論文の概要: Physics-informed traditional and generative Mori-Zwanzig-reduced models for multiscale systems

• arxiv url: http://arxiv.org/abs/2611.05211v1
• Date: Tue, 03 Nov 2026 16:57:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 13:41:19.853416
• Title: Physics-informed traditional and generative Mori-Zwanzig-reduced models for multiscale systems
• Title（参考訳）: 物理インフォームド伝統的・生成的モリ・ズワンツィヒモデルによるマルチスケールシステムの構築
• Abstract要約: 機械学習によって発見されたベースにおいて、同じ形式が低次モデルを構築するのに有効であることを示す。 揺動散逸定理 (FDT) は、学習された基底の膨張係数に対する結果の非マルコフ進化方程式を閉じるために用いられる。
• 参考スコア（独自算出の注目度）: 0.49427729201264414
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Model reduction via the Mori-Zwanzig (MZ) formalism is well understood for coarse-grained representations constructed from standard basis functions such as Fourier functions. We show that the same formalism can be used to build reduced-order models in bases discovered by physics-informed machine learning. The fluctuation-dissipation theorem (FDT) is used to close the resulting non-Markovian evolution equations for the expansion coefficients of the learned basis. We further introduce a complementary, generative closure model. Relative to the Markovian dynamics alone, both the MZ and generative closures substantially improve predictions of the filtered states.
• Abstract（参考訳）: モリ・ズワンツィヒ形式(英語版)(MZ)によるモデル還元は、フーリエ函数のような標準基底関数から構築された粗粒度の表現に対してよく理解されている。 物理インフォームド・機械学習によって発見されたベースにおいて,同じ形式を用いて低次モデルを構築することができることを示す。 ゆらぎ散逸定理 (FDT) は、学習された基底の膨張係数に対する結果の非マルコフ進化方程式を閉じるために用いられる。 さらに、補完的、生成的クロージャモデルを導入する。 マルコフ力学だけでは、MZと生成的閉包の両方がフィルター状態の予測を大幅に改善する。

関連論文リスト

• Gradient Flow Through Diagram Expansions: Learning Regimes and Explicit Solutions [16.079947052768205]
  本研究では,スケーリングレジームを解析し,勾配流問題に対する明示的な解析解を導出する一般的なフレームワークを開発する。 鍵となる革新は損失進化の形式的なパワー級数展開であり、係数はファインマン図形に似た図形でエンコードされる。 この拡張は、異なる学習フェーズを明らかにするために使用可能な、明確に定義された大規模な制限を持つことを示す。
  論文  参考訳（メタデータ） (2026-02-04T13:38:57Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Wasserstein proximal operators describe score-based generative models and resolve memorization [12.321631823103894]
  We first formulate SGMs with terms of Wasserstein proximal operator (WPO) We show that WPO describe the inductive bias of diffusion and score-based model。 本稿では,SGMの性能を劇的に向上させる,スコア関数の解釈可能なカーネルベースモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-09T03:33:13Z)
• Causal Modeling with Stationary Diffusions [89.94899196106223]
  定常密度が干渉下でのシステムの挙動をモデル化する微分方程式を学習する。 古典的アプローチよりもよく、変数に対する見当たらない介入を一般化することを示します。 提案手法は,再生カーネルヒルベルト空間における拡散発生器の定常状態を表す新しい理論結果に基づく。
  論文  参考訳（メタデータ） (2023-10-26T14:01:17Z)
• A mean-field games laboratory for generative modeling [5.837881923712394]
  平均場ゲーム(MFG)は、生成モデルの説明、拡張、設計のためのフレームワークである。 本稿では,MFGの最適条件について検討し,各生成モデルの数学的特性について検討する。 我々は,標準SGMよりも優れた性能を有するHJB正規化SGMを提案し,実演する。
  論文  参考訳（メタデータ） (2023-04-26T13:08:50Z)
• Interactions and Topology in Quantum Matter: Auxiliary Field Approach & Generalized SSH Models [0.0]
  この論文は、強い相関関係と物質の位相位相の交点にある一連のプロジェクトを示す。 これらのプロジェクトの1つは、DMFT-NRG を用いて正確に解決された局所クーロン相互作用によるSSHモデルの無限次元一般化の処理である。 第2のプロジェクトは、強相関系の非相互作用補助モデルを定式化する手法の開発を含む。
  論文  参考訳（メタデータ） (2022-12-09T18:38:31Z)
• On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
  異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。 このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。 我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-06-09T17:12:32Z)
• Moser Flow: Divergence-based Generative Modeling on Manifolds [49.04974733536027]
  Moser Flow (MF) は連続正規化フロー(CNF)ファミリーにおける新しい生成モデルのクラスである MFは、訓練中にODEソルバを介して呼び出しやバックプロパゲートを必要としない。 一般曲面からのサンプリングにおけるフローモデルの利用を初めて実演する。
  論文  参考訳（メタデータ） (2021-08-18T09:00:24Z)
• Training Deep Energy-Based Models with f-Divergence Minimization [113.97274898282343]
  深部エネルギーベースモデル(EBM)は分布パラメトリゼーションにおいて非常に柔軟であるが、計算的に困難である。 所望のf偏差を用いてEMMを訓練するための、f-EBMと呼ばれる一般的な変分フレームワークを提案する。 実験の結果,F-EBMは対照的なばらつきよりも優れており,KL以外のf-divergencesを用いたEBMの訓練の利点も示された。
  論文  参考訳（メタデータ） (2020-03-06T23:11:13Z)

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。