Diagonal Flow Matching（Diag-CFM）による辞退機能付き生成的逆設計

要約: 逆設計は、目標性能 y^* を達成する設計パラメータ x を見つけることを目的とする。生成的アプローチは、設計とラベルの双方向写像を学習し、多様な解のサンプリングを可能にする。しかし、標準的な条件付きフローマッチング（CFM）を、ラベルと設計パラメータを組み合わせて逆問題に適用すると、それらの任意の順序付けとスケーリングに対して強く敏感であり、学習を不安定にする。我々は Diagonal Flow Matching (Diag-CFM) を導入し、設計座標をノイズと、ラベルをゼロと結びつけるゼロアンカリング戦略を用いることで、学習問題を座標の順序置換に対して証明可能に不変にする。これにより、CFM および可逆ニューラルネットワークのベースラインに対して、設計次元が P{=}100 までの範囲で、往復の精度が桁違いに改善される。我々は、アーキテクチャに固有の不確実性指標として、Zero-Deviation（ゼロ偏差）と Self-Consistency（自己整合性）の2つを開発し、複数の生成の中から最良の候補を選択すること、信頼性の低い予測を回避すること、分布外ターゲットを検出すること、の3つの実用的能力を可能にする。全タスクを通じて、アンサンブル法や汎用代替手段を一貫して上回る。エアフォイル、ガスタービン燃焼室、および設計次元をスケーラブルにした分析ベンチマークで検証する。