論文の概要: SHRAV: State-Hypothesis-Reason-Action-Verify Framework for Physical Modeling and Inverse Design
- arxiv url: http://arxiv.org/abs/2609.27621v2
- Date: Thu, 24 Sep 2026 06:59:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.35202
- Title: SHRAV: State-Hypothesis-Reason-Action-Verify Framework for Physical Modeling and Inverse Design
- Title（参考訳）: SHRAV:物理モデリングと逆設計のためのステート・ハイポセシス・リアソン・アクション・バリデーション・フレームワーク
- Abstract要約: アーキテクチャに依存しない計算フレームワークであるSHRAVを紹介する。
前向きの構成は予測状態を進化させ、物理応答を読み出す。
逆設計構成は、さらにターゲット指向の修正を生成し、評価器のフィードバックを消費する。
- 参考スコア（独自算出の注目度）: 0.552480439325792
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Physical modeling and inverse design require computation that can continue from reusable state. We introduce SHRAV, an architecture-independent computational framework organized around State, Hypothesis, Reason, Action, and Verify. Its central mechanism is a state-continuation core with declared reuse boundaries and explicit roles for learned evolution and numerical quantities. Forward configurations evolve predictive state and read out physical responses; inverse-design configurations additionally generate target-directed modifications and consume evaluator feedback. Electromagnetic world-model studies are mapped to forward configurations, with selected readout and reuse diagnostics reported here. Computational lithography demonstrates an inverse-design configuration: four fixed-weight design updates improve thresholded aerial-image intersection-over-union from 0.5313 to 0.8153 under independent scalar-pupil replay, with a maximum absolute IoU difference of approximately 0.000824 between predictor estimates and independent replay.
- Abstract（参考訳）: 物理モデリングと逆設計は再利用可能な状態から継続可能な計算を必要とする。
我々は、State, hypothesis, Reason, Action, Verifyを中心に構成されたアーキテクチャに依存しない計算フレームワークであるSHRAVを紹介する。
その中心となるメカニズムは、再利用境界が宣言された状態継続コアと、学習された進化と数量に対する明示的な役割である。
フォワード構成は予測状態を進化させ、物理応答を読み出す; 逆設計構成は、さらにターゲット指向の修正を生成し、評価器のフィードバックを消費する。
電磁世界モデル研究は前方構成にマッピングされ、選択された読み出しおよび再利用診断が報告されている。
4つの固定重設計更新は、独立したスカラー・プル・リプレイの下で0.5313から0.8153まで、しきい値付き空中画像の交叉を改善し、予測値と独立リプレイの間には最大0.000824の絶対IoU差がある。
関連論文リスト
- Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。
そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。
制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
論文 参考訳（メタデータ） (2026-08-20T13:59:57Z) - Evolutionary Optimization Reveals Structural Constraints on Reservoir Architecture for Spatiotemporal Chaos [0.0]
進化的最適化は単に予測を改善するだけでなく、再帰的基板上の解釈可能な構造的制約を明らかにする。
これらの結果から, 進化的最適化は単に予測を改善するだけでなく, 再帰的基板上の解釈可能な構造的制約を明らかにすることが示唆された。
論文 参考訳（メタデータ） (2026-06-22T02:04:45Z) - PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models [62.281480231694]
VCM(Virtual Cell Modeling)は、摂動応答を予測できるだけでなく、予測が失敗した場合にターゲットリビジョンをサポートするモデルを必要とする。
現在のLCM支援モデリングでは、予測誤差が実行可能実装を通して観測されるという改善ルーティング問題に直面している。
提案するCellScientistは,高レベル仮説空間と低レベル実行可能実装空間を結合した,二重空間階層型フレームワークである。
論文 参考訳（メタデータ） (2026-05-08T06:40:24Z) - MOCA: A Transformer-based Modular Causal Inference Framework with One-way Cross-attention and Cutting Feedback [7.234620259018605]
モジュール設計による処理と結果のモデリングを分離するトランスフォーマーベースのフレームワークであるMOCAを提案する。
勾配分離によって実現された切削フィードバック戦略は、処理モジュールの更新による結果損失を防止する。
複数のシミュレートされたシナリオの中で、MOCAはIPW、AIPW、X-learner、TARNet、DragonNetに対する競合的あるいは改善されたパフォーマンスを示している。
論文 参考訳（メタデータ） (2026-04-25T02:05:49Z) - When Fine-Tuning Changes the Evidence: Architecture-Dependent Semantic Drift in Chest X-Ray Explanations [5.127836966483091]
医用画像分類において, 転帰学習と微調整は, 診断性能が一貫した向上により広く採用されている。
重なり合う視覚的特徴を持つ多クラス設定では、精度の向上は、予測をサポートするために使用される視覚的証拠の安定性を保証するものではない。
我々は,意味的ドリフトを,伝達学習とフル微調整の間のモデルの予測を支援する帰属構造における体系的な変化として定義する。
論文 参考訳（メタデータ） (2026-04-09T17:53:02Z) - FluenceFormer: Transformer-Driven Multi-Beam Fluence Map Regression for Radiotherapy Planning [4.066732323672965]
textbfFluenceFormerは、直接的かつ幾何学的に認識されるフレンス回帰のための、バックボーンに依存しないトランスフォーマーフレームワークである。
Swin UNETRを使用したFluenceFormerは、評価されたモデルの中で最強のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-12-27T01:12:15Z) - Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。
第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。
第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文 参考訳（メタデータ） (2025-02-11T19:24:09Z) - Confidence Adaptive Anytime Pixel-Level Recognition [86.75784498879354]
任意の時間推論は、いつでも停止される可能性のある予測の進行を行うモデルを必要とする。
我々は,任意のピクセルレベルの認識に対して,最初の統一とエンドツーエンドのモデルアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-01T20:01:57Z)
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。