論文の概要: Renormalization for Robust Memory without Synchronization

• arxiv url: http://arxiv.org/abs/2610.40651v1
• Date: Thu, 29 Oct 2026 17:59:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:13:46.556907
• Title: Renormalization for Robust Memory without Synchronization
• Title（参考訳）: 同期のないロバストメモリの再正規化
• Abstract要約: 局所的な誤り訂正は、ノイズに対して古典的な情報を保存することができるが、サイトが独立したランダムな時間で進化する際には、同期された更新の下での保護は生き残らない。 本研究では,局所的な更新を独立に行うことで,メモリを一括的に安定化させる時空再正規化フレームワークを開発した。
• 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: Local error correction can preserve classical information against noise, but protection under synchronized updates need not survive when sites evolve at independent random times. Establishing stability is particularly challenging when protection relies on the collective action of competing local rules. Here we develop a spacetime renormalization framework that reveals how independently acting local updates can collectively stabilize memory. We identify sufficient conditions under which the geometry of stable interfaces and suppression of defect propagation produce reliable erosion at large scales. Applying this framework, we prove stability of the asynchronous \textsf{R} squeezing code and introduce robust processes in two and three dimensions. In these systems, both encoded phases persist under sufficiently weak noise, even when the noise favors one phase. Our results provide a criterion for designing autonomous memories sustained by competing local stochastic dynamics.
• Abstract（参考訳）: 局所的な誤り訂正は、ノイズに対して古典的な情報を保存することができるが、サイトが独立したランダムな時間で進化する際には、同期された更新の下での保護は生き残らない。 保護が地域ルールと競合する集団的行動に依存する場合、安定性を確立することは特に困難である。 ここでは、局所的な更新を独立に行うことで、メモリを集合的に安定化させる時空再正規化フレームワークを開発する。 安定界面の幾何と欠陥伝播の抑制が大規模で信頼性の高い浸食を引き起こす十分な条件を同定する。 このフレームワークを適用して、非同期な \textsf{R} のスケザリングコードの安定性を証明し、2次元と3次元にロバストなプロセスを導入する。 これらのシステムでは、2つの符号化された位相は、ノイズが1つの位相を好む場合でも十分に弱いノイズの下で持続する。 この結果は, 競合する局所確率力学によって維持される自律記憶を設計するための基準となる。

関連論文リスト

• BAT3R: Robust Online 3D Reconstruction with Bayesian Adaptive State Updates [52.8467026754905]
  ストリーム3D再構成はこのボトルネックに対処する。 2つの相乗的加群からなる学習自由ベイズ適応フレームワークであるBAT3Rを紹介する。 BAT3Rは、最先端のオンライン3D再構成方法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-10-12T07:47:47Z)
• Lindblad-Inspired Multi-Timescale Reservoir Computing with Separable Rotation and Dissipation [0.08057006406834467]
  我々は、構造化状態空間モデリングでオープンシステム力学の原理を橋渡しする古典的なリンドブラッドにインスパイアされたマルチタイムスケール貯水池を導入する。 本手法は, 標準, 漏れ, 深度, ゲート, サイクル, 次世代貯水池に対して10種以上で評価した。 ベンチマークスイート全体にわたって,提案した貯留層は,有界NARMA-20上での最良の固定貯留層性能と,ローレンツ-63上での最低平均誤差を達成している。
  論文  参考訳（メタデータ） (2026-07-27T18:48:32Z)
• Dual-Selective Network for Domain-Incremental Change Detection [9.619143785636433]
  ドメイン・インクリメンタル・チェンジ検出(DICD)は、事前の知識を維持しながら、モデルを新しい地理的領域に継続的に適応させる。 リプレイベースや正規化ベースのメソッドのような既存の戦略は、長いドメインシーケンスにスケールできないことが多い。 視覚状態空間モデルに基づく統合フレームワークであるDual-Selective Incremental Network (DSINet)を提案する。
  論文  参考訳（メタデータ） (2026-07-02T15:17:36Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• FILT3R: Latent State Adaptive Kalman Filter for Streaming 3D Reconstruction [51.56484100374058]
  ストリーミング3D再構築は、受信フレームからオンラインで更新される永続的な潜伏状態を維持する。 FILT3Rは、トークン空間における状態推定として、リカレントな状態更新をキャストする。 コードはhttps://github.com/jinotter3/FILT3Rでリリースされる。
  論文  参考訳（メタデータ） (2026-03-19T04:56:36Z)
• Modeling and Controlling Deployment Reliability under Temporal Distribution Shift [1.4323566945483497]
  本稿では、信頼性を差別と校正からなる動的状態として扱うデプロイメント中心のフレームワークを提案する。 転がりリトレーニングよりもスムーズな信頼性トラジェクトリを実現することができることを示す。
  論文  参考訳（メタデータ） (2026-03-01T17:18:44Z)
• Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
  オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。 ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
  論文  参考訳（メタデータ） (2026-01-20T06:42:56Z)
• Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
  擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。 我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。 SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-06-10T21:44:52Z)
• Defining stable phases of open quantum systems [0.0]
  標準セルオートマトンでは均一性が満足していることが示される。 チャネルが一様であること、従って安定性を示すのに十分な条件を推測する。
  論文  参考訳（メタデータ） (2023-08-28T17:55:31Z)
• KCRL: Krasovskii-Constrained Reinforcement Learning with Guaranteed Stability in Nonlinear Dynamical Systems [66.9461097311667]
  形式的安定性を保証するモデルに基づく強化学習フレームワークを提案する。 提案手法は,特徴表現を用いて信頼区間までシステムダイナミクスを学習する。 我々は、KCRLが、基礎となる未知のシステムとの有限数の相互作用において安定化ポリシーを学ぶことが保証されていることを示す。
  論文  参考訳（メタデータ） (2022-06-03T17:27:04Z)

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。