論文の概要: CRNDiff: Count-Native Diffusion Framework via Chemical Reaction Networks
- arxiv url: http://arxiv.org/abs/2609.31149v1
- Date: Fri, 25 Sep 2026 11:41:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.36653
- Title: CRNDiff: Count-Native Diffusion Framework via Chemical Reaction Networks
- Title（参考訳）: CRNDiff: 化学反応ネットワークによる反負拡散フレームワーク
- Abstract要約: CRNDiffは、数空間拡散と、希少なサブ人口に対する推論時間条件付けを組み合わせた構造的フレームワークである。
独立な生死インスタンス化により、フォワードノイズ発生のためのクローズドフォーム遷移カーネルが得られる。
また,冷凍発電機からターゲットサブポピュレーションをリトレーニングせずにサンプリングする方法である傾斜Feynman-Kacステアリングを導入する。
- 参考スコア（独自算出の注目度）: 1.4656201740804355
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scientific measurements such as single-cell RNA (scRNA) sequencing often take the form of nonnegative integer counts, whereas continuous-state diffusion models approximate this discrete structure using continuous coordinates. Building on stochastic chemical reaction networks (CRNs), a class of count-native Markov jump processes, we introduce CRNDiff, a structured framework that combines count-space diffusion with inference-time conditioning on rare subpopulations. An independent birth--death instantiation yields a closed-form transition kernel for forward noising. This kernel enables reverse sampling via forward-filtering backward-sampling (FFBS) and supports data-driven selection of the terminal noising time, eliminating the need for a validation sweep. This tractability also lets us introduce tilted Feynman--Kac (FK) steering, a method for sampling target subpopulations from a frozen generator without retraining. By tilting posterior marginals before FK particle correction, steering mitigates importance-weight concentration when the target population is rare. Using scRNA-seq data from the human heart cell atlas, we test the ability of CRNDiff to generate cell-type-specific distributions. Across the three evaluated target populations, CRNDiff achieves the highest conditional fidelity among the evaluated generative models, with larger mean purity margins for rarer target populations. Generated cells preserve marker-level differential-expression structure. Replacing real training cells for the target classes with generated cells yields downstream classification performance approaching that of the real-data reference.
- Abstract（参考訳）: 単細胞RNA(scRNA)シークエンシングのような科学的測定は、しばしば非負の整数数の形を取るが、連続状態拡散モデルは連続座標を用いてこの離散構造を近似する。
CRNDiffは,数空間拡散と推定時間条件を結合した構造的フレームワークである。
独立出生-死インスタンス化により、フォワードノイズ発生のためのクローズドフォーム遷移カーネルが生成される。
このカーネルは、フォワードフィルタ逆サンプリング(FFBS)による逆サンプリングを可能にし、端末のノイズ発生時間のデータ駆動選択をサポートし、バリデーションスイープを不要とする。
このトラクタビリティにより、冷凍発電機からターゲットサブポピュレーションをリトレーニングせずにサンプリングする方法である傾斜Feynman-Kac(FK)ステアリングも導入できる。
FK粒子補正の前に後縁を傾けることにより、標的個体数が少ない場合には、操舵は重要重量濃度を緩和する。
ヒト心臓細胞アトラスのcRNA-seqデータを用いて、細胞型特異的な分布を生成するCRNDiffの能力を検証した。
CRNDiffは、3つの評価対象個体群全体で、評価対象個体群の平均純度マージンを大きくし、評価対象個体群の中で最も条件の忠実度が高い。
生成細胞はマーカーレベルの差圧構造を保持する。
ターゲットクラスの実トレーニングセルを生成セルに置き換えると、実データ参照に近づいた下流分類性能が得られる。
関連論文リスト
- Impute-EM: Native Mixed-State Diffusion Models for Heterogeneous Data Imputation [71.74203645336385]
Impute-EMは、現在のモデルとインプットされていないエントリを交換し、完了したデータに拡散バックボーンをリフィットする。
我々は、この更新を特徴付け、観測されたマスクインデクシングされた辺縁線が、その限界で目標と一致していることを示す。
論文 参考訳（メタデータ） (2026-09-14T09:39:13Z) - Nonparametric Hypothesis Testing of High-dimensional Clustering With Application to Single-cell RNA Data [10.858398734886187]
単細胞RNAシークエンシングの研究では、クラスタリングを用いて細胞の種類や細胞状態を定義する。
本稿では,高次元データにおけるそのようなクラスタリング構造の形式的意義試験について検討する。
SigClust-LCPは1つのクラスタを対数凹面分布でモデル化する非パラメトリック拡張である。
論文 参考訳（メタデータ） (2026-09-04T19:36:26Z) - DynImmune-BERT: Dynamic Immune Repertoire Modeling with Neural ODE Driven Continuous Transformers [20.989286585908978]
DynImmune-BERTは、患者レベルの免疫状態予測のための連続的時間レパートリーモデルである。
低ランクのメタアダプタは、観察されたクローン数とは無関係にパラメータ数を保ちながら、クローンタイプを監督する。
その結果、時系列レパートリー構造が利用できる場合、イベント認識時空間モデリングは強い静的エンコーダを補完できることがわかった。
論文 参考訳（メタデータ） (2026-07-19T13:25:05Z) - A Unified View of Drifting and Score-Based Models [92.51878018325031]
ドリフトがカーネル平滑分布にスコアベースの定式化を許すことを示すことにより,拡散モデルの背後にあるスコアマッチング原理との関係を正確にする。
一般的なラプラス核に対して正確な分解を導出し、ラプラス核に対してドリフトが低温および高次元状態におけるスコアマッチングの正確なプロキシであることを示す厳密な誤差境界を証明した。
論文 参考訳（メタデータ） (2026-03-08T07:41:36Z) - Count Bridges enable Modeling and Deconvolving Transcriptomic Data [11.719740585969886]
数値データに対する拡散型モデルの正確なアナログを提供する整数上のプロセスであるCount Bridgesを紹介する。
我々はこのフレームワークを拡張して、単位レベルの数を潜伏変数として扱う期待-最大化スタイルのアプローチを通じて、集約された測定から直接のトレーニングを可能にする。
論文 参考訳（メタデータ） (2026-03-05T02:09:00Z) - scDFM: Distributional Flow Matching Model for Robust Single-Cell Perturbation Prediction [12.48933770510505]
条件付きフローマッチングに基づく生成フレームワークである scDFM を提案する。
scDFMは、細胞レベルでの通信以上の個体群を混乱させ、制御する。
論文 参考訳（メタデータ） (2026-02-06T17:00:21Z) - ScDiVa: Masked Discrete Diffusion for Joint Modeling of Single-Cell Identity and Expression [24.508523704467695]
シングルセルRNA-seqプロファイルは高次元、スパース、非秩序であり、自己回帰生成は人工的な秩序バイアスを課す。
そこで我々は,ScDiVaをマスク付き離散拡散基礎モデルとして提案する。
論文 参考訳（メタデータ） (2026-02-03T12:50:29Z) - ReDiSC: A Reparameterized Masked Diffusion Model for Scalable Node Classification with Structured Predictions [64.17845687013434]
本稿では,構造化ノード分類のための構造拡散モデルであるReDiSCを提案する。
本稿では,ReDiSCが最先端のGNN,ラベル伝搬,拡散ベースラインと比較して,優れた,あるいは高い競争力を発揮することを示す。
特にReDiSCは、従来の構造化拡散法が計算制約によって失敗する大規模データセットに効果的にスケールする。
論文 参考訳（メタデータ） (2025-07-19T04:46:53Z) - Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。
回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文 参考訳（メタデータ） (2024-05-23T13:22:17Z) - Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。
本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文 参考訳（メタデータ） (2023-06-27T08:15:28Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳（メタデータ） (2022-11-30T05:33:29Z)
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。