論文の概要: Asymmetry Tunneling Beyond Adaptive Equivariance Relaxation

• arxiv url: http://arxiv.org/abs/2610.29473v1
• Date: Wed, 21 Oct 2026 09:30:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.302643
• Title: Asymmetry Tunneling Beyond Adaptive Equivariance Relaxation
• Title（参考訳）: 適応等分散緩和を超えた非対称性トンネル
• Abstract要約: 等価ニューラルネットワークは、所定の対称性を強力な帰納バイアスとして符号化する。 実世界のデータは、先行者が完全に捉えられない対称性を破る構造を示すかもしれない。 等分散緩和の適応制御は、ポテンシャル対称性を破る構造を捉えるための前提条件ではないことを示す。
• 参考スコア（独自算出の注目度）: 4.511561231517167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Equivariant neural networks encode prescribed symmetries as powerful inductive biases, yet real-world data may exhibit symmetry-breaking structure that these priors cannot fully capture. Prior work has largely addressed this challenge through model-side equivariance relaxation, seeking an appropriate level of equivariance for the data. This raises a complementary question: must equivariance relaxation be adaptively controlled? To investigate this question, we introduce a residual path alongside a strictly equivariant model and deliberately restrict their interface to examine the transmission of task-relevant structure. Across five benchmarks, we observe both residual collapse and survival despite these restrictions; we call the latter phenomenon asymmetry tunneling. We further characterize this phenomenon through four complementary diagnostics. Our results suggest that adaptive control of equivariance relaxation is not a prerequisite for capturing potential symmetry-breaking structure.
• Abstract（参考訳）: 等価ニューラルネットワークは、所定の対称性を強力な帰納バイアスとしてエンコードするが、実世界のデータは、これらの先行が完全に捕捉できない対称性を破る構造を示す可能性がある。 先行研究は、モデル側の等分散緩和を通じて、データに適切な等分散レベルを求めることで、この課題に対処してきた。 これは相補的な疑問を提起する: 等分散緩和は適応的に制御されなければならないか? そこで本研究では,厳密な同変モデルとともに残留経路を導入し,そのインタフェースを意図的に制限し,タスク関連構造の伝達について検討する。 5つのベンチマークで、これらの制限にもかかわらず、残留崩壊と生存の両方を観察し、後者の現象を非対称性トンネルと呼ぶ。 我々はこの現象を4つの相補診断によって特徴づける。 この結果から, 等分散緩和の適応制御は, ポテンシャル対称性破壊構造を捉えるための前提条件ではないことが示唆された。

関連論文リスト

• Symmetry Discovery in Quantum Learning: Observable-Level and Task-Level Inference from Finite Measurements [12.042012916861829]
  我々は、候補変換から対称性を推測するための有限測度理論を確立する。 有限辞書の場合、偏りのないシャドウ統計は、逆ギャップ測定率の正の2乗期待差とゼロを区別する。 タスク検証は、特徴カーネルを通してのジョイント分布か、古典的量子差分によってその符号化平均を検査する。
  論文  参考訳（メタデータ） (2026-09-11T14:20:17Z)
• Aligning Network Equivariance with Data Symmetry: A Theoretical Framework and Adaptive Approach for Image Restoration [71.51826063983434]
  画像復元は本質的に逆問題である。 非厳密対称性を制約として、復元逆問題を定式化する。 最適復元演算子の等値誤差はデータ対称性誤差と離散化メッシュサイズによって厳密に制限されていることを示す。
  論文  参考訳（メタデータ） (2026-05-13T16:22:19Z)
• On Equivariant Model Selection through the Lens of Uncertainty [49.137341292207]
  等変モデルは、予測性能を改善するために対称性に関する事前の知識を活用するが、不特定なアーキテクチャ上の制約がそれを傷つける可能性がある。 我々は、頻繁な(コンフォーマル予測による)、ベイジアン(限界確率による)、およびキャリブレーションに基づく評価による誤りに基づく評価の比較を行った。 不確実性指標は一般的に予測性能と一致するが,ベイズ模型の証拠は矛盾する。
  論文  参考訳（メタデータ） (2025-06-23T13:35:06Z)
• Rao-Blackwell Gradient Estimators for Equivariant Denoising Diffusion [55.95767828747407]
  分子やタンパク質の生成のようなドメインでは、物理系はモデルにとって重要な固有の対称性を示す。 学習のばらつきを低減し、確率的に低い分散勾配推定器を提供するフレームワークを提案する。 また,軌道拡散法(Orbit Diffusion)と呼ばれる手法を用いて,損失とサンプリングの手順を取り入れた推定器の実用的実装を提案する。
  論文  参考訳（メタデータ） (2025-02-14T03:26:57Z)
• Symmetry Breaking and Equivariant Neural Networks [17.740760773905986]
  我々は「緩和された同注入」という新しい概念を導入する。 我々は、この緩和を同変多層パーセプトロン(E-MLP)に組み込む方法を示す。 対称性の破れの関連性は、様々な応用領域で議論される。
  論文  参考訳（メタデータ） (2023-12-14T15:06:48Z)
• Learning Layer-wise Equivariances Automatically using Gradients [66.81218780702125]
  畳み込みは等価対称性をニューラルネットワークにエンコードし、より優れた一般化性能をもたらす。 対称性は、ネットワークが表現できる機能、事前に指定する必要、適応できない機能に対して、固定されたハード制約を提供する。 私たちのゴールは、勾配を使ってデータから自動的に学習できるフレキシブル対称性の制約を可能にすることです。
  論文  参考訳（メタデータ） (2023-10-09T20:22:43Z)
• Relaxing Equivariance Constraints with Non-stationary Continuous Filters [20.74154804898478]
  提案したパラメータ化は、ニューラルネットワークの調整可能な対称性構造を可能にするビルディングブロックと考えることができる。 CIFAR-10 および CIFAR-100 画像分類タスクにおいて, ソフトな等式が試験精度の向上につながることを実験的に検証した。
  論文  参考訳（メタデータ） (2022-04-14T18:08:36Z)
• Equivariance Discovery by Learned Parameter-Sharing [153.41877129746223]
  データから解釈可能な等価性を発見する方法について検討する。 具体的には、モデルのパラメータ共有方式に対する最適化問題として、この発見プロセスを定式化する。 また,ガウスデータの手法を理論的に解析し,研究された発見スキームとオラクルスキームの間の平均2乗ギャップを限定する。
  論文  参考訳（メタデータ） (2022-04-07T17:59:19Z)
• Learning Invariances in Neural Networks [51.20867785006147]
  ネットワークパラメータや拡張パラメータに関して,拡張性よりも分布をパラメータ化し,トレーニング損失を同時に最適化する方法を示す。 画像分類,回帰,セグメンテーション,分子特性予測における不均一性の正確なセットと範囲を,拡張の広い空間から復元することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:18:48Z)

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。