論文の概要: NEMSim: Learning Control-Conditioned Multi-Event Physical Dynamics via Executable Event-Mechanism Priors
- arxiv url: http://arxiv.org/abs/2609.30718v1
- Date: Fri, 25 Sep 2026 02:44:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.191888
- Title: NEMSim: Learning Control-Conditioned Multi-Event Physical Dynamics via Executable Event-Mechanism Priors
- Title（参考訳）: NEMSim: Executable Event-Mechanism Priorsによる制御記述型マルチイベント物理ダイナミクスの学習
- Abstract要約: 本稿では,事前定義されたイベント属性記述を実行可能なトランジション構造にコンパイルするNEMSimを提案する。
我々は,3次元KMCに基づく高忠実度トラジェクトリを明示的なイベントルール,標準化された分割,評価プロトコルで組み合わせたベンチマークを構築した。
3つの設定でNEMSimはAvg.RMSEを58.9%-81.3%削減する。
- 参考スコア（独自算出の注目度）: 7.113795404063066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-fidelity simulation of control-conditioned multi-event physical systems is computationally expensive, especially across broad control spaces and long trajectories. In these systems, macroscopic evolution emerges from localized discrete events whose intensities and effects depend on process controls and evolving local states, while the available system knowledge is typically expressed as event-attribute descriptions. Purely data-driven surrogates must infer these event effects from limited trajectory coverage, which can hinder generalization to unseen control regimes. Physics-guided methods instead primarily build on equation-level constraints or differentiable solvers rather than discrete event-rule priors. We therefore propose NEMSim (Neural Event-Mechanism Simulator), which compiles predefined event-attribute descriptions into an executable transition structure linking control-dependent event intensities, prior-guided mechanism attribution, and state-dependent responses. To enable evaluation of control-conditioned multi-event dynamics with explicit system knowledge, we construct a 3D KMC-based benchmark pairing high-fidelity trajectories with explicit event rules, standardized splits, and evaluation protocols. Across three settings, NEMSim reduces Avg. RMSE by 58.9%-81.3% relative to the strongest baseline in each setting. It also remains best in the data-efficiency study with training-data fractions down to 10%. Mechanism analyses further show that these gains arise from executable rule integration rather than prior access or architecture alone.
- Abstract（参考訳）: 制御条件付き多点物理系の高忠実性シミュレーションは計算コストが高く、特に広い制御空間と長い軌道を横断する。
これらのシステムでは、マクロ的な進化はプロセス制御や局所状態の進化に依存する局所的な離散事象から生じ、利用可能なシステム知識は典型的にはイベント属性記述として表現される。
純粋なデータ駆動サロゲートは、これらの事象の影響を限られた軌道範囲から推測しなければならない。
物理誘導法は主に離散事象前兆ではなく、方程式レベルの制約や微分可能解法に基づいて構築される。
そこで我々はNEMSim(Neural Event-Mechanism Simulator)を提案する。NEMSimは、事前定義されたイベント属性記述を、制御依存イベント強度、事前誘導機構属性、状態依存応答をリンクする実行可能なトランジション構造にコンパイルする。
制御条件付きマルチイベントダイナミクスを明示的なシステム知識で評価するために, 明示的なイベントルール, 標準化された分割, 評価プロトコルを用いた3次元KMCに基づく高忠実度トラジェクトリのベンチマークを構築した。
3つの設定でNEMSimはAvgを削減します。
RMSEは、各設定において最強のベースラインに対して58.9%-81.3%上昇した。
また、トレーニングデータの割合を10%まで下げたデータ効率の研究でも最高である。
メカニズム解析により、これらの利得は、事前アクセスやアーキテクチャのみではなく、実行可能なルール統合によってもたらされることを示す。
関連論文リスト
- Heuristic Learning for Active Flow Control Using Coding Agents [2.867517731896504]
我々は、現代の符号化エージェントを使用して、明示的な実行可能なフィードバック法を直接検索する。
本稿では,エージェントが公開ベンチマークインタフェースを通じてのみ対話しながら,コントローラの実装を反復的に提案し,評価し,修正する制約付き学習プロトコルを提案する。
検出されたコントローラは、コンパクトで解釈可能で直接検査可能なまま、13の環境のうち10の最高のDRLポリシーに適合または優れる。
論文 参考訳（メタデータ） (2026-07-13T13:47:17Z) - Monitoring Data-aware Temporal Properties (Extended Version) [56.386411908764494]
有限トレース上の任意のSMT理論に富む線形時間特性の予測モニタリングについて考察する。
この設定での予測モニタリングは非常に困難であり、監視状態はこれまでのトレースプレフィックスと可能な有限継続の両方に依存している。
本研究は,表現的フラグメントオフMTにおける特性モニタリングのための新しい基礎的枠組みの正しさを提示し,正式に証明するものである。
論文 参考訳（メタデータ） (2026-05-14T10:23:11Z) - Towards Video Anomaly Detection from Event Streams: A Baseline and Benchmark Datasets [71.53287557600177]
イベントベースの異常検出を統一研究の方向性として確立するための第一歩を踏み出す。
まず、同期イベントとRGB記録を特徴とする、ビデオ異常検出のための複数のイベントストリームベースのベンチマークを構築した。
次に,EVent中心のビデオ異常検出フレームワークであるEWADを提案する。
論文 参考訳（メタデータ） (2026-03-26T03:33:33Z) - Steering Language Models Before They Speak: Logit-Level Interventions [9.055997973281919]
制御可能な生成のためのトレーニング不要な推論時間ロジット介入を提案する。
以上の結果から,ロジットステアリングは大きな,一貫した,マルチタスク制御のゲインを達成できることが示唆された。
論文 参考訳（メタデータ） (2026-01-16T03:00:33Z) - Designing Robust Software Sensors for Nonlinear Systems via Neural Networks and Adaptive Sliding Mode Control [2.884893167166808]
本稿では,非線形力学系のためのソフトウェアセンサの設計手法を提案する。
明示的な変換や線形化に依存する従来のモデルベースオブザーバとは異なり、提案フレームワークはニューラルネットワークと適応スライディングモード制御(SMC)を統合している。
トレーニング手法は、物理に基づく制約としてシステムの制御方程式を活用することで、基底構造軌道にアクセスせずにオブザーバ合成を可能にする。
論文 参考訳（メタデータ） (2025-07-09T13:06:58Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - Latent feedback control of distributed systems in multiple scenarios through deep learning-based reduced order models [3.5161229331588095]
高次元分散システムの継続的な監視とリアルタイム制御は、望まれる物理的な振る舞いを保証するためにアプリケーションに不可欠である。
完全順序モデルに依存する従来のフィードバック制御設計は、制御計算の遅延のため、これらの要求を満たすことができない。
非線形非侵襲的深層学習に基づく還元順序モデル(DL-ROM)により強化されたリアルタイム閉ループ制御戦略を提案する。
論文 参考訳（メタデータ） (2024-12-13T08:04:21Z) - A Dynamic Feedforward Control Strategy for Energy-efficient Building
System Operation [59.56144813928478]
現在の制御戦略と最適化アルゴリズムでは、そのほとんどはリアルタイムフィードバックから情報を受け取ることに依存している。
本稿では,システム制御のためのシステム特性を同時に構築することによる,ダイナミックな事前知識を組み込む,エンジニアフレンドリな制御戦略フレームワークを提案する。
典型的な制御戦略でシステム制御を加熱するケースでテストしたところ、我々のフレームワークは15%の省エネ性を持っていることがわかった。
論文 参考訳（メタデータ） (2023-01-23T09:07:07Z) - Sparsity in Partially Controllable Linear Systems [56.142264865866636]
本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。
最適制御には無関係な状態変数を特徴付ける。
論文 参考訳（メタデータ） (2021-10-12T16:41:47Z)
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。