HEroBM: a deep equivariant graph neural network for universal backmapping from coarse-grained to all-atom representations
이 논문은 다양한 조립 (coarse-grained) 매핑에 적용 가능하며 높은 정확도로 원자 수준의 구조를 재구성하는 범용 역매핑 (backmapping) 방법론인 HEroBM 을 제안합니다.
🤖 Category
cs.LG
9539 편의 논문
Learning to Cover: Online Learning and Optimization with Irreversible Decisions
이 논문은 불가역적 결정 하에서 온라인 학습과 최적화 문제를 정의하고, 점근적 regime 에서 최적의 학습 속도와 하한을 유도하며, 초기 탐색과 이후의 빠른 활용을 특징으로 하는 점근적으로 최적의 알고리즘을 제시합니다.
Parallel Split Learning with Global Sampling
이 논문은 비독립적 분포 (non-IID) 데이터 환경에서 병렬 분할 학습 (PSL) 의 배치 크기 문제와 편향을 해결하고 중앙 집중식 학습과 유사한 정확도와 효율성을 달성하기 위해 전역 샘플링을 기반으로 한 새로운 서버 주도 방식인 GPSL 을 제안합니다.
Towards a Fairer Non-negative Matrix Factorization
이 논문은 비음수 행렬 분해 (NMF) 의 목적 함수를 최소 - 최대 (min-max) 형식으로 수정하여 그룹 간 공정성을 개선할 수 있는 두 가지 최적화 알고리즘을 제안하고, 공정성 향상과 개별 오차 증가 사이의 트레이드오프 및 응용 분야에 따른 방법 선택의 중요성을 실증적으로 논의합니다.
An Experimental Study on Fairness-aware Machine Learning for Credit Scoring Problems
이 논문은 신용평가 맥락에서 기존의 전통적 분류 모델보다 예측 정확도와 공정성 간의 균형을 더 잘 달성하는 공정성 인식 머신러닝 모델의 성능을 다양한 데이터셋과 측정 지표를 통해 종합적으로 실험 평가한 연구입니다.
Path Planning for Masked Diffusion Model Sampling
이 논문은 마스킹 확산 모델 (MDM) 의 기존 샘플링 방식이 가진 한계를 극복하고, 생성 단계에서 이미 마스킹되지 않은 토큰을 반복적으로 정제할 수 있는 '경로 계획 (Path Planning, P2)'이라는 새로운 추론 전략을 제안하여 다양한 도메인에서 최첨단 생성 성능을 달성함을 보여줍니다.
Curse of Dimensionality in Neural Network Optimization
본 논문은 2-워asserstein 그래디언트 흐름을 통해 신경망 최적화 역학을 분석함으로써, 매끄러운 타겟 함수를 근사하는 과정에서 매개변수 분포의 진화를 연구하고 차원의 저주가 활성화 함수의 리프시츠 연속성과 함수의 매끄러움 정도에 따라 어떻게 최적화 계산 속도에 영향을 미치는지 이론적으로 규명했습니다.
Generalization Bounds for Markov Algorithms through Entropy Flow Computations
이 논문은 시간-동질 마르코프 과정을 따르는 모든 학습 알고리즘에 대해 새로운 엔트로피 흐름 공식을 도입하고 이를 수정된 로그 소볼레프 부등식과 연결하여 일반화 오차에 대한 새로운 이론적 경계를 제시합니다.
Sink equilibria and the attractors of learning in games
이 논문은 학습 역학의 극한 행동과 sink equilibrium 간의 일대일 대응에 대한 기존 추측이 반례를 통해 거짓임을 증명하고, 이를 극복하기 위한 새로운 국소적 성질인 'pseudoconvexity'를 도입하여 2 인 게임에서의 정확한 대응 조건을 제시합니다.
FBFL: A Field-Based Coordination Approach for Data Heterogeneity in Federated Learning
이 논문은 데이터 이질성 (non-IID) 과 중앙 집중식 아키텍처의 한계를 해결하기 위해 매크로프로그래밍과 필드 조정을 활용한 새로운 분산 계층적 접근법인 FBFL 을 제안하고, 비동일 분포 환경에서 기존 최첨단 방법들보다 우수한 성능과 장애 내성을 입증합니다.
Double Momentum and Error Feedback for Clipping with Fast Rates and Differential Privacy
이 논문은 클리핑, 헤비볼 모멘텀, 오차 피드백을 결합한 새로운 알고리즘인 Clip21-SGD2M 을 제안하여, 데이터 이질성이 심한 비볼록 분산 최적화 문제에서도 최적의 수렴 속도와 강력한 차분 프라이버시 보장을 동시에 달성함을 증명합니다.
Generative Models in Decision Making: A Survey
이 논문은 제어로서의 추론 (Control as Inference) 프레임워크를 기반으로 생성적 의사결정 모델을 제어자, 모델러, 최적화자, 평가자라는 네 가지 기능적 역할로 분류하는 체계적인 분류법을 제시하고, 이를 embodied AI, 자율주행, 과학 AI 등 고위험 도메인에서의 적용 사례와 한계를 분석하여 일반적 물리 지능 (Generalist Physical Intelligence) 의 발전 방향을 제시합니다.
BACE-RUL: A Bi-directional Adversarial Network with Covariate Encoding for Machine Remaining Useful Life Prediction
이 논문은 기존 방법의 한계를 극복하고 현재 사이클의 센서 데이터만으로 기계의 잔여 수명을 예측하기 위해 양방향 적대 신경망과 공변량 인코딩을 결합한 BACE-RUL 모델을 제안하며, 터보팬 엔진 및 리튬이온 배터리 등 다양한 실제 데이터셋을 통해 기존 최첨단 방법보다 우수한 성능을 입증합니다.
Safety Mirage: How Spurious Correlations Undermine VLM Safety Fine-Tuning and Can Be Mitigated by Machine Unlearning
이 논문은 지도 안전 미세 조정이 표면적인 텍스트 패턴과 안전 응답 간의 허위 상관관계를 강화하여 '안전 환상'을 초래한다는 문제를 지적하고, 유해한 지식을 직접 제거하는 머신 언러닝을 통해 공격 성공률을 60.27% 줄이고 불필요한 거절은 84.20% 이상 감소시키는 효과적인 대안을 제시합니다.
Assessing the Impact of Code Changes on the Fault Localizability of Large Language Models
이 논문은 기존 벤치마크의 데이터 오염과 확장성 한계를 극복하기 위해 의미 보존 변이를 활용한 새로운 평가 프레임워크를 제안하고, 대규모 실험을 통해 현재 대형 언어 모델의 결함 국소화 능력이 실제 의미론적 추론보다는 문법적 단서에 과도하게 의존하고 있음을 규명했습니다.
ms-Mamba: Multi-scale Mamba for Time-Series Forecasting
이 논문은 다양한 시간 척도에서 정보를 처리할 수 있도록 서로 다른 샘플링 속도를 가진 여러 Mamba 블록을 통합한 새로운 아키텍처인 ms-Mamba 를 제안하며, 다양한 벤치마크에서 기존 최첨단 모델보다 우수한 성능과 효율성을 입증합니다.
TianQuan-S2S: A Subseasonal-to-Seasonal Global Weather Model via Incorporate Climatology State
이 논문은 초기 기상 상태와 기후학적 평균을 통합하고 불확실성 증강 트랜스포머를 활용하여 기존 수치 모델 및 데이터 기반 모델보다 우수한 성능을 보이는 전 지구적 아계절~계절 (S2S) 기상 예측 모델 'TianQuan-S2S'를 제안합니다.
Noise2Ghost: Self-supervised deep convolutional reconstruction for ghost imaging
이 논문은 청정 참조 데이터 없이도 노이즈가 많은 acquisitions 에서 탁월한 재구성 품질을 제공하는 자기지도 학습 기반의 딥러닝 고스트 이미징 재구성 방법인 'Noise2Ghost'를 제안하며, 이를 통해 저조도 X 선 형광 이미징 등 다양한 첨단 응용 분야에서 신호 대 잡음비 문제를 해결할 수 있음을 보여줍니다.
Differentially Private and Scalable Estimation of the Network Principal Component
이 논문은 실제 그래프의 민감도 특성을 활용하여 제안 - 테스트 - 공개 (PTR) 프레임워크를 기반으로 사생활 보호를 보장하면서도 기존 방법 대비 180 배 빠른 실행 속도와 높은 정확도로 네트워크 주성분 및 밀집 서브그래프를 추정하는 확장 가능한 차분 프라이버시 알고리즘을 제안합니다.
Variational Formulation of Particle Flow
이 논문은 변분 추론의 관점에서 로그-호모토피 입자 흐름을 재해석하여, 피셔-라오 그래디언트 흐름을 기반으로 가우시안 및 가우시안 혼합물 근사 입자 흐름을 유도하고 선형 가우시안 가정 하에서 기존 다움-황 입자 흐름과 일치함을 보이며 다양한 차원의 추정 문제에 대한 유효성을 입증합니다.