論文の概要: Empirical Bayes Flow Matching for Continuous Cryo-EM Heterogeneity

• arxiv url: http://arxiv.org/abs/2611.05202v1
• Date: Tue, 03 Nov 2026 16:51:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 13:44:14.076944
• Title: Empirical Bayes Flow Matching for Continuous Cryo-EM Heterogeneity
• Title（参考訳）: 連続Cryo-EM不均一性のための経験的ベイズフローマッチング
• Abstract要約: 低温電子顕微鏡(cryo-EM)における間接ノイズ観測から高次元潜伏変数に対する生成先行性学習の問題に対処する。 この設定では、mathbbR3N_a$の3D原子構造$xを直接観測することはなく、複雑な非線形フォワード演算子によって生成される2Dプロジェクション画像$y$から推論する必要がある。 モンテカルロ近似フレームワークを用いて,観測結果から直接,フローマッチングのpreferp_(x)$を学習する手法である Empirical Bayes Flow Matching (EBFM) を提案する。
• 参考スコア（独自算出の注目度）: 2.048226951354646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address the problem of learning generative priors over high-dimensional latent variables from indirect, noisy observations, with a focus on continuous heterogeneity in cryo-electron microscopy (cryo-EM). In this setting, 3D atomic structures $x \in \mathbb{R}^{3N_a}$ are never directly observed and must be inferred from 2D projection images $y$ generated by a complex, non-linear forward operator. We propose Empirical Bayes Flow Matching (EB-FM), a method that learns a flow matching prior $p_θ(x)$ directly from observations using a Monte Carlo stochastic approximation Expectation-Maximization framework. EB-FM alternates between an E-step that performs approximate posterior sampling from $p_θ(x \mid y)$ via guided flow-based generation while maintaining persistent latent estimates through stochastic approximation, and an M-step that updates the flow model using these stabilized latent variables as training targets. This approach eliminates the need for pretraining on clean data and naturally accommodates non-linear forward models. We validate our method on controlled inverse problems using two-moons and MNIST data, and demonstrate its effectiveness on simulated cryo-EM data with known poses, showing that EB-FM can recover continuous distributions of protein conformations directly in atomic-coordinate space.
• Abstract（参考訳）: 低温電子顕微鏡(cryo-EM)の連続的不均一性に着目し,高次元潜伏変数を間接的・雑音的観測から学習することの課題に対処する。 この設定では、3D原子構造 $x \in \mathbb{R}^{3N_a}$ を直接観測することはなく、2D射影像 $y$ から複素非線型フォワード作用素によって生成されなければならない。 p_θ 以前のフローマッチングを学習する経験的ベイズフローマッチング (EB-FM) を提案する。 (x)モンテカルロ確率近似期待-最大化フレームワークによる観測から直接。 EB-FMは$p_θ(x \mid)から近似的な後方サンプリングを行うEステップ間で交互に変化する y) 確率近似による持続的な潜伏推定を維持しつつ, 誘導フローベース生成を行い, 安定潜伏変数をトレーニングターゲットとしてフローモデルを更新するMステップ。 このアプローチは、クリーンなデータに対する事前トレーニングの必要性を排除し、非線形フォワードモデルに自然に対応する。 本研究では,2つのモードとMNISTデータを用いた逆問題に対する制御手法の有効性を検証し,EB-FMが原子座標空間内で直接タンパク質配座の連続分布を復元可能であることを示す。

関連論文リスト

• DAISI: Data Assimilation with Inverse Sampling using Stochastic Interpolants [12.587156528707796]
  本稿では,フローベース生成モデルに基づくスケーラブルなフィルタリングアルゴリズムであるDAISIを紹介する。 DAISIは, 疎度, 雑音, 非線形の観測を行う体制において, 正確なフィルタリング結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-11-29T00:02:45Z)
• Score Distillation of Flow Matching Models [67.86066177182046]
  我々は、Score Identity Distillation (SiD) を事前訓練されたテキスト対画像フローマッチングモデルに拡張する。 SiDは、データフリーとデータアシストの両方の設定で、これらのモデルですぐに使える。 これは、スコア蒸留がテキストと画像のフローマッチングモデルに広く適用されるという最初の体系的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-09-29T17:45:48Z)
• Unfolding Generative Flows with Koopman Operators: Fast and Interpretable Sampling [25.420559502119485]
  連続正規化フロー (Continuous Normalizing Flows, CNF) はエレガントな生成モデリングを実現する。 Rectified Flow や OT-CFM といった最近の手法は、直線化軌道によるサンプリングを加速するが、学習されたダイナミクスは非線形ブラックボックスのままである。 我々はクープマン理論を通した大域的線形化フローダイナミクスを提案する。
  論文  参考訳（メタデータ） (2025-06-27T15:16:16Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Almost Linear Convergence under Minimal Score Assumptions: Quantized Transition Diffusion [25.542593757387095]
  本稿では,データ量子化と離散拡散力学を統合する新しい手法である量子化遷移拡散(QTD)を提案する。 提案手法はまず,連続データ分布の$p_*$をヒストグラム近似とバイナリ符号化により離散的な$q_*$に変換する。 逆時間サンプリングでは,逆CTMCをシミュレートするために,テクスティットランキャットによる一様化手法を導入する。
  論文  参考訳（メタデータ） (2025-05-28T02:10:11Z)
• Amortizing intractable inference in diffusion models for vision, language, and control [89.65631572949702]
  本稿では,p(mathbfx)$以前の拡散生成モデルとブラックボックス制約,あるいは関数$r(mathbfx)$からなるモデルにおいて,データ上の後部サンプルである $mathbfxsim prm post(mathbfx)propto p(mathbfx)r(mathbfx)$について検討する。 我々は,データフリー学習目標である相対軌道バランスの正しさを,サンプルから抽出した拡散モデルの訓練のために証明する。
  論文  参考訳（メタデータ） (2024-05-31T16:18:46Z)
• Deep Bayesian Filter for Bayes-faithful Data Assimilation [3.522950356329991]
  非線形状態空間モデル(SSM)のデータ同化のためのディープベイズフィルタ(DBF)を提案する。 DBF は元の物理変数 $z_t$ に加えて新しい潜在変数 $h_t$ を構築し、観測値 $o_t$ を同化する。 物理空間上の真の後続分布がガウス的でないタスクにおいて,DBFはモデルベースアプローチや潜時同化手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-29T00:42:00Z)
• Restoration-Degradation Beyond Linear Diffusions: A Non-Asymptotic Analysis For DDIM-Type Samplers [90.45898746733397]
  本研究では拡散生成モデルに用いる決定論的サンプリング器の非漸近解析のためのフレームワークを開発する。 確率フローODEに沿った1ステップは,1) 条件付き対数線上を無限に先行して上昇する回復ステップ,2) 雑音を現在の勾配に向けて前向きに進行する劣化ステップの2段階で表すことができる。
  論文  参考訳（メタデータ） (2023-03-06T18:59:19Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)

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。