論文の概要: Identifiable World Models from Pretrained Diffusion Representations
- arxiv url: http://arxiv.org/abs/2610.07028v1
- Date: Sun, 04 Oct 2026 18:15:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.518056
- Title: Identifiable World Models from Pretrained Diffusion Representations
- Title（参考訳）: 予め訓練された拡散表現から特定可能な世界モデル
- Abstract要約: 凍結生成拡散モデルには, 同定可能, 構造解析可能, 有用な座標が組み込まれていることを示す。
その結果、凍結生成拡散モデルには、同定可能で、構造的に解釈可能で、介入関連力学を解析するのに有用な座標が組み込まれていることがわかった。
- 参考スコア（独自算出の注目度）: 8.85796128432799
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion-based world models can generate and predict trajectories in high-dimensional dynamical systems, but predictive accuracy does not imply that their latent coordinates recover the underlying state variables or causal interactions. We ask whether a frozen pretrained diffusion model can be equipped with identifiable coordinates without retraining its generative backbone. We show that auxiliary-variable nonlinear ICA guarantees can be transferred to Contrastive Diffusion Alignment (ConDA), which learns only a lightweight alignment map on top of frozen diffusion latents. Under standard TCL/GCL assumptions, the aligned representation identifies latent dynamical states up to permutation and componentwise invertible transformations, preserves the latent dynamic structural causal model, and reduces lagged graph recovery to transition-Jacobian sparsity. We evaluate TCL-, GCL-, and CEBRA-based ConDA against TDRL, CaRiNG, IDOL, temporal SuaVE, and iVAE across physical and robotic video systems. TCL and GCL achieve near-perfect blockwise state recovery and competitive lagged graph recovery, including exact recovery in a simulated falling-body system. In a simulated bipedal robot, learned dynamics recover the sign and temporal structure of responses to held-out control perturbations. These results show that a frozen generative diffusion model can be equipped with coordinates that are identifiable, structurally interpretable, and useful for analyzing intervention-relevant dynamics.
- Abstract（参考訳）: 拡散に基づく世界モデルは、高次元力学系において軌道を生成・予測することができるが、予測精度は、その潜在座標が基礎となる状態変数や因果相互作用を回復することを示唆しない。
我々は,凍結事前学習した拡散モデルに,その生成バックボーンを再学習することなく,同定可能な座標を組み込めるかどうかを問う。
本研究では, 凍結拡散潜水器上の軽量アライメントマップのみを学習するContrastive Diffusion Alignment (ConDA) に, 補助可変非線形ICA保証を転送可能であることを示す。
標準TCL/GCLの仮定の下では、整列表現は置換や成分的に可逆変換まで潜時動的状態を特定し、潜時動的構造因果モデルを保存するとともに、ラタググラフの回復を遷移ヤコビアン空間へ還元する。
我々はTDRL, CaRiNG, IDOL, 時間的SuaVE, iVAEに対するTCL-, GCL-, CEBRAベースのConDAの評価を行った。
TCLとGCLは、シミュレーションされた落下体系の正確な回復を含む、ほぼ完全なブロックワイド状態回復と競合するラググラフ回復を実現する。
シミュレーションされた二足歩行ロボットにおいて、学習力学は保留制御摂動に対する応答のサインと時間的構造を回復する。
これらの結果から, 凍結生成拡散モデルには, 同定可能で, 構造的に解釈可能であり, 介入関連力学の解析に有用であることがわかった。
関連論文リスト
- Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。
本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。
本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
論文 参考訳（メタデータ） (2026-10-02T20:36:22Z) - AI Emulation of Stochastic Sudden Stratospheric Warming with Interpretable Latent Structure [0.5079036702018244]
希少な気象状態遷移は、クラス不均衡によるデータ駆動モデリングの課題となる。
本研究では,状態遷移をもつプロトタイプシステムのための確率論的深層学習エミュレータを開発する。
論文 参考訳（メタデータ） (2026-10-01T17:11:07Z) - Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。
平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
論文 参考訳（メタデータ） (2026-09-29T11:24:19Z) - Generalizable single-cell perturbation response prediction using energy-guided flow matching [53.501471839336084]
scEGFlowは、制御と摂動した細胞状態をブリッジするエネルギー誘導フローマッチングフレームワークである。
scEGFlowは条件付きフローマッチングを用いて制御セルから摂動状態への連続的な遷移をモデル化する。
次に、これらの予測を補正し、操縦するために条件特異的なエネルギー勾配を適用し、フローモデルを再訓練することなく柔軟な調整を可能にする。
論文 参考訳（メタデータ） (2026-09-27T03:53:41Z) - Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。
そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。
制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
論文 参考訳（メタデータ） (2026-08-20T13:59:57Z) - Verifier-Guided Model Discovery for Physical Dynamical Systems with Pretrained Symbolic Transformers [11.537633174586956]
本研究では,自然科学における予測の解釈と物理的監査を行うためのバリデーション誘導型ニューラル・ツー・シンボリック・方法論を開発した。
この研究は、自然科学において、解釈可能で物理的に監査可能な予測のための検証済みのニューラル・ツー・シンボリック・方法論を確立する。
論文 参考訳（メタデータ） (2026-08-01T19:03:21Z) - Out-of-distribution Neural Inference in Dynamical Ising Models [0.30586855806896035]
データ駆動型トレーニングは、トポロジと温度変化の下で異なる統計戦略を生成することを示す。
高い分布精度と明らかな分布外分布は、必ずしも学習された動的構造規則を暗示するとは限らない。
本結果は,物理逆問題における標準データ駆動学習の具体的な障害モードを同定する。
論文 参考訳（メタデータ） (2026-07-03T07:31:30Z) - Effective Covariance Dynamics in Solvable High-Dimensional GANs [2.639628765667673]
線形生成器がデータから低次元部分空間を学習するGANトレーニングの可解な高次元モデルについて検討する。
顕微鏡トレーニングプロセスが高次元の極限において、この効果的な共分散によって支配される決定論的常微分方程式に収束することを証明する。
論文 参考訳（メタデータ） (2026-06-25T16:33:54Z) - Latent Causal Diffusions for Single-Cell Perturbation Modeling [83.47931153555321]
測定ノイズ下で観察された定常拡散過程として単細胞遺伝子発現をフレーム化する生成モデルを提案する。
LCDはシングルセルRNAシークエンシングスクリーンにおいて、目に見えない摂動の組み合わせの分布変化を予測するために確立されたアプローチより優れていた。
我々は、摂動応答(CLIPR)を介して因果線形化と呼ばれるアプローチを開発し、全ての遺伝子間の直接的な因果効果を近似する。
論文 参考訳（メタデータ） (2026-01-20T16:15:38Z) - A Critical Assessment of Pattern Comparisons Between POD and Autoencoders in Intraventricular Flows [4.123458880886283]
自動エンコーダ(AE)モデルは,特定の潜在空間構成の下でPODのようなコヒーレント構造を再現可能であることを示す。
全体として、AEsは特定の潜在空間構成の下でPOD様のコヒーレント構造を再現できることを示す。
論文 参考訳（メタデータ） (2025-12-22T13:21:11Z) - Score-based Causal Representation Learning with Interventions [54.735484409244386]
本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。
目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
論文 参考訳（メタデータ） (2023-01-19T18:39:48Z)
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。