論文の概要: Co-PiLOT: Constrained Physics-Informed Latent Optimization for Target-Driven Inverse Design
- arxiv url: http://arxiv.org/abs/2609.37875v1
- Date: Tue, 29 Sep 2026 15:51:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.710108
- Title: Co-PiLOT: Constrained Physics-Informed Latent Optimization for Target-Driven Inverse Design
- Title（参考訳）: Co-PiLOT: 目標駆動逆設計のための制約付き物理インフォームド潜時最適化
- Abstract要約: Co-PiLOTは、生成エンコーダデコーダを介して候補をマッピングする潜在最適化手法である。
視覚変換器ベースのエンコーダを開発し、EBSD由来のマイクロ構造データセットに遅延拡散、拡散変換器、修正フロー変換器ベースのデコーダを組み合わす。
予算は160ドルで、ViT-FMDiTとMERIDIANの組み合わせは目標駆動の目標スコアが最も高い。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inverse design of physical systems (molecules, devices, microstructures) often reduces to optimizing a high-dimensional structure against an expensive black-box simulator. Direct search is difficult because the space is non-Euclidean, feasibility is hard to encode, and each evaluation is expensive. We present Co-PiLOT, a latent optimization approach that maps candidates through a generative encoder-decoder, uses the decoder as a learned validity prior, and searches the latent space with physics-informed black-box optimization. The framework is applied on the inverse design of magnesium alloy microstructure/texture. We develop a vision transformer based-encoder; paired with latent diffusion, diffusion transformer and rectified-flow transformer-based decoders on $\sim80{,}000$ EBSD-derived microstructure dataset to learn a minimal bottleneck, $z$. The ViT-FMDiT model ($z$=$768$) reconstructs high-fidelity microstructure images (FID $27.86$, MS-SSIM $0.178$), which our self-segmenting orientation codec converts into input grids for crystal plasticity solver. Finally, we introduce MERIDIAN, an active latent optimizer driven by deep-kernel Gaussian-process uncertainty, failure-aware feasibility prediction, manifold-aware trust regions, and target-aware acquisition. Within a budget of $160$ simulations, the ViT-FMDiT and MERIDIAN combination yields the best target-driven objective score, reducing the relative target error by $3$--$22\%$ against seven baselines (DANTE, TuRBO, BAxUS, CMA-ES, DDOM, SEIKO, DDPO) on the same decoder.
- Abstract（参考訳）: 物理系(分子、デバイス、マイクロ構造)の逆設計はしばしば高価なブラックボックスシミュレータに対して高次元構造を最適化する。
直接探索は、空間がユークリッドではないため、実現可能性の符号化が困難であり、各評価は高価である。
生成エンコーダデコーダを介して候補をマッピングする潜在最適化手法であるCo-PiLOTを提案する。
本フレームワークはマグネシウム合金のミクロ組織/テクスチャの逆設計に適用する。
我々は、最小のボトルネックである$z$を学習するために、$\sim80{,}000$EBSD由来のマイクロ構造データセット上で、潜時拡散、拡散トランスフォーマー、整流流トランスフォーマーベースのデコーダと組み合わせたビジョントランスフォーマベースのエンコーダを開発する。
ViT-FMDiTモデル(z$=768$)は、高忠実度マイクロ構造画像(FID $27.86$, MS-SSIM $0.178$)を再構成する。
最後に, ディープカーネルガウスプロセスの不確実性, フェールアウェア実現可能性予測, 多様体アウェア信頼領域, ターゲットアウェア獲得によって駆動されるアクティブ潜時最適化器であるMERIDIANを紹介する。
160ドルの予算内では、ViT-FMDiTとMERIDIANの組み合わせは最高の目標駆動目標スコアを獲得し、同じデコーダ上の7つのベースライン(DANTE, TuRBO, BAxUS, CMA-ES, DDOM, SEIKO, DDPO)に対して相対目標誤差を$3-22\%削減する。
関連論文リスト
- Optimal Decoding for Measurement-Based GHZ State Preparation: The Maximum-Utility Decoder [0.0]
本稿では、最も高いパーショット復号化量子オーダーを実現するアルゴリズムを提案する。
次に,測定に基づくG状態生成のための最適復号法を確立する。
2段階のデコーダが開発され、まずMWPMのエッジ重みにエンコードされ、予測された有用性を最大化するためにトレーニングされた畳み込みニューラルネットワークによって結果を洗練する。
論文 参考訳（メタデータ） (2026-07-31T18:00:00Z) - Group-of-Latents: Perceptual Video Compression at Extreme Bitrates via Masked Latent Generative Modeling [49.11379121512358]
本稿では,事前学習した拡散変圧器を組み込んだ統合生成フレームワークを提案し,高い知覚品質を極端に低速で達成する。
提案手法は,空間的細部が豊富で時間的整合性が強い,最先端の知覚的忠実度を実現する。
論文 参考訳（メタデータ） (2026-07-21T06:36:32Z) - Fast and Parallel High-Rate STAR Architecture for Megaquop Quantum Simulation [7.286087490326675]
本稿では,アルゴリズムの対称性駆動共設計,QEC符号,中性原子ハードウェアに基づく局所格子ハミルトンシミュレーションのための高速STARアーキテクチャを提案する。
結合論理代表は、コードブロック内のすべての$k$論理キュービット上でSTARインジェクションを並列に実行することを可能にする。
これらの結果は、高速符号を用いた早期フォールトトレラント量子シミュレーションへの具体的な経路を提供する。
論文 参考訳（メタデータ） (2026-06-23T17:55:45Z) - Attention at the Theoretical Minimum: A Mathematics of Arrays Framework for Memory-Optimal Transformer Kernels [0.0]
本報告では, ドット積の小型化と, 数値的に安定なソフトマックスについて述べる。
DNFは、標準実装に対して$O(n_dk + n_dv)$データ移動と$O(n2 + n_dk + n_dv)$のデータ移動を達成する。
ハードウェア固有のアクセラレータやFlashAttentionのような経験的なタイリングスキームとは異なり、MoAはアレイ融合、形状変換の正確性、予測コストモデルも同時に提供する。
論文 参考訳（メタデータ） (2026-06-05T14:44:49Z) - Overcoming the Matrix-Product-State Encoding Barrier via DMRG-Guided Probabilistic Imaginary-Time Evolution [0.0]
量子シミュレーションにおける基底状態準備のための3段階の枠組みを提案する。
MPSエンコーディング中の中間状態の中央結合シュミット位は、層数とともに論理的に増大する。
このフレームワークは,PITEに固有の選択後オーバーヘッドを大幅に抑制し,非常に深い符号化回路を回避する。
論文 参考訳（メタデータ） (2026-05-28T16:05:46Z) - Adaptive Sensing beyond Non-Adaptive Information Limits: End-to-End Co-Design of Geometry, Policy, and Inference [0.0]
本稿では,連続ハードウェア形状に対する単一最適化とベルマン最適適応測定ポリシーを提案する。
3つのケーススタディで、共同DPはコミュニティの自然なベースラインを大きく上回っている。
ハードウェアが一度設計されているが、そのポリシーがデバイスの寿命を延ばすあらゆるセンサーにとって、ハードウェアとポリシーの共同最適化は最小限の原則である。
論文 参考訳（メタデータ） (2026-04-28T04:02:17Z) - $D^3$-RSMDE: 40$\times$ Faster and High-Fidelity Remote Sensing Monocular Depth Estimation [72.9912717963138]
リモートセンシング画像からのリアルタイムで高忠実な単眼深度推定は、多くのアプリケーションにとって不可欠である。
視覚変換器(ViT)のバックボーンを高密度な予測に使用するのは速いが、知覚品質は低いことが多い。
リモートセンシング単眼深度推定のための深度詳細拡散法(D3$-RSMDE)を提案する。
D3$-RSMDEは、Learninged Perceptual Image Patch similarity (LPIPS)の知覚距離を11.85%削減する。
論文 参考訳（メタデータ） (2026-03-17T10:50:36Z) - MOBIUS: Big-to-Mobile Universal Instance Segmentation via Multi-modal Bottleneck Fusion and Calibrated Decoder Pruning [91.90342432541138]
モデルサイズとトレーニングデータのスケールアップには、インスタンスレベルの知覚のための高度な基盤モデルがある。
資源制約されたプラットフォームにおける高い計算コスト制限。
我々は,高性能コンピューティングプラットフォームとモバイルデバイスの両方において,効率的なセグメンテーションのための新しいベンチマークを導入する。
論文 参考訳（メタデータ） (2025-10-16T18:00:00Z) - FFT-based Dynamic Subspace Selection for Low-Rank Adaptive Optimization of Large Language Models [49.397861654088636]
低次元空間へのSVD/QRベースの勾配射影を近似する2段階の手順を提案する。
当社の戦略はランタイムの高速化とメモリ使用量の削減を,さまざまなモデルサイズで最大25%削減できることが示されています。
論文 参考訳（メタデータ） (2025-05-23T14:37:00Z) - SegViTv2: Exploring Efficient and Continual Semantic Segmentation with
Plain Vision Transformers [76.13755422671822]
本稿では,エンコーダ・デコーダ・フレームワークを用いた意味的セグメンテーションのためのプレーンビジョン変換器(ViT)の能力について検討する。
Intention-to-Mask(atm)モジュールを導入し、平易なViTに有効な軽量デコーダを設計する。
我々のデコーダは、様々なViTバックボーンを使用して人気のあるデコーダUPerNetより優れ、計算コストの5%程度しか消費しない。
論文 参考訳（メタデータ） (2023-06-09T22:29:56Z) - Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。
本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。
DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
論文 参考訳（メタデータ） (2022-06-14T13:22:19Z)
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。