論文の概要: Posterior Inference of Hamiltonian Parameters from RIXS Spectroscopy

• arxiv url: http://arxiv.org/abs/2608.13848v1
• Date: Fri, 14 Aug 2026 00:42:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.22894
• Title: Posterior Inference of Hamiltonian Parameters from RIXS Spectroscopy
• Title（参考訳）: RIXS分光法によるハミルトンパラメータの後方推定
• Abstract要約: 共鳴非弾性X線散乱分光法へのシミュレーションベース推論の第一応用 Amortized rearは、これまでフィールドで利用できなかった分析のクラスをアンロックする。
• 参考スコア（独自算出の注目度）: 4.147622389263615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the first application of simulation-based inference to resonant inelastic X-ray scattering spectroscopy. Using truncated marginal neural ratio estimation to efficiently restrict the prior and conditional flow matching as the joint density estimator, we infer full posteriors with a modest simulation budget for two Ni$^{2+}$ compounds---NiPS$_3$ as a representative covalent case and K$_2$NiF$_4$ as a more atomic one. We demonstrate that a vision transformer encoder whose tokenization matches the physical layout of the RIXS map yields better-covered and sharper posteriors than generic image encoders. Applying the validated method to experimental NiPS$_3$ and K$_2$NiF$_4$ data, we recover a joint posterior that reveals parameter correlations invisible to point estimators, and a posterior predictive distribution that closely matches the observed spectrum. The amortized posterior unlocks a class of analyses not previously available to the field such as nuisance-marginalized uncertainty quantification, multi-measurement posterior fusion and active experimental design.
• Abstract（参考訳）: 共振性非弾性X線散乱分光法へのシミュレーションベース推論の最初の応用について述べる。 トランキャット付き辺縁性ニューラル比推定を用いて, 結合密度推定器としての前と条件のフローマッチングを効率的に制限し, 2つのNi$^{2+}$化合物--NiPS$_3$を代表共価として, K$_2$NiF$_4$をより原子価として, より控えめなシミュレーション予算で完全な後部を推定する。 RIXSマップの物理配置とトークン化が一致した視覚トランスフォーマーエンコーダは、一般的な画像エンコーダよりも、より良いカバーとシャープな後部が得られることを示す。 評価手法を実験用NiPS$_3$およびK$_2$NiF$_4$データに適用し、点推定器に見えないパラメータ相関と観測スペクトルと密に一致した後続予測分布を復元する。 償却後部は、ニュアンスマージナイズドの不確実性定量化、多重測定後部核融合、アクティブな実験設計など、これまでフィールドで利用できなかった分析のクラスをアンロックする。

関連論文リスト

• Calibrated Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT [13.147279382369293]
  ガウススプラッティングCTにおける最初の系統的校正法について検討した。 その結果, ボクセルごとの不確実性は, 公式ベンチマークの15面中14面に真の復元誤差をランク付けすることがわかった。 そして、不適格な買収スコアがなぜ許容できる見解を選択できるのかを見極める。
  論文  参考訳（メタデータ） (2026-07-15T10:25:05Z)
• $Ω$: Operator-based Mixture Ensemble for Generative Assimilation [7.915816961228985]
  $$は、条件付きガウス代用モデリング、教師なしスコアラーニング、生成サンプリングを統合するスケーラブルなフレームワークである。 $$は閉形式の条件付き後続分布を利用して、高次元の観測されていない成分を解析的に回収する。 $は、断続性と極端なイベントを持つ複数の乱流モデルで検証され、後続の精度が一貫して向上する。
  論文  参考訳（メタデータ） (2026-06-18T20:19:44Z)
• Constrained Stochastic Spectral Preconditioning Converges for Nonconvex Objectives [48.91820744387913]
  我々は,Muon と Scions に着目した事前条件付き勾配法を開発した。 我々は,様々な凸や非還元制約を扱えるアルゴリズム群を紹介した。
  論文  参考訳（メタデータ） (2026-05-12T09:36:13Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Detecting Unobserved Confounders: A Kernelized Regression Approach [46.52607207396279]
  Kernel Regression Confounder Detection (KRCD) は、単一環境下での非線形観測データにおける観測不能なコンバウンディングを検出する新しい方法である。 ゼロからの有意な偏差が観測不能な共起を示すテスト統計学。 合成ベンチマークとツインズデータセットの実験は、KRCDが既存のベースラインを上回るだけでなく、計算効率も優れていることを示した。
  論文  参考訳（メタデータ） (2026-01-01T04:26:02Z)
• Prior-dependent analysis of posterior sampling reinforcement learning with function approximation [19.505117288012148]
  この研究は、線形混合MDPをモデルとした関数近似を用いた強化学習(RL)におけるランダム化探索を推し進める。 機能近似を用いたRLに対する最初の事前依存型ベイズ後悔法を確立し, 後方サンプリング強化学習(PSRL)のためのベイズ後悔解析を洗練させる。 上限は$mathcalO(dsqrtH3 T log T)$で、$d$は遷移カーネルの次元を表し、$H$は計画地平線、$T$は相互作用の総数を表す。
  論文  参考訳（メタデータ） (2024-03-17T11:23:51Z)
• Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models [49.81937966106691]
  我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。 従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
  論文  参考訳（メタデータ） (2023-06-15T16:30:08Z)
• Posterior Coreset Construction with Kernelized Stein Discrepancy for Model-Based Reinforcement Learning [78.30395044401321]
  我々は、強化学習(MBRL)のための新しいモデルベースアプローチを開発する。 ターゲット遷移モデルの仮定を緩和し、混合モデルの一般的な族に属する。 連続的な制御環境では、壁時計の時間を最大50%削減することができる。
  論文  参考訳（メタデータ） (2022-06-02T17:27:49Z)
• Probabilistic Mass Mapping with Neural Score Estimation [4.079848600120986]
  弱レンズ質量マッピング問題の高次元ベイズ後方の効率的なサンプリング法を提案する。 本手法の精度をシミュレーションで実証し,HST/ACS COSMOSフィールドの大量再構成に適用する。
  論文  参考訳（メタデータ） (2022-01-14T17:07:48Z)
• Online nonparametric regression with Sobolev kernels [99.12817345416846]
  我々は、ソボレフ空間のクラス上の後悔の上限を$W_pbeta(mathcalX)$, $pgeq 2, beta>fracdp$ とする。 上界は minimax regret analysis で支えられ、$beta> fracd2$ または $p=infty$ の場合、これらの値は(本質的に)最適である。
  論文  参考訳（メタデータ） (2021-02-06T15:05:14Z)
• The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
  我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。 この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-22T16:43:35Z)

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。