GLU：大域—局所—不確実性融合による、スケーラブルな時空間再構成と予測

arXiv cs.LG / 2026/3/30

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

GLU（Global-Local-Uncertainty Fusion）は、疎な時空間再構成と時間発展型の予測を、デジタルツインのための1つの潜在状態表現問題として統一的に扱う枠組みを提案します。
本手法は、大域的なシステム要約、計測にアンカーされた局所トークン、そして不確実性／重要度フィールド（物理的な情報性に基づいて観測に重みを付ける）を組み合わせた、構造化された潜在状態を構築します。
再構成においてGLUは、重要度に応じた適応的近傍選択を用いて、局所的に関連する情報を取得しつつ大域的な整合性を維持し、任意の幾何形状に対する柔軟なクエリをサポートします。
予測では、階層型のリーダー—フォロワー・ダイナミクス（Leader–Follower Dynamics）モジュールを導入し、潜在状態を進化させることで、メモリ成長を抑え、より安定したロールアウトを実現します。これにより、非線形ダイナミクスにおける誤差の蓄積を遅らせます。
複数のベンチマーク（乱流燃焼データセットを含む）での実験により、低メモリ成長を実現しつつ、低次元化手法、畳み込みベース、ニューラルオペレータ、注意（attention）ベースの各ベースラインに比べて、再構成／予測の忠実度が向上することが示されます。