Fugu-MT 論文翻訳(概要): Deep Learning for Simultaneous Inference of Hydraulic and Transport Properties

論文の概要: Deep Learning for Simultaneous Inference of Hydraulic and Transport Properties

arxiv url: http://arxiv.org/abs/2110.12367v1
Date: Sun, 24 Oct 2021 07:02:20 GMT
ステータス: 処理完了
システム内更新日: 2021-10-31 15:40:18.001829
Title: Deep Learning for Simultaneous Inference of Hydraulic and Transport Properties
Title（参考訳）: 油圧・輸送特性の同時推定のための深層学習
Authors: Zitong Zhou, Nicholas Zabaras, Daniel M. Tartakovsky
Abstract要約: 異種非ガウス導電率場のパラメータ化には、畳み込み逆自己エンコーダ(CAAE)を用いる。また3次元の高密度畳み込みエンコーダデコーダ(DenseED)ネットワークをトレーニングし,フローおよび輸送プロセスのフォワードサロゲートとして機能させる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Identifying the heterogeneous conductivity field and reconstructing the contaminant release history are key aspects of subsurface remediation. Achieving these two goals with limited and noisy hydraulic head and concentration measurements is challenging. The obstacles include solving an inverse problem for high-dimensional parameters, and the high-computational cost needed for the repeated forward modeling. We use a convolutional adversarial autoencoder (CAAE) for the parameterization of the heterogeneous non-Gaussian conductivity field with a low-dimensional latent representation. Additionally, we trained a three-dimensional dense convolutional encoder-decoder (DenseED) network to serve as the forward surrogate for the flow and transport processes. Combining the CAAE and DenseED forward surrogate models, the ensemble smoother with multiple data assimilation (ESMDA) algorithm is used to sample from the Bayesian posterior distribution of the unknown parameters, forming a CAAE-DenseED-ESMDA inversion framework. We applied this CAAE-DenseED-ESMDA inversion framework in a three-dimensional contaminant source and conductivity field identification problem. A comparison of the inversion results from CAAE-ESMDA with physical flow and transport simulator and CAAE-DenseED-ESMDA is provided, showing that accurate reconstruction results were achieved with a much higher computational efficiency.
Abstract（参考訳）: 不均質導電性フィールドの同定と汚染物質放出履歴の再構築は地下修復の重要な側面である。これら2つの目標を限定的かつノイズの多い油圧ヘッドと濃度測定で達成することは困難である。この障害には、高次元パラメータの逆問題と、繰り返しフォワードモデリングに必要な高計算コストが含まれる。低次元潜在表現を持つ異種非ガウス導電率場のパラメータ化には、畳み込み逆自己エンコーダ(CAAE)を用いる。さらに, 3次元高密度畳み込みエンコーダデコーダ(denseed)ネットワークを訓練し, 流れと輸送過程のフォワードサロゲートとして機能させた。 CAAEとDenseEDフォワードサロゲートモデルを組み合わせることで、未知パラメータのベイズ分布から複数のデータ同化(ESMDA)アルゴリズムをサンプリングし、CAAE-DenseED-ESMDAインバージョンフレームワークを形成する。このCAAE-DenseED-ESMDAインバージョンフレームワークを3次元汚染源および導電性場同定問題に適用した。 CAAE-ESMDAと物理流・輸送シミュレータの逆解析結果とCAAE-DenseED-ESMDAの逆解析結果を比較し,計算効率が向上した。

関連論文リスト

Factorized Implicit Global Convolution for Automotive Computational Fluid Dynamics Prediction [52.32698071488864]
非常に大きな3DメッシュのCFD問題を効率的に解く新しいアーキテクチャであるFactized Implicit Global Convolution (FIGConv)を提案する。 FIGConvは、既存の3DニューラルCFDモデルよりも大幅に改善された2次複雑性の$O(N2)$を達成する。業界標準のAhmedボディデータセットと大規模DrivAerNetデータセットに対するアプローチを検証する。
論文参考訳（メタデータ） (2025-02-06T18:57:57Z)
Proper Latent Decomposition [4.266376725904727]
内在座標(相対空間)の減少を計算し、数値的な離散化よりも自由度が低い流れを正確に記述する。提案手法では,多様体上でPLDを実行するアルゴリズムを提案する。この研究は、オートエンコーダと潜在空間の分析、非線形低次モデリング、高次元データの構造に関する科学的洞察の機会を開放する。
論文参考訳（メタデータ） (2024-12-01T12:19:08Z)
Equivariant amortized inference of poses for cryo-EM [5.141137421503899]
低温EMは、タンパク質やウイルスなどの生体分子の3次元構造を決定する重要な技術である。高ノイズレベル、粒子のポーズの欠如、大規模データセット処理の計算要求などにより、Creo-EM再構成問題は困難である。これらの課題に対する有望な解決策は、大規模なデータセットのポーズ推定において特に有効である、償却推論手法を使用することである。
論文参考訳（メタデータ） (2024-06-01T11:36:29Z)
Efficient deep data assimilation with sparse observations and time-varying sensors [17.249916158780884]
VariatIonal Data Assimilation(VIVID)のためのVoronoi-tessellation逆演算子 VariatIonal Data Assimilation(VIVID)のための新しい変分DAスキームであるVoronoi-tessellation Inverse operatorを導入する。 VIVIDはスパース、非構造化、時間変化センサーデータを扱うのに適している。
論文参考訳（メタデータ） (2023-10-24T21:13:59Z)
Improved Cryo-EM Pose Estimation and 3D Classification through Latent-Space Disentanglement [14.973360669658561]
本稿では,自己教師付き変分オートエンコーダアーキテクチャであるHetACUMNを提案する。シミュレーションデータセットの結果,HetACUMNは,他のアモータイズ法や非アモータイズ法よりも正確なコンフォメーション分類が得られた。
論文参考訳（メタデータ） (2023-08-09T13:41:30Z)
Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
論文参考訳（メタデータ） (2023-07-17T07:12:29Z)
Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
論文参考訳（メタデータ） (2023-03-10T07:42:49Z)
Dimension-reduced KRnet maps for high-dimensional inverse problems [0.0]
高次元逆問題に対する次元還元KRnetマップアプローチ(DR-KRnet)を提案する。提案手法は,データ駆動型VAE前駆体と潜伏変数後部密度近似の2つの主成分から構成される。
論文参考訳（メタデータ） (2023-03-01T15:16:27Z)
Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文参考訳（メタデータ） (2022-07-06T21:40:59Z)
DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation [50.08080424613603]
高精度な単分子深度推定には長距離相関が不可欠である。我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
論文参考訳（メタデータ） (2022-03-27T05:03:56Z)
The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文参考訳（メタデータ） (2022-01-29T10:54:57Z)

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。