論文の概要: Advectra: Asymmetric Latent Transport for Non-Stationary Physics

• arxiv url: http://arxiv.org/abs/2610.05098v1
• Date: Sun, 04 Oct 2026 10:02:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 23:27:17.448161
• Title: Advectra: Asymmetric Latent Transport for Non-Stationary Physics
• Title（参考訳）: アドベクトラ:非定常物理学のための非対称ラテント輸送
• Abstract要約: Advectraは、ソースとターゲットの座標系を分離するための正規化キネマティック座標写像を導入する、トランスポート対応の潜在演算子である。 結果は、非定常物理学におけるニューラル演算子における明示的な移動フレーム構造の利点を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 35.84160480867363
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many latent neural operators represent input and output fields in a stationary latent chart. In particular, common latent routing mechanisms use fixed or shared assignment weights for feature projection and reconstruction, limiting their ability to model transport-dominated systems where coherent structures move relative to fixed coordinate frames. We propose Advectra, a transport-aware latent operator that introduces a regularized kinematic coordinate map to decouple source and target coordinate systems. This yields an approximately co-moving latent reference frame and enables asymmetric feature aggregation and reconstruction. Combined with a geometry-aware ordering mechanism for state-space models, Advectra captures advective dynamics while maintaining stable global interactions. Advectra achieves the best performance among evaluated geometry-constrained and form-free baselines on advection-dominated benchmarks, including passive scalar transport in Navier--Stokes flows and Rayleigh--Taylor instability, while demonstrating strong generalization on real-world engineering tasks. These results highlight the benefit of explicit moving-frame structure in neural operators for non-stationary physics.
• Abstract（参考訳）: 多くの潜時ニューラル演算子は静止潜時チャートの入力および出力場を表す。 特に、一般的な遅延ルーティング機構は、特徴投影と再構成のために固定的または共有的な割り当て重みを使い、コヒーレント構造が固定座標フレームに対して移動する輸送支配系をモデル化する能力を制限する。 本稿では、ソースとターゲットの座標系を分離する正規化キネマティック座標写像を導入するトランスポート対応潜在演算子Advectraを提案する。 これにより、ほぼ共動の遅延参照フレームが得られ、非対称な特徴集約と再構成が可能となる。 状態空間モデルのための幾何認識順序付け機構と組み合わせて、Advectraは安定なグローバル相互作用を維持しながら、対流力学をキャプチャする。 Advectraは、Navier-Stokesフローにおけるパッシブスカラー輸送やRayleigh--Taylor不安定を含む、アドベクション支配型ベンチマークで評価された幾何制約付きおよびフォームフリーのベースラインの中で最高の性能を達成し、実際のエンジニアリングタスクに強力な一般化を示す。 これらの結果は、非定常物理学におけるニューラル演算子における明示的な移動フレーム構造の利点を浮き彫りにする。

関連論文リスト

• Dynamic Generalized Gromov-Wasserstein Optimal Transport [8.883100495349892]
  トラベリングペアの動的アライメントと軌道推定(TP-DATE)について紹介する。 静的および動的二次形式OT(QOT)の幅広いクラスを経路作用により定式化し、静的な動的同値性を証明する。 我々はさらに、条件付き経路の相互作用を可能にし、それらの相互作用を1つのベクトル場にマーカライズする旅行対対流マッチングを開発する。
  論文  参考訳（メタデータ） (2026-09-17T10:17:33Z)
• Port-Hamiltonian Koopman Operator Synthesis for Mechanical Systems [6.076588686970015]
  本研究は、一般化モメンタム座標上に構築されたオイラー・ラグランジュ系に対する構造保存的クープマンフレームワークを提案する。 昇降関数とポート・ハミルトニアン・クープマン生成器を共同で学習する構造制約型ニューラルネットワークアーキテクチャを開発した。 実験では、Koopmanベースライン上の予測精度、データ効率、クローズドループトラッキングが改善された。
  論文  参考訳（メタデータ） (2026-09-15T14:31:18Z)
• From Self-Attention to Connection Laplacian: A Unified Operator View of Transformers [53.505136935517925]
  自己注意は現代のシーケンスモデルにおいてユビキタスプリミティブであるが、作用素レベルの幾何学は部分的には理解されていない。 単頭注意 (SHA) は, 常に搬送される接続伝播ステップであることを示す。 トレーニングされたトランスフォーマー(124Mから8B)と構造(エンコーダ/デコーダ)は、我々の理論と整合した幾何学的構造を示す。
  論文  参考訳（メタデータ） (2026-07-12T09:44:54Z)
• Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
  本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。 モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
  論文  参考訳（メタデータ） (2026-05-16T12:01:04Z)
• Hypergraph-State Collaborative Reasoning for Multi-Object Tracking [63.32950991964095]
  複数の相関オブジェクト間の共同推論による動き推定を向上する協調推論フレームワークを提案する。 類似の運動状態を持つ物体同士を互いに拘束し、互いに洗練させることで、我々のフレームワークはノイズの軌道を安定させ、目標を遮蔽しても可塑性運動の連続性を推測する。
  論文  参考訳（メタデータ） (2026-04-14T12:37:39Z)
• KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
  生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。 固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
  論文  参考訳（メタデータ） (2026-02-15T06:32:23Z)
• Smooth embeddings in contracting recurrent networks driven by regular dynamics: A synthesis for neural representation [45.88028371034407]
  最近の実証研究は、訓練された反復モデルにおけるトポロジー保存潜在組織を文書化している。 貯水池計算における最近の理論的結果は、同期写像が埋め込みである条件を確立する。 私たちのコントリビューションは、一般的な同期と、契約型貯水池の埋め込み保証を組み立てる統合フレームワークです。
  論文  参考訳（メタデータ） (2026-01-26T23:10:39Z)
• Deep Neural Network-Based Aerial Transport in the Presence of Cooperative and Uncooperative UAS [3.437656066916039]
  本稿では,非クルード航空システム(UAS)を$mathbbRn$で運用することで,分散トランスポートとカバレッジを分散化するためのレジリエントディープニューラルネットワーク(DNN)フレームワークを提案する。 このフレームワークは、規定されたプロトコルに従わない、あるいは従わない非協力的なエージェントの存在下で堅牢なままに設計されている。
  論文  参考訳（メタデータ） (2025-12-06T22:03:41Z)

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。