論文の概要: Information Spreading in Diffusion Models from Effective Field Theory
- arxiv url: http://arxiv.org/abs/2608.14308v1
- Date: Fri, 14 Aug 2026 13:45:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.06636
- Title: Information Spreading in Diffusion Models from Effective Field Theory
- Title(参考訳): 有効場理論に基づく拡散モデルにおける情報拡散
- Abstract要約: 畳み込み構造を用いたスコアマッチング拡散モデルについて検討する。
物理による有効場の理論の機械は、認知力学を記述するのに有用であると主張する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study score-matching diffusion models with a convolutional architecture. We argue that the inductive bias of locality means that the machinery of effective field theory from physics can be usefully applied to describe the denoising dynamics. We apply this formalism first to a simple toy example which permits an analytical description, and thereafter to MNIST, and show that in both cases, the mutual information between two points grows in a manner predicted by a simple effective field theory of Brownian motion.
- Abstract(参考訳): 畳み込み構造を用いたスコアマッチング拡散モデルについて検討する。
局所性の帰納的バイアスは、物理学から有効場の理論の機械が、認知力学を記述するのに有用であることを意味すると論じる。
この定式化をまず、解析的記述を許容する単純なおもちゃの例に適用し、その後 MNIST に適用し、どちらの場合も、ブラウン運動の単純実効場理論によって予測される方法で2点間の相互情報が増大することを示す。
関連論文リスト
- Improved Sample Complexity For Diffusion Model Training Without Empirical Risk Minimizer Access [47.96419637803502]
拡散モデルを解析し、$widetildemathcalO(epsilon-4)$に束縛された最先端のサンプル複雑性を提供する。
スコア推定誤差の統計的および最適化成分への構造化分解は、拡散モデルを効率的に訓練する方法に関する重要な洞察を与える。
論文 参考訳(メタデータ) (2025-05-23T20:02:15Z) - Can Diffusion Models Disentangle? A Theoretical Perspective [37.21661224725838]
本稿では,拡散モデルが非交叉表現を学習する方法を理解するための新しい理論的枠組みを提案する。
我々は、一般的な非絡み付き潜在変数モデルの識別可能性条件を確立し、トレーニング力学を解析し、非絡み付き潜在部分空間モデルのサンプル複雑性境界を導出する。
論文 参考訳(メタデータ) (2025-03-31T20:46:18Z) - Understanding Representation Dynamics of Diffusion Models via Low-Dimensional Modeling [29.612011138019255]
拡散モデルにおける一様表現ダイナミクスの出現について検討する。
この一様性は、ノイズスケールをまたいだデノイング強度とクラス信頼の相互作用から生じる。
分類タスクでは、単調力学の存在は拡散モデルの一般化を確実に反映する。
論文 参考訳(メタデータ) (2025-02-09T01:58:28Z) - Transformers from Diffusion: A Unified Framework for Neural Message Passing [79.9193447649011]
メッセージパッシングニューラルネットワーク(MPNN)は、デファクトクラスのモデルソリューションとなっている。
本稿では,拡散の誘導バイアスとエネルギーの層的制約を統合するエネルギー制約拡散モデルを提案する。
これらの知見に基づいて、我々はTransformer (DIFFormer)と呼ばれる新しいタイプのメッセージパッシングモデルを考案した。
論文 参考訳(メタデータ) (2024-09-13T17:54:41Z) - Unveil Conditional Diffusion Models with Classifier-free Guidance: A Sharp Statistical Theory [87.00653989457834]
条件付き拡散モデルは現代の画像合成の基礎となり、計算生物学や強化学習などの分野に広く応用されている。
経験的成功にもかかわらず、条件拡散モデルの理論はほとんど欠落している。
本稿では,条件拡散モデルを用いた分布推定の急激な統計的理論を提示することにより,ギャップを埋める。
論文 参考訳(メタデータ) (2024-03-18T17:08:24Z) - Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian
Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。
本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文 参考訳(メタデータ) (2024-03-03T23:15:48Z) - GenEFT: Understanding Statics and Dynamics of Model Generalization via Effective Theory [15.01642959193149]
ニューラルネットワークの一般化の静的性と動的性に光を遮る効果的な理論フレームワークを提案する。
我々はデコーダが弱すぎても強すぎないGoldilocksゾーンの一般化を見出した。
次に、潜在空間表現を相互作用粒子(応答)としてモデル化する表現学習のダイナミクスに関する効果的な理論を導入する。
論文 参考訳(メタデータ) (2024-02-08T18:51:55Z) - Generative Diffusion Models for Lattice Field Theory [8.116039964888353]
本研究は、生成拡散モデル(DM)と量子化を結びつけることによって、機械学習と格子場理論の関連性について考察する。
DMはランゲヴィン方程式によって駆動される過程を逆転させ,初期分布からサンプルを生成し,対象分布を近似することによって概念化可能であることを示す。
論文 参考訳(メタデータ) (2023-11-06T22:24:28Z) - SEGNO: Generalizing Equivariant Graph Neural Networks with Physical
Inductive Biases [66.61789780666727]
等変性を維持しながら, 2階連続性をGNNに組み込む方法を示す。
また、SEGNOに関する理論的知見も提供し、隣接する状態間の一意の軌跡を学習できることを強調している。
我々のモデルは最先端のベースラインよりも大幅に改善されている。
論文 参考訳(メタデータ) (2023-08-25T07:15:58Z) - Diffusion Models are Minimax Optimal Distribution Estimators [49.47503258639454]
拡散モデリングの近似と一般化能力について、初めて厳密な分析を行った。
実密度関数がベソフ空間に属し、経験値整合損失が適切に最小化されている場合、生成したデータ分布は、ほぼ最小の最適推定値が得られることを示す。
論文 参考訳(メタデータ) (2023-03-03T11:31:55Z) - How Much is Enough? A Study on Diffusion Times in Score-based Generative
Models [76.76860707897413]
現在のベストプラクティスは、フォワードダイナミクスが既知の単純なノイズ分布に十分に近づくことを確実にするために大きなTを提唱している。
本稿では, 理想とシミュレーションされたフォワードダイナミクスのギャップを埋めるために補助モデルを用いて, 標準的な逆拡散過程を導出する方法について述べる。
論文 参考訳(メタデータ) (2022-06-10T15:09:46Z) - Flow-based sampling for fermionic lattice field theories [8.46509435333566]
この研究は、動的フェルミオンを持つ理論のフローベースサンプリングを可能にするアプローチを開発する。
実演として、これらの手法は、無質量安定フェルミオンの2次元理論のための場配置のサンプリングに応用される。
論文 参考訳(メタデータ) (2021-06-10T17:32:47Z) - Breakdown signatures of the phenomenological Lindblad master equation in
the strong optomechanical coupling regime [0.0]
マスター方程式のリンドブラッド形式は、興味ある量子系と相互作用する環境を記述する最も便利な方法の1つであることが証明されている。
本稿では, 主方程式の共通現象モデルと, 光学系におけるより厳密な装束状態主方程式との相違について検討する。
我々の研究は、オープン量子系力学におけるサブシステム間のカップリングの役割をより深く理解するための一歩です。
論文 参考訳(メタデータ) (2020-07-06T23:00:15Z)
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。