支配的残留誤差が制御される。 また,2体有限サイズ誤差補正の再構築に使用される赤外線嵌合窓を同定するための適応的グローバル・ローカル二値探索手法も導入した。
  論文  参考訳（メタデータ） (2026-06-26T05:31:08Z)
• Effective Covariance Dynamics in Solvable High-Dimensional GANs [2.639628765667673]
  線形生成器がデータから低次元部分空間を学習するGANトレーニングの可解な高次元モデルについて検討する。 顕微鏡トレーニングプロセスが高次元の極限において、この効果的な共分散によって支配される決定論的常微分方程式に収束することを証明する。
  論文  参考訳（メタデータ） (2026-06-25T16:33:54Z)
• Conformal Prediction for Dyadic Regression Under Complex Missingness [2.7512870037345696]
  本研究では,複雑な欠落機構の下での動的回帰問題における共形予測の枠組みを開発する。 連続応答と離散応答の両方に対して条件付き妥当性を示す。 これは、不足非ランダムな仮定の下での重み付き共形予測に対する条件付き妥当性の最初の公式な証明である。
  論文  参考訳（メタデータ） (2026-06-09T17:28:07Z)
• The conditional-mean barrier: From deterministic regression to conditional distribution learning [6.160113667162026]
  このチュートリアルでは、条件-平均障壁を中心とした自己完結モジュールを開発する。 平方損失予測器に潜在ランダム性を加えると、条件平均に戻る。 我々は,否定的対数類似度,モーメントとオブザーバブルマッチング,変分目的,逆数分岐,スコアマッチングなどの共通分布目的を短時間に整理する。
  論文  参考訳（メタデータ） (2026-05-27T07:31:42Z)
• Efficient Adjoint Matching for Fine-tuning Diffusion Models [47.05085426361986]
  本研究では,テキストベースドリフトとテキスト端末コストでSOC問題を修正し,トレーニング効率を大幅に向上するEMAを提案する。 EAMはAMよりも最大4倍早く収束し、PickScore、ImageReward、HPSv2.1、CLIPScore、Aestheticsなど様々なメトリクスにマッチするか、超える。
  論文  参考訳（メタデータ） (2026-05-12T03:55:12Z)
• 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)
• Discovering Causal Relationships using Proxy Variables under Unmeasured Confounding [42.70985072862832]
  観測研究における変数ペア間の因果関係の推測は極めて重要であるが,困難である。 我々は,不測の共同設立者の下で因果仮説をテストするために,離散的かつ連続的な設定を両立する一般的な非パラメトリックアプローチを開発する。 Intensive Care Data and World Values Surveyの広範囲なシミュレーションと実世界データによるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2025-10-20T05:13:12Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)

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。