NMIRacle: Multi-modal Generative Molecular Elucidation from IR and NMR Spectra
本論文は、IR および NMR 分光データから分子構造を直接推定する、2 段階の生成フレームワーク「NMIRacle」を提案し、既存の手法を上回る精度と複雑な分子に対する頑健性を示したことを報告しています。
🤖 Category
cs.LG
2315 件の論文
Saddle-to-Saddle Dynamics Explains A Simplicity Bias Across Neural Network Architectures
この論文は、全結合・畳み込み・アテンションを含む多様なニューラルネットワークにおいて、勾配降下法が鞍点から鞍点へ遷移するダイナミクスを通じて、表現に必要な隠れユニット数（ランク、カーネル数、アテンションヘッド数など）が時間とともに増加する「単純性バイアス」が生じることを統一的に説明する理論的枠組みを提示しています。
Data relativistic uncertainty framework for low-illumination anime scenery image enhancement
この論文は、自然画像とは異なるアニメ風景の低照度環境におけるデータ不足と不確実性に対処するため、相対的GANの概念を応用して照明の不確実性を定量化・活用する「データ相対的不確実性（DRU）フレームワーク」を提案し、既存手法を上回る視覚的・審美的な画質向上を実現したことを示しています。
The Bayesian Geometry of Transformer Attention
本論文は、真の事後分布が既知で記憶化が不可能な「ベイズ風洞」と呼ばれる制御環境を構築し、トランスフォーマーがアーキテクチャの幾何学的設計（残差ストリーム、フィードフォワードネットワーク、アテンションの役割分担）によって厳密にベイズ推論を実現することを示し、これが平坦なアーキテクチャとの決定的な違いであることを明らかにした。
Gradient Dynamics of Attention: How Cross-Entropy Sculpts Bayesian Manifolds
本論文は、クロスエントロピー損失による勾配降下法がアテンションスコアと値ベクトルを共進化的に更新するメカニズムを解析し、これが変分推論的な EM 手順に相当する動的過程を通じて、トランスフォーマーがベイズ推論を実行するための低次元多様体を形成することを明らかにしています。
Geometric Scaling of Bayesian Inference in LLMs
本論文は、小規模な「風洞」設定で確立されたベイズ推論の幾何学的基盤（低次元多様体や確率的エントロピーと相関する軸）が、Pythia や Llama-3 などの大規模言語モデルにおいても保存されており、不確実性の読み取りに寄与しているが、単一の層への介入だけでベイズ的な挙動が決定的に阻害されるわけではないことを示しています。
Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning
この論文は、パナスネット（PanSubNet）と呼ばれる解釈可能な深層学習フレームワークを開発し、標準的なヘマトキシリン・エオシン染色の病理画像から膵がんの分子サブタイプを直接予測することで、コストや時間のかかる遺伝子解析に代わる臨床実用可能なツールを提供することを報告しています。
Over-Searching in Search-Augmented Large Language Models
この論文は、検索拡張大規模言語モデルにおける不要な検索（オーバーサーチ）の問題を体系的に評価し、その新たな評価指標「Tokens Per Correctness」や軽減策、および関連データセット「OverSearchQA」を提案する研究です。
Sampling via Stochastic Interpolants by Langevin-based Velocity and Initialization Estimation in Flow ODEs
この論文は、線形確率補間に基づく確率流 ODE を用いて非正規化ボルツマン分布からサンプリングする新規手法を提案し、中間時刻におけるランジュバン・サンプラーの活用と速度場推定によって、多峰性分布やベイズ推論タスクにおける効率的なサンプリングと理論的な収束保証を実現したものである。
Error Analysis of Bayesian Inverse Problems with Generative Priors
この論文は、生成モデルを事前分布として用いる逆問題に対して、Wasserstein 距離に基づく事前分布の誤差が事後分布の誤差率にどのように伝播するかを定量的に解析し、数値実験でその有効性を検証するものである。
Time series forecasting with Hahn Kolmogorov-Arnold networks
この論文は、Hahn 多項式に基づく学習可能な活性化関数を用いた Hahn-KAN（HaKAN）を提案し、変換器の計算量制限や MLP のスペクトルバイアスを克服しながら、多変量時系列予測において最先端の手法を上回る軽量かつ解釈可能なモデルを実現したことを述べています。
Breaking the Stochasticity Barrier: An Adaptive Variance-Reduced Method for Variational Inequalities
この論文は、確率的変分不等式における「確率性バリア」を打破し、STORM 法と同一バッチ曲率検証を統合した新しいアルゴリズム「VR-SDA-A」を提案することで、非凸非凹最適化問題において最適なオラクル複雑度 O(ε⁻³) を達成しつつ、手動学習率調整なしで自動ステップサイズ適応を可能にする手法を確立したものである。
Singular Bayesian Neural Networks
この論文は、重み行列の低ランク構造を利用した特異なベイズニューラルネットワークを提案し、従来の平均場近似よりもはるかに少ないパラメータ数で、深層アンサンブルに匹敵する予測性能と優れた外れ値検出・較正性能を実現することを示しています。
Emergence of Distortions in High-Dimensional Guided Diffusion Models
この論文は、統計力学の手法を用いて高次元における Classifier-free Guidance の「生成歪み」の発生を相転移として理論的に解明し、多様性の低下を防ぐために負のガイダンスウィンドウを備えた新しいガイダンススケジューリング手法を提案しています。
Hallucination is a Consequence of Space-Optimality: A Rate-Distortion Theorem for Membership Testing
この論文は、大規模言語モデルのハルシネーションが、限られた容量下での情報理論的に最適な戦略として、事実と非事実のスコア分布間の最小 KL ダイバージェンスによって特徴づけられるレート歪み定理の必然的な帰結であることを示しています。
Grounding Generated Videos in Feasible Plans via World Models
本論文は、物理的制約や時間的整合性を欠く場合が多いゼロショット動画生成モデルによる計画を、学習されたアクション条件付き世界モデルを用いた潜在空間軌道最適化によって実行可能な動作系列に接地する手法「GVP-WM」を提案し、ナビゲーションや操作タスクにおいて長期的な実行可能計画の回復を実証しています。
Expert-Data Alignment Governs Generation Quality in Decentralized Diffusion Models
分散拡散モデルにおける生成品質は、数値的安定性ではなく、現在のノイズ除去状態と一致する専門家のデータ分布へ入力をルーティングする「専門家 - データ整合性」によって支配されていることが示されました。
A Bandit-Based Approach to Educational Recommender Systems: Contextual Thompson Sampling for Learner Skill Gain Optimization
この論文は、オンライン数学チューティングプラットフォームのデータを用いて、学習者のスキル向上を最大化する個人向け演習シーケンスを生成する文脈的トンプソンサンプリングに基づくバンドットアプローチを提案し、その有効性とスケーラブルな個人化学習の可能性を実証しています。
Universality of General Spiked Tensor Models
この論文は、有限の 4 次モーメントを持つ一般の非ガウスノイズ下における非対称スパイクテンソルモデルの最尤推定量の漸近的挙動を解析し、そのスペクトル分布や統計的限界がガウスノイズの場合と同一の普遍性を示すことを証明しています。
BLITZRANK: Principled Zero-shot Ranking Agents with Tournament Graphs
この論文は、k 項比較から得られる情報をペアワイズ比較の完全なトーナメントグラフとして集約し、推移閉包を計算することで追加のクエリなしに順位を導出する「BLITZRANK」という枠組みを提案し、LLM 再ランク付けにおいて既存手法を精度維持または向上させながらトークン使用量を大幅に削減する結果を示しています。