論文の概要: A Graph-Based Inspection and Intervention Tool for Assessing Mechanistic Learning in PINNs

• arxiv url: http://arxiv.org/abs/2610.04939v1
• Date: Sun, 04 Oct 2026 04:34:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 07:47:06.306126
• Title: A Graph-Based Inspection and Intervention Tool for Assessing Mechanistic Learning in PINNs
• Title（参考訳）: PINNにおける機械的学習評価のためのグラフベース検査・介入ツール
• Abstract要約: 本稿では,グラフノードを内部ネットワークコンポーネントにマッピングするGIIT(Graph-based Inspection and Intervention Tool)を紹介する。 時間的外挿は階層的対応のドリフトと機能的対応の低下と関連していることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We ask whether physically meaningful correspondences discovered inside a trained scientific model remain meaningful outside the conditions under which they were discovered. We introduce GIIT (Graph-based Inspection and Intervention Tool), which represents governing physics as a computational physics dependency graph, maps graph nodes to internal network components via sensitivity- and trend-based discovery, and tests the resulting mapping under targeted intervention. Evaluating on temporal extrapolation out-of-distribution (OOD) regimes of increasing severity, we find that temporal extrapolation is associated with layer-wise correspondence drift and reduced functional correspondence. Specifically, while the model achieves low physics residual in-distribution (1.915 x 10-4 on full ID and 1.01 x 10-4 on an ID sub-window t in [0.5, 0.8]), the functional mapping changes even before leaving the training domain, and the shift continues as the evaluation window extends beyond the training domain: residual error increases from 2.81 x 10-2 on the boundary-crossing window (t in [0.5, 1.5]) to 3.30 x 10-1 on severe OOD (t in [1, 2]), accompanied by a systematic leftward shift of internal layer mappings, where the average winner layer index drops from 5.71 (ID) to 3.00 (ID sub-window) down to 2.29 (severe OOD). Only 2 of 7 physical nodes maintain stable layer assignments across the boundary-crossing window, and only 1 of 7 under severe extrapolation, revealing potential internal functional correspondence changes before severe degradation in conventional output metrics. Additional results for linear oscillatory systems are further detailed in the appendix.
• Abstract（参考訳）: 我々は、訓練された科学モデルの中で発見された物理的に意味のある対応が、それらが発見された条件の外で意味を持つかどうかを問う。 本稿では,物理を計算物理依存グラフとして表現するGIIT(Graph-based Inspection and Intervention Tool)を導入し,グラフノードを感性や傾向に基づく探索によって内部ネットワークコンポーネントにマップし,対象とする介入の下で結果のマッピングをテストする。 重度化に伴う時間的外挿のアウト・オブ・ディストリビューション(OOD)について検討した結果,時間的外挿は階層的対応のドリフトと機能的対応の低下と関連していることがわかった。 具体的には、モデルが低物理残差分布(フルIDで1.915 x 10-4、[0.5, 0.8]のIDサブウィンドウtで1.01 x 10-4)を達成する一方で、トレーニング領域を離れる前の機能的マッピングが変化し、評価ウィンドウがトレーニング領域を超えて拡大するにつれて、そのシフトは続く: 残差誤差は境界交差ウィンドウ([0.5, 1.5])で2.81 x 10-2から3.30 x 10-1に増加し、内部層マッピングの体系的な左方へのシフトに伴い、平均的な勝者層指数が5.71(ID)から3.00(IDサブウィンドウ)に低下する。 7つの物理ノードのうち2つだけが境界交差窓をまたいで安定した層配置を維持しており、7つのうち1つだけが厳密な外挿下にあり、従来の出力指標の深刻な劣化前に内部機能的対応が潜在的に変化することを示した。 線形振動系の追加結果は付録でさらに詳細に述べられている。

関連論文リスト

• Physics-Augmented Graph Transformers for Patch-Antenna Forward and Inverse Design [41.99844472131922]
  本稿では,不規則な表面メッシュ上での信号再構成として放射パターン予測を扱う物理拡張グラフ学習フレームワークを提案する。 前方問題として、GPSグラフトランスフォーマーは、補助ノードレベルの目的であるPhysical-Augmented Intermediate Supervision (PAIS)を用いて訓練される。 逆設計では、代理フィルタ拡散が最寄りのMSEに対して32%の相対的MSEを上回ります。
  論文  参考訳（メタデータ） (2026-10-04T06:57:03Z)
• NObSP: Functional Decomposition of Neural Networks via Oblique Subspace Projections [41.99844472131922]
  提案するNObSPは,予測を機能毎の明示的なコントリビューション関数と相互作用残差に分解するフレームワークである。 NobSPはトレーニングされたネットワークの線形最終層を利用して、サンプル空間における斜め投影を用いて二重カウントを削減する。 畳み込みネットワークでは、NObSP-CAMは1回のキャリブレーション後に後方通過なしでクラスアクティベーションマップを生成する。
  論文  参考訳（メタデータ） (2026-09-15T20:40:44Z)
• Drift and Dependence: Layer-wise Information-Theoretic Bounds for Replay-Based Continual Learning [41.371439825328544]
  継続的な学習は、古いタスクを消去することなく新しいタスクを吸収し、リプレイ — 過去の例の小さなバッファを現在のトレーニングに混ぜる — 破滅的な忘れ方に対する最も効果的な治療法のひとつです。 我々は、各深さでこれらの効果を分離するレイヤワイド情報理論フレームワークを開発する。 制御およびベンチマーク実験により、予測されたメモリスケーリング、内部ファンネル、およびアライメント信号の忘れへのリンクを確認する。
  論文  参考訳（メタデータ） (2026-08-12T06:01:49Z)
• Temporal Generalization in fNIRS-Based Autism Classification: A Cross-Time-Window Transfer Benchmark [0.0]
  機能近赤外分光法(FNIRS)は自閉症スペクトラム障害(ASD)分類において有望なモダリティである。 実際には、最適な観察窓は、血行遅延と神経血管の結合の違いにより、被験者によって異なる。 我々はこれをテキスト・クロス・タイム・ウインドウ・トランスファー問題として定式化し、生体動作試験におけるウィンドウ長(2.5～10,s)とオフセット(オフセット)の異なるプロトコルを導入する。
  論文  参考訳（メタデータ） (2026-08-03T18:50:55Z)
• The Propagation Field: A Geometric Substrate Theory of Deep Learning [0.0]
  終端等価モデルが軌跡とヤコビアン構造において桁違いに異なることを示す。 制御された教師フローとPDEシステムでは、エンドポイントフィッティングは、基礎となる伝搬法則の回復に失敗する。
  論文  参考訳（メタデータ） (2026-05-08T22:26:50Z)
• Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
  連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。 LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
  論文  参考訳（メタデータ） (2026-04-30T14:59:50Z)
• Graph Neural ODE Digital Twins for Control-Oriented Reactor Thermal-Hydraulic Forecasting Under Partial Observability [6.370970195988317]
  高度原子炉のリアルタイム監視制御には、プラント全体の熱水和状態の正確な予測が必要である。 物理インフォームドメッセージパス型微分ニューラルネットワークとニューラル正規方程式(GNN-ODE)を提案する。 GNN-ODEサロゲートはシステムダイナミクス予測に満足な結果が得られる。
  論文  参考訳（メタデータ） (2026-04-08T16:58:14Z)
• Adaptive Monitoring and Real-World Evaluation of Agentic AI Systems [3.215065407261898]
  大規模言語モデルと外部ツールを組み合わせたマルチエージェントシステムは、研究機関からハイテイクドメインへと急速に移行している。 この「先進的な」続編は、アルゴリズムのインスタンス化や経験的な証拠を提供することで、そのギャップを埋める。 AMDMは擬似ゴールドリフトで異常検出遅延を12.3秒から5.6秒に減らし、偽陽性率を4.5%から0.9%に下げる。
  論文  参考訳（メタデータ） (2025-08-28T15:52:49Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• iDARTS: Improving DARTS by Node Normalization and Decorrelation Discretization [51.489024258966886]
  微分可能なArchiTecture Search(DARTS)は、ネットワーク表現の継続的緩和を使用し、GPUデーにおいて、ニューラルネットワークサーチ(NAS)を約数千倍高速化する。 しかし、DARTSの探索過程は不安定であり、訓練の時期が大きくなると著しく劣化する。 そこで本研究では,DARTSの改良版であるiDARTSを提案する。
  論文  参考訳（メタデータ） (2021-08-25T02:23:30Z)

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。