短時間系列を用いたSHallow REcurrent Decoders（LAPIS-SHRED）による潜在フェーズ推論
arXiv cs.LG / 2026/4/2
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- LAPIS-SHREDは、短い時間窓でのみ利用可能な疎なセンサ観測から、完全な時空間ダイナミクスを再構成および／または予測するモジュール型MLフレームワークである。
- 本手法は3段階パイプラインを用いる。まず、SHREDモデルをシミュレーションデータで事前学習し、センサの時間履歴を構造化された潜在空間に符号化する。次に、時間モデルが潜在状態を前後に伝播させ、観測されていない時間領域を覆うように学習する。
- デプロイ時には、事前学習済みのSHREDを固定し、時間モデルによって、極端に疎な実観測（例えば単一フレームの終端入力）を含む、完全な時空間軌跡を生成する。
- アーキテクチャは双方向推論をサポートし、そのモジュール設計により、データ同化およびマルチスケール再構成の能力を活用できるよう設計されている。
- 6つの物理指向の実験（乱流、推進の物理、燃焼の過渡現象、衛星の環境場など）に対する評価から、本アプローチは軽量であり、厳しい観測制約のある運用シナリオに適していることが示唆される。
