Daily Arxiv

This page organizes papers related to artificial intelligence published around the world.
This page is summarized using Google Gemini and is operated on a non-profit basis.
The copyright of the paper belongs to the author and the relevant institution. When sharing, simply cite the source.

Equivariant Flow Matching for Symmetry-Breaking Bifurcation Problems

Created by
  • Haebom
Category
Empty

저자

Fleur Hendriks, Ond\v{r}ej Roko\v{s}, Martin Do\v{s}ka\v{r}, Marc G. D. Geers, Vlado Menkovski

개요

본 논문은 비선형 동적 시스템의 분기 현상에서 나타나는 다중 공존 안정 해를 모델링하기 위해, 흐름 매칭 기반의 생성 프레임워크를 제안합니다. 특히, 결정론적 머신 러닝 모델이 이러한 다중성을 제대로 포착하지 못하는 문제를 해결하기 위해, 대칭성을 보존하면서 여러 유효한 해를 직접 샘플링할 수 있도록 하는 확률적 접근 방식을 제시합니다. 대칭 매칭 전략을 도입하여 등변환 설정을 위한 정확한 학습을 가능하게 합니다.

시사점, 한계점

시사점:
다중 모드 분포 및 대칭 파괴 분기를 효과적으로 캡처하는 흐름 매칭 기반 생성 모델 프레임워크 제안.
등변환 모델링을 통해 시스템 대칭성을 보존.
장치 모델에서 복잡한 물리적 문제까지 다양한 시스템에 대한 검증을 통해 우수성 입증.
비확률적 방법 및 변분 방법보다 뛰어난 성능.
고차원 시스템의 다중 안정성 모델링을 위한 원칙적이고 확장 가능한 솔루션 제시.
한계점:
논문 내용에 명시된 한계점은 없음.
👍