論文の概要: Reservoir computing model of two-dimensional turbulent convection
- arxiv url: http://arxiv.org/abs/2001.10280v2
- Date: Tue, 27 Oct 2020 20:34:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 03:08:21.456669
- Title: Reservoir computing model of two-dimensional turbulent convection
- Title（参考訳）: 二次元乱流対流の貯留層計算モデル
- Authors: Sandeep Pandey, J\"org Schumacher
- Abstract要約: 貯留層計算は大規模進化と結果として生じる低次乱流統計をモデル化するために応用される。
本研究は, 貯留層モデルが乱流対流の大規模構造と低次統計をモデル化できることを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reservoir computing is applied to model the large-scale evolution and the
resulting low-order turbulence statistics of a two-dimensional turbulent
Rayleigh-B\'{e}nard convection flow at a Rayleigh number ${\rm Ra}=10^7$ and a
Prandtl number ${\rm Pr}=7$ in an extended domain with an aspect ratio of 6.
Our data-driven approach which is based on a long-term direct numerical
simulation of the convection flow comprises a two-step procedure. (1) Reduction
of the original simulation data by a Proper Orthogonal Decomposition (POD)
snapshot analysis and subsequent truncation to the first 150 POD modes which
are associated with the largest total energy amplitudes. (2) Setup and
optimization of a reservoir computing model to describe the dynamical evolution
of these 150 degrees of freedom and thus the large-scale evolution of the
convection flow. The quality of the prediction of the reservoir computing model
is comprehensively tested. At the core of the model is the reservoir, a very
large sparse random network charcterized by the spectral radius of the
corresponding adjacency matrix and a few further hyperparameters which are
varied to investigate the quality of the prediction. Our work demonstrates that
the reservoir computing model is capable to model the large-scale structure and
low-order statistics of turbulent convection which can open new avenues for
modeling mesoscale convection processes in larger circulation models.
- Abstract（参考訳）: レイリー数 ${\rm Ra}=10^7$ およびプレンドル数 ${\rm Pr}=7$ の2次元乱流レイリー-B\'{e}nard対流と、アスペクト比 6 の拡張領域における2次元乱流の大規模進化と結果として生じる低次乱流統計をモデル化するために貯留層計算を適用した。
対流流の長期直接数値シミュレーションに基づくデータ駆動型手法は, 2段階の手順を含む。
1) 固有直交分解(POD)スナップショット解析による元のシミュレーションデータの削減と, 最大全エネルギー振幅に関連する最初の150PODモードへの切り離しについて検討した。
2) 自由度150度の動的発展と対流流の大規模発展を記述するための貯留層計算モデルのセットアップと最適化。
貯留層計算モデルの予測の質を総合的に検証した。
モデルの中核となるのが貯水池であり、対応する隣接行列のスペクトル半径と、予測の質を調べるために変化するいくつかのハイパーパラメータによってチャーター化される非常に大きなスパースランダムネットワークである。
本研究は,大循環モデルにおけるメソスケール対流プロセスのモデル化のための新たな道を開くことができる乱流対流の大規模構造と低次統計をモデル化できることを示す。
関連論文リスト
- Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Optimal vintage factor analysis with deflation varimax [18.50195604586597]
Vintage Factor分析は、最初に元のデータの低次元表現を見つけ、次に回転した低次元表現が科学的に意味のあるものを探すことを目的としている。
おそらく最も広く使われているヴィンテージ因子分析は、主成分分析(PCA)であり、次にヴァリマックス表現である。
本稿では,各行行列を逐次的に解くデフレ最適化手法を提案する。
論文 参考訳（メタデータ） (2023-10-16T16:14:43Z) - Reduced-order modeling of two-dimensional turbulent Rayleigh-B\'enard
flow by hybrid quantum-classical reservoir computing [0.0]
乱流レイリー・ブエナード対流の低次統計特性を再現するために、2つのハイブリッド量子古典型貯水池計算モデルを提案する。
両量子アルゴリズムは, 従来の貯水池ネットワークと同等の性能で, 乱流対流の基本的な統計特性を再構築可能であることを示す。
論文 参考訳（メタデータ） (2023-07-06T15:17:54Z) - Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。
本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
論文 参考訳（メタデータ） (2023-01-18T11:29:49Z) - Data-driven low-dimensional dynamic model of Kolmogorov flow [0.0]
流れのダイナミクスを捉える低次モデル (ROM) はシミュレーションの計算コストの削減に重要である。
この研究は、フローのダイナミクスと特性を効果的にキャプチャする最小次元モデルのためのデータ駆動フレームワークを示す。
我々はこれをカオス的かつ断続的な行動からなる体制におけるコルモゴロフ流に適用する。
論文 参考訳（メタデータ） (2022-10-29T23:05:39Z) - Super-model ecosystem: A domain-adaptation perspective [101.76769818069072]
本稿では,ドメイン適応による新たなスーパーモデルパラダイムの理論的基礎を確立することを試みる。
スーパーモデルパラダイムは、計算とデータコストと二酸化炭素排出量を減らすのに役立つ。
論文 参考訳（メタデータ） (2022-08-30T09:09:43Z) - Learning Large-scale Subsurface Simulations with a Hybrid Graph Network
Simulator [57.57321628587564]
本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。
HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。
産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
論文 参考訳（メタデータ） (2022-06-15T17:29:57Z) - Direct data-driven forecast of local turbulent heat flux in
Rayleigh-B\'{e}nard convection [0.0]
Prandtl number $rm Pr=7$とRayleigh number $rm Ra=107$の2次元乱流Rayleigh-B'enard対流
縮小潜在データ空間における流れデータの時間進行に2つの繰り返しニューラルネットワークを適用する。
12層を隠蔽した畳み込み自己エンコーダは、乱流データの次元を元の大きさの0.2%まで縮めることができる。
論文 参考訳（メタデータ） (2022-02-26T12:39:19Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Echo State Network for two-dimensional turbulent moist Rayleigh-B\'enard
convection [0.0]
モイストrayleigh-b'enard対流の進化を近似するためにエコー状態ネットワークを適用する。
我々のモデルは複雑なダイナミクスを学習することができると結論づける。
論文 参考訳（メタデータ） (2021-01-27T11:27:16Z) - A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。
フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。
既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
論文 参考訳（メタデータ） (2019-10-31T02:26:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。