論文の概要: Learning Metastable Dynamics

• arxiv url: http://arxiv.org/abs/2609.14712v1
• Date: Sun, 13 Sep 2026 18:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.901453
• Title: Learning Metastable Dynamics
• Title（参考訳）: メタスタブルダイナミクスの学習
• Abstract要約: 系の軌道の有限集合を用いて、系が線形に進化する潜在空間を定義する力学の表現を学ぶ。 経験的評価は,本手法が実際の発現よりもはるかに早くメタスタブルな挙動を予測できることを示唆している。 我々は,学習したKoopman行列の潜在空間における支配的固有値が,単一サーバおよび複数サーバ構成のメタスタビリティを検出する重要な指標であることを示す。
• 参考スコア（独自算出の注目度）: 8.125272633438428
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Metastability---a phenomenon where systems remain trapped in quasi-stable states before abruptly transitioning under rare perturbations---is ubiquitous in physical systems. Although metastability is a widely observed phenomenon, its identification and analysis present significant challenges. To address these challenges, we propose a novel framework for analyzing metastability using Koopman theory. We use a finite set of system trajectories to learn a representation of the dynamics that defines a latent space in which the system evolves linearly, thereby enabling a systematic characterization of metastable behavior through the spectral properties of the linear mapping. Empirical evaluations demonstrate that our approach is capable of anticipating metastable behavior significantly earlier than its actual manifestation, even with $10\%$ of the simulation duration. Moreover, we establish that the dominant eigenvalue of the learned Koopman matrix in the latent space serves as a critical indicator for detecting metastability across both single-server and multi-server configurations.
• Abstract（参考訳）: 準安定状態に閉じ込められたままで、希少な摂動の下で突然遷移する現象は、物理的システムではユビキタスである。 転移性は広く観察されている現象であるが、その同定と解析は重要な課題である。 これらの課題に対処するために,我々はKoopman理論を用いてメタスタビリティを解析するための新しいフレームワークを提案する。 系軌跡の有限集合を用いて、系が線形に進化する潜在空間を定義する力学の表現を学習し、線形写像のスペクトル特性を通じて準安定挙動の体系的特徴づけを可能にする。 実験により,本手法は,シミュレーション期間の10/%の場合でも,実際の発現よりもはるかに早くメタスタブルな挙動を予測できることを示した。 さらに、学習したクープマン行列の潜在空間における支配的固有値が、単一サーバおよび複数サーバ構成のメタスタビリティを検出する重要な指標であることを示す。

関連論文リスト

• Learning Hidden Structures in Open Quantum Dynamics [78.4675086615913]
  本研究では,制限された実験アクセス下でのオープン量子力学の隠れ構造的特徴を識別するための機械学習手法を提案する。 我々のフレームワークは、有効マルコフ進化の根底にある不変代数構造の推定を目標としている。 このアプローチの実現性は、複数の合成モデルと導波路量子電磁力学系で説明される。
  論文  参考訳（メタデータ） (2026-04-01T10:20:38Z)
• Ultra-Early Prediction of Tipping Points: Integrating Dynamical Measures with Reservoir Computing [26.87838356473853]
  複雑な力学系は破滅的かつ潜在的に不可逆的な状態変化を起こすことがある。 チップポイントは 理論と実用の両方の 予測問題を引き起こします 本研究では, 動的システムの安定性と感度を, 貯水池計算手法と組み合わせたモデルフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-16T07:49:31Z)
• KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
  生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。 固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
  論文  参考訳（メタデータ） (2026-02-15T06:32:23Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Research Program: Theory of Learning in Dynamical Systems [29.121933501690805]
  力学系における学習性は有限サンプル問題として研究されるべきである。 我々は、有限のバーンイン期間の後、各段階で均一に保持される保証に焦点をあてる。 システム同定を行なわずに,有限観測後に正確な予測が可能であることを示す。
  論文  参考訳（メタデータ） (2025-12-22T14:05:31Z)
• Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
  リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。 線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。 数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
  論文  参考訳（メタデータ） (2025-04-16T10:39:43Z)
• Self-Organizing Graph Reasoning Evolves into a Critical State for Continuous Discovery Through Structural-Semantic Dynamics [0.0]
  エージェントグラフ推論システムは,連続的な意味的発見を持続する臨界状態に向かって自然に進化することを示す。 意味的エントロピーが構造的エントロピーよりも支配的な微妙で頑健な体制を同定する。 本研究は,工学的知能システムにおいて,長期的発見と適応のための本質的な能力を持つ実践的戦略を提供する。
  論文  参考訳（メタデータ） (2025-03-24T16:30:37Z)
• Theory of Metastability in Discrete-Time Open Quantum Dynamics [0.22099217573031676]
  開系力学における準安定性は、安定状態に崩壊する前に長寿命の準安定状態への初期緩和現象を記述している。 本研究では,ターゲットシステムと純粋に強調される結合を持つアンシラ系によって誘導される,ターゲットシステム上の量子チャネルの一般クラスに着目した。 平均動力学を軌道に分解することで、興味深い準安定挙動を予測し、数値的に示す。
  論文  参考訳（メタデータ） (2023-12-30T07:11:14Z)
• Operational approach to metastability [0.0]
  本稿では,有限次元開量子系の力学変化をマスター方程式によって制御する情報理論的手法を提案する。 そこで我々は,開量子系における転移性現象を定量的に記述する。
  論文  参考訳（メタデータ） (2021-04-11T20:25:27Z)
• Gradient Starvation: A Learning Proclivity in Neural Networks [97.02382916372594]
  グラディエント・スターベーションは、タスクに関連する機能のサブセットのみをキャプチャすることで、クロスエントロピー損失を最小化するときに発生する。 この研究は、ニューラルネットワークにおけるそのような特徴不均衡の出現に関する理論的説明を提供する。
  論文  参考訳（メタデータ） (2020-11-18T18:52:08Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。