物理学に基づく最適化のためのエンドツーエンド微分可能な拡散条件付け

arXiv:2610.31721v1 発表タイプ：新規 要旨：コストの高い評価や複雑な制約下で高次元の物理系を最適化することは、科学および工学における中心的な課題である。オフラインのモデルベース最適化（MBO）では、テスト時に真の目的関数にアクセスできない条件下で、固定されたデータセットのみを用いて設計を改善しなければならない。しかし、既存の手法は一般に保守主義や、制約のない代理モデルの過剰利用といった問題を抱えており、あるいは精密な物理的目標に対して候補を精緻に改良できない静的な推論時サンプリング手法として機能している。本論文では、オフラインMBO向けに微分可能な拡散条件付け（D2C）を提案する。これは、決定論的サンプリングにより逆方向のノイズ除去チェーンが条件付信号に関して微分可能となるという事実を活用したものである。D2Cは…