Fugu-MT 論文翻訳(概要): Weak Adversarial Neural Pushforward Method for Boltzmann Equation

論文の概要: Weak Adversarial Neural Pushforward Method for Boltzmann Equation

arxiv url: http://arxiv.org/abs/2608.06823v1
Date: Fri, 07 Aug 2026 05:28:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-10 16:21:25.366954
Title: Weak Adversarial Neural Pushforward Method for Boltzmann Equation
Title（参考訳）: ボルツマン方程式の弱反転ニューラルプッシュフォワード法
Abstract要約: ボリツマン方程式が支配する分布によって与えられるサンプルを生成するために、可逆的なニューラルプッシュフォワードマッピングが用いられる。プッシュフォワード写像のトレーニングはボルツマン方程式の弱形式を強制することによって学習される。
参考スコア（独自算出の注目度）: 2.64811975262819
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we extend a weak adversary neural network pushforward method for solving time dependent Boltzmann equation and a weak formulation of the collision operator is proposed where an invertible neural pushforward mapping is used to generating samples given by the distribution governed by the Boltzmann equation. The training of the pushforward mapping is learnt by enforcing the weak form of the Boltzmann equation. Numerical results have demonstrated the effectiveness of the proposed method.
Abstract（参考訳）: 本稿では,時間依存型ボルツマン方程式を解くための弱逆ニューラルネットワークプッシュフォワード法を拡張し,ボルツマン方程式が支配する分布から得られるサンプルを生成するために,可逆型ニューラルネットワークプッシュフォワードマッピングを用いる衝突作用素の弱い定式化を提案する。プッシュフォワード写像のトレーニングはボルツマン方程式の弱形式を強制することによって学習される。提案手法の有効性を数値計算により検証した。

関連論文リスト

Neural Pushforward Samplers for the Fokker-Planck Equation on Embedded Riemannian Manifolds [2.9762212209762606]
弱反転ニューラルプッシュフォワード法をFokker-Planck方程式に拡張する。トレーニングは、周囲平面波試験関数を用いた弱い対向目標によって導かれる。 2次元球面上の二重井戸問題に関する数値計算の結果は、多モード不変分布を捕捉する手法の能力を実証している。
論文参考訳（メタデータ） (2026-03-17T08:24:52Z)
Sampling Boltzmann distributions via normalizing flow approximation of transport maps [0.14323566945483493]
基準測度と真のボルツマン分布の間の正規化フローの存在をワッサーシュタイン距離における任意の小さな誤差まで証明する。我々は、RealNVPアーキテクチャが平衡ボルツマン分布だけでなく、メタスタブルダイナミクスをうまく捉えていることを観察する。
論文参考訳（メタデータ） (2026-03-15T07:28:10Z)
Equivariant Deep Equilibrium Models for Imaging Inverse Problems [50.91616288661183]
等変イメージング(EI)は、地上の真実データを必要とせず、信号再構成モデルを訓練することができる。バックプロパゲーションはモジュール的に実装でき、トレーニングが簡単になる。 EI で訓練された DEQ が以前の不変量の近位写像に近似する証拠が見つかる。
論文参考訳（メタデータ） (2025-11-24T00:43:54Z)
Flow Perturbation to Accelerate Unbiased Sampling of Boltzmann distribution [2.103187931015573]
フローベース生成モデルはボルツマン分布のサンプリングに用いられているが、その応用は流れのジャコビアンを得る計算コストによって妨げられている。本稿では,最適化された摂動を流れに組み込む流れ摂動法を提案する。摂動流によって生じる軌跡を再重み付けすることにより,ボルツマン分布の非バイアスサンプリングを桁違いの速度アップで達成する。
論文参考訳（メタデータ） (2024-07-15T12:29:17Z)
Solving Poisson Equations using Neural Walk-on-Spheres [80.1675792181381]
高次元ポアソン方程式の効率的な解法としてニューラルウォーク・オン・スフェース(NWoS)を提案する。我々は,NWoSの精度,速度,計算コストにおける優位性を実証した。
論文参考訳（メタデータ） (2024-06-05T17:59:22Z)
Symmetric Q-learning: Reducing Skewness of Bellman Error in Online Reinforcement Learning [55.75959755058356]
深層強化学習では、状態や行動の質を評価するために、価値関数を推定することが不可欠である。最近の研究では、値関数を訓練する際の誤差分布はベルマン作用素の特性のためにしばしば歪むことが示唆されている。そこで我々は,ゼロ平均分布から発生する合成ノイズを目標値に加え,ガウス誤差分布を生成するSymmetric Q-learning法を提案する。
論文参考訳（メタデータ） (2024-03-12T14:49:19Z)
Universal representation by Boltzmann machines with Regularised Axons [34.337412054122076]
正規化されたボルツマンマシンは任意の分布を表現できることを示す。また、正規化されたボルツマンマシンは、任意の相関した多くの可視パターンを完全検索で指数関数的に保存できることを示す。
論文参考訳（メタデータ） (2023-10-22T20:05:47Z)
Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
論文参考訳（メタデータ） (2022-11-24T07:30:27Z)
Training Feedback Spiking Neural Networks by Implicit Differentiation on the Equilibrium State [66.2457134675891]
スパイキングニューラルネットワーク(英: Spiking Neural Network、SNN)は、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする脳にインスパイアされたモデルである。既存のほとんどの手法は、人工ニューラルネットワークのバックプロパゲーションフレームワークとフィードフォワードアーキテクチャを模倣している。本稿では,フォワード計算の正逆性に依存しない新しいトレーニング手法を提案する。
論文参考訳（メタデータ） (2021-09-29T07:46:54Z)
Generative Semantic Hashing Enhanced via Boltzmann Machines [61.688380278649056]
既存の生成ハッシュ法は、主に後部分布の分解形式を仮定する。本稿では,ボルツマンマシンの分布を検索後部として利用することを提案する。ハッシュコード内の異なるビット間の相関関係を効果的にモデル化することにより、我々のモデルは大幅な性能向上を達成できることを示す。
論文参考訳（メタデータ） (2020-06-16T01:23:39Z)
Interpolation Technique to Speed Up Gradients Propagation in Neural ODEs [71.26657499537366]
本稿では,ニューラルネットワークモデルにおける勾配の効率的な近似法を提案する。我々は、分類、密度推定、推論近似タスクにおいて、ニューラルODEをトレーニングするリバースダイナミック手法と比較する。
論文参考訳（メタデータ） (2020-03-11T13:15:57Z)
A Derivative-Free Method for Solving Elliptic Partial Differential Equations with Deep Neural Networks [2.578242050187029]
楕円型偏微分方程式のクラスを解くためのディープニューラルネットワークに基づく手法を提案する。我々は、PDEの確率的表現の指導の下で訓練されたディープニューラルネットワークを用いて、PDEの解を近似する。ブラウンのウォーカーがドメインを探索するにつれ、ディープニューラルネットワークは強化学習の形式で反復的に訓練される。
論文参考訳（メタデータ） (2020-01-17T03:29:24Z)

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。