論文の概要: Lossy Compression of PDE Training Inputs: Field Reconstruction Error Does Not Order the Cost to a Trained Operator

• arxiv url: http://arxiv.org/abs/2610.06095v2
• Date: Tue, 06 Oct 2026 14:03:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.412257
• Title: Lossy Compression of PDE Training Inputs: Field Reconstruction Error Does Not Order the Cost to a Trained Operator
• Title（参考訳）: PDEトレーニング入力の損失圧縮:フィールド再構成エラーはトレーニングオペレータにコストを命令しない
• Abstract要約: 速度歪み理論は、格納されたフィールドに必要なビット数を記述し、一方、オペレータが圧縮されたデータでトレーニングされたオペレータがどれだけ正確かを知る必要がある。 対象とテストの入力が完全精度を維持している間、入力フィールドを圧縮する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Operator-learning benchmarks are stored at full precision and have grown to terabyte scale. Rate-distortion theory says how many bits the stored field needs, while a practitioner needs to know how accurate an operator trained on the compressed data will be. We show that the first does not determine the second, and measure why, compressing the input fields while targets and test inputs stay at full precision. A solution operator attenuates a perturbation of its input. Pushing a compressed field through a surrogate already trained at full precision measures how much of the perturbation that surrogate transmits. The fraction is consistent with the smoothing behaviour of the underlying equation, and it spans more than two orders of magnitude across PDE families. Field reconstruction error is computed before the attenuation and cannot see it. For operators trained with mean squared error it inverts 36 of 104 cost comparisons across datasets, where a probe built from the same forward passes inverts 12. Two families that PDEBench stores with identical initial conditions differ threefold downstream at identical field error. Under the relative-L2 objective of the reference recipe the separation narrows, while the ordering of the family-level median transmission factors is unchanged. After one full-precision training run, the probe evaluates an entire rate curve by forward passes alone. It ranks datasets and rates consistently across the codecs and architectures we test, while its magnitude does not transfer between them.
• Abstract（参考訳）: オペレータ-ラーニングベンチマークは完全な精度で保存され、テラバイトスケールに成長した。 速度歪み理論は、格納されたフィールドに必要なビット数を記述し、一方、オペレータが圧縮されたデータでトレーニングされたオペレータがどれだけ正確かを知る必要がある。 対象とテストの入力が完全精度を維持している間、入力フィールドを圧縮し、第1が第2のフィールドを決定せず、その理由を測定する。 解演算子は、その入力の摂動を減衰させる。 圧縮されたフィールドをサロゲートにプッシュすると、サロゲートが伝達する摂動の量を測定する。 この分画は、基礎となる方程式の滑らかな挙動と一致しており、PDE族にまたがる2桁以上に及ぶ。 フィールド再構成誤差は減衰前に計算され、見ることができない。 平均二乗誤差でトレーニングされたオペレータは、データセット間で104のコスト比較のうち36を反転させ、同じフォワードから構築されたプローブが12を反転させる。 PDEBenchが同じ初期条件で保存する2つの族は、同じフィールドエラーで下流の3倍の違いがある。 基準レシピの相対L2目的の下では、分離は狭くなり、家族レベルの中央の伝達因子の順序は変化しない。 1回の完全精度トレーニングの実行の後、プローブは前方通過による全レート曲線を評価する。 データセットをランク付けし、テスト対象のコーデックやアーキテクチャを一貫したレートで評価します。

関連論文リスト

• PMosFM: Preconditioned Manifold Matching for One-Step Physics-Constrained Generation [47.34605477768213]
  textbf Preconditioned textbfManifold textbfone-textbfstep textbfFlow textbfMatching (textbfPMosFM) は1ステップの物理制約付き生成のための事前条件付き多様体マッチングフレームワークである。 多様体デコーダの制約を符号化することにより、PMosFMは残留損失と終端残差を分離することなく固有座標の輸送を学習する。
  論文  参考訳（メタデータ） (2026-09-30T17:48:21Z)
• Finite-Horizon Fisher Memory in Two-Sided Power-Bounded Recurrent Systems [0.5076419064097734]
  ノイズを繰り返す記憶におけるアロケーション,アクセプション,書き込み後保持の分析を行う。 デュアルパワーのキャリアの場合、均一な1/n$のラグバウンドを導出します。 バイナリ精度はガウス予想と一致し、絶対誤差は0.002$以下の4桁以上である。
  論文  参考訳（メタデータ） (2026-09-30T14:13:55Z)
• Beyond Field Accuracy: Two-Axis Diagnosis of Inverse-PINN Parameter Error [12.650797715748816]
  逆物理情報ニューラルネットワーク(PINN)は、誤った物理パラメータを返却しながら、フィールドを正確に再構築することができる。 本稿では,有限サンプル分解能を特定観測・推定プロトコルで分離する2軸後訓練法を提案する。
  論文  参考訳（メタデータ） (2026-08-15T18:54:12Z)
• Neural Operator Surrogates for Two-Dimensional Neutron Flux Estimation [0.0]
  この研究は、我々の1次元シングルスイープニューラルネットワーク研究を2次元に拡張する。 等方散乱を伴う一群輸送を考える。 1次元の研究と同様に、フーリエ神経演算子(FNO)を用いて高忠実度スカラーフラックスを近似する。 本研究では,U字型ニューラル演算子(UNO)についても検討する。
  論文  参考訳（メタデータ） (2026-07-02T04:25:53Z)
• Learned Response-Field Inertia Operator for HEC-RAS 2D Water-Surface Elevation Prediction [1.2904450317782683]
  本稿では,HEC-RAS 2Dにおける水面上昇(WSE)予測のための学習済みネイティブセルサロゲートモデルのクロスデータセット評価について述べる。 本稿では,慣性応答演算子を校正する非強制的インクリメントベース学習サロゲートであるLRFIOについて紹介する。 配備期間中のロールアウト時間は0.003 sから0.242 sで、ビーバー・バイユーの測定値の比較では、HEC-RASよりも2.75 x 104の地平線正規化速度が推定される。
  論文  参考訳（メタデータ） (2026-06-04T16:49:35Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Tail-to-Tail Non-Autoregressive Sequence Prediction for Chinese Grammatical Error Correction [49.25830718574892]
  本稿では,Tail-to-Tail (textbfTtT) という新しいフレームワークを提案する。 ほとんどのトークンが正しいので、ソースからターゲットに直接転送でき、エラー位置を推定して修正することができる。 標準データセット、特に可変長データセットに関する実験結果は、文レベルの精度、精度、リコール、F1-Measureの観点からTtTの有効性を示す。
  論文  参考訳（メタデータ） (2021-06-03T05:56:57Z)
• Information-Theoretic Probing with Minimum Description Length [74.29846942213445]
  我々は,最小記述長 (MDL) を持つ情報理論探索法である標準プローブの代替案を提案する。 MDL Probingでは、ラベルを予測するためのプローブのトレーニングが、データを効果的に送信するための教えとして再キャストされる。 これらの手法は結果に一致し、標準プローブよりも情報的かつ安定であることを示す。
  論文  参考訳（メタデータ） (2020-03-27T09:35:38Z)

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。