論文の概要: Conservation Buys Stability and Factoring Buys Counterfactuals in Physical World Models
- arxiv url: http://arxiv.org/abs/2609.19674v1
- Date: Thu, 17 Sep 2026 04:16:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.098735
- Title: Conservation Buys Stability and Factoring Buys Counterfactuals in Physical World Models
- Title（参考訳）: 保全は安定を買い、ファクターは物理世界のモデルで対物を購入する
- Abstract要約: 学習したシミュレータは、トレーニング条件を正確に再現できるが、それらの条件が変更されると、2つの異なる方法で失敗する。
これらの2つの失敗は、異なる構造的改善を必要とすることを示す。
- 参考スコア（独自算出の注目度）: 42.21989596721942
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A learned simulator can reproduce its training conditions accurately yet fail in two distinct ways once those conditions change. Over long rollouts, small errors accumulate until the trajectory drifts away from physically plausible behavior; under an intervention on a physical parameter, the model may continue to follow the law seen during training rather than the intervened one. We show that these two failures require different structural remedies. Evolving a learned energy with a symplectic integrator preserves the geometry of the conservative dynamics and keeps rollouts bounded and physically meaningful for up to $100\times$ the training horizon, while equal-capacity predictors, an energy-regularized predictor, and a tuned neural ODE diverge. By contrast, encoding the physical coupling through an explicit linear factorization enables the model to follow a never-seen sign of that coupling, whereas an unrestricted parameterization remains locked to the training law. Crucially, the two mechanisms are separable: removing the structure responsible for long-horizon stability leaves counterfactual transfer intact, while removing the factorized coupling destroys counterfactual transfer without eliminating stability. This double dissociation, established with matched controls that remove or replace one structural component at a time, persists beyond the headline three-body system and remains visible when the physical state must be inferred from pixels rather than provided directly. The result is a concrete design principle for physical world models: long-horizon stability and changed-law generalization arise from distinct structural commitments, and each can be imposed deliberately without requiring the other.
- Abstract（参考訳）: 学習したシミュレータは、トレーニング条件を正確に再現できるが、それらの条件が変更されると、2つの異なる方法で失敗する。
長いロールアウトにおいて、軌道が物理的に妥当な振る舞いから逸脱するまで小さな誤差が蓄積される。
これらの2つの失敗は、異なる構造的改善を必要とすることを示す。
シンプレクティック・インテグレータによる学習エネルギーの進化は、保守的力学の幾何学を保ち、最大100\times$のトレーニング水平線に対して、ロールアウトを有界かつ物理的に有意義に維持する。
対照的に、明示的な線形分解による物理的結合を符号化することで、モデルはその結合の見当たらないサインに従うことができ、一方、制限されないパラメータ化はトレーニング法則に固定される。
2つのメカニズムは分離可能である: 長い水平安定性に責任がある構造を除去することは、反現実的移動を無傷で残し、一方、分解された結合は、安定性をなくすことなく反現実的移動を破壊する。
この二重解離は、一度に1つの構造成分を除去または置換する整合した制御で確立され、ヘッドラインの3体システムを超えて持続し、物理的状態が直接供給されるのではなくピクセルから推論される必要があるときに引き続き可視である。
長い水平安定性と変更された法則の一般化は、異なる構造的コミットメントから生じ、それぞれが他方を必要とせずに故意に課せられる。
関連論文リスト
- SurgVista: Long-Horizon Surgical World Modeling with Plausible Instrument-Tissue Dynamics [49.771521708359955]
SurgVistaは、空間的相互作用の不整合と時間的忠実性の崩壊を緩和する外科的世界モデルである。
それは、視覚的品質、時間的一貫性、相互作用の忠実性にまたがる最先端の手法を一貫して上回ります。
論文 参考訳（メタデータ） (2026-06-18T07:47:28Z) - Physics-conforming Latent Twins [0.0]
我々は、潜在代理解演算子を学習するフレームワークである物理変換ラテントツインスを紹介する。
我々は、元の状態空間における物理的構造と遅延空間における互換性のある制約を結びつける制約-転送視点を開発する。
線形および二次不変量を保存する、あるいは散逸不等式を強制する潜在フロー写像の代数的条件を導出する。
論文 参考訳（メタデータ） (2026-06-13T01:50:56Z) - Physics from Video: Identifiability of Time-Invariant Second-Order ODEs under Minimal Trajectory Conditions [60.2784641643737]
ビジュアルリアリズムと物理的な理解のギャップを埋めることは、ビデオベースの世界モデルにとって重要な課題である。
原画素からの連続時間物理法則の構造識別可能性について検討した。
レベルセットの傾斜被覆条件は、学習された潜伏空間が真の物理的状態に局所的に親和的であることを証明する。
論文 参考訳（メタデータ） (2026-05-27T13:22:29Z) - Non-Equilibrium Stochastic Dynamics as a Unified Framework for Insight and Repetitive Learning: A Kramers Escape Approach to Continual Learning [0.0]
ニューラルネットワークにおける連続学習は、安定性-塑性ジレンマによって根本的に制限される。
両問題が非平衡統計物理学における共通解であることを示す。
論文 参考訳（メタデータ） (2026-04-05T15:42:23Z) - Project and Generate: Divergence-Free Neural Operators for Incompressible Flows [20.191712078154413]
流体力学の学習ベースモデルは制約のない関数空間で動作し、物理的に許容できないシミュレーションをもたらす。
本稿では,非圧縮性連続性方程式を決定論的および生成的モデリングの両面において,困難かつ本質的な制約として適用する統一的枠組みを提案する。
2次元ナビエ・ストークス方程式の実験では、離散化誤差まで正確に非圧縮性を示し、安定性と物理的整合性を大幅に改善した。
論文 参考訳（メタデータ） (2026-03-25T16:40:58Z) - PhysDrape: Learning Explicit Forces and Collision Constraints for Physically Realistic Garment Draping [4.854753036255255]
伝統的な物理学に基づくシミュレーション(PBS)の代替として、ディープラーニングに基づく衣服のドラッピングが出現している。
本稿では,明示的な力と制約によって引き起こされる身体的リアルな衣服ドレープのためのハイブリッドニューラルネットワーク物理解法であるPhysDrapeについて述べる。
この差別化可能な設計は、明示的な制約によって物理的な妥当性を保証すると同時に、エンドツーエンドの学習により、物理的に一貫した予測のためにネットワークを最適化することができる。
論文 参考訳（メタデータ） (2026-02-08T15:46:01Z) - LEGATO: Good Identity Unlearning Is Continuous [30.78585550012454]
LEGATOは、生成モデルのアイデンティティを忘れることを学ぶための機械学習手法である。
最先端の忘れパフォーマンスを実現し、破滅的な崩壊を回避し、微調整されたパラメータを減らす。
実験の結果,LEGATOは最先端の忘れ物性能を実現し,破滅的な崩壊を回避し,微調整パラメータを低減できることがわかった。
論文 参考訳（メタデータ） (2026-01-07T13:15:25Z) - Non-equilibrium dynamics of charged dual-unitary circuits [44.99833362998488]
平衡外量子系における対称性と絡み合いの相互作用は、現在、激しい多分野研究の中心にある。
一般二重ユニタリ回路を拡張した可解状態のクラスを導入することができることを示す。
無限の温度状態に緩和する既知の可解状態のクラスとは対照的に、これらの状態は非自明な一般化されたギブスアンサンブルの族に緩和する。
論文 参考訳（メタデータ） (2024-07-31T17:57:14Z) - Distributing entanglement with separable states: assessment of encoding
and decoding imperfections [55.41644538483948]
絡み合いは、常に関連する他のシステムと分離可能なキャリアを使って分散することができる。
不完全なユニタリ相互作用と協調して作用する不整合力学の影響を考察する。
絡み合いの利得は、相当な単元誤差があっても可能であることを示す。
論文 参考訳（メタデータ） (2020-02-11T15:25:19Z)
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。