論文の概要: EarthGAN: Can we visualize the Earth's mantle convection using a
surrogate model?
- arxiv url: http://arxiv.org/abs/2110.13315v1
- Date: Mon, 25 Oct 2021 23:20:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-28 07:11:38.037163
- Title: EarthGAN: Can we visualize the Earth's mantle convection using a
surrogate model?
- Title(参考訳): EarthGAN: 代理モデルを使って地球のマントル対流を可視化できますか?
- Authors: Tim von Hahn, Chris K. Mechefske
- Abstract要約: 我々は,地球上のマントル対流データセットが容易にアクセス可能なハードウェア上で可視化できるように,生成的対向ネットワークを用いて代理モデルを構築した。
予備的な結果は、地球のマントル対流データセットの代理モデルが有用な結果を生み出すことを示している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scientific simulations are often used to gain insight into foundational
questions. However, many potentially useful simulation results are difficult to
visualize without powerful computers. In this research, we seek to build a
surrogate model, using a generative adversarial network, to allow for the
visualization of the Earth's Mantle Convection data set on readily accessible
hardware. We present our preliminary method and results, and all code is made
publicly available. The preliminary results show that a surrogate model of the
Earth's Mantle Convection data set can generate useful results. A comparison to
the "ground-truth" is provided.
- Abstract(参考訳): 科学シミュレーションはしばしば基礎的な問題に対する洞察を得るために用いられる。
しかし、強力なコンピュータを使わずに視覚化することは困難である。
本研究では,地球上のマントル対流データセットが容易にアクセス可能なハードウェア上で可視化できるように,生成的対向ネットワークを用いて代理モデルを構築することを目的とする。
予備的な方法と結果を示し、すべてのコードが公開されています。
予備的な結果は、地球のマントル対流データセットの代理モデルが有用な結果をもたらすことを示している。
接地真実(ground-truth)と比較する。
関連論文リスト
- DiffusionSat: A Generative Foundation Model for Satellite Imagery [66.0062252900165]
現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。
提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
論文 参考訳(メタデータ) (2023-12-06T16:53:17Z) - Visual Affordance Prediction for Guiding Robot Exploration [56.17795036091848]
我々は,ロボット探索を導くための視覚能力の学習手法を開発した。
VQ-VAEの潜伏埋め込み空間における条件分布の学習にはTransformerベースのモデルを用いる。
本稿では,ロボット操作における視覚的目標条件付きポリシー学習において,目標サンプリング分布として機能することで探索を導くために,トレーニングされた余裕モデルをどのように利用できるかを示す。
論文 参考訳(メタデータ) (2023-05-28T17:53:09Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - Aerial Diffusion: Text Guided Ground-to-Aerial View Translation from a
Single Image using Diffusion Models [72.76182801289497]
そこで本研究では,テキストガイダンスを用いて1つの地上画像から空中映像を生成する新しい手法であるAerial Diffusionを提案する。
地上ビューと空中ビューのドメインギャップに対応する2つの主な課題に対処する。
航空拡散(Aerial Diffusion)は、地上から航空への翻訳を教師なしで行う最初のアプローチである。
論文 参考訳(メタデータ) (2023-03-15T22:26:09Z) - Learning to Grasp on the Moon from 3D Octree Observations with Deep
Reinforcement Learning [0.0]
本研究では,月面物体の視覚に基づくロボットグリップにおける深部強化学習の適用性について検討する。
エージェントを困難な条件下で訓練するために、手続き的に生成されたデータセットを用いた新しいシミュレーション環境を作成する。
モデルなしの非政治的アクター批判アルゴリズムは、ポリシーのエンドツーエンド学習に使用される。
論文 参考訳(メタデータ) (2022-08-01T12:59:03Z) - Earthformer: Exploring Space-Time Transformers for Earth System
Forecasting [27.60569643222878]
本研究では,地球系予測のための時空間変圧器である地球変圧器を提案する。
Transformerは、Cuboid Attentionという、汎用的で柔軟で効率的な時空アテンションブロックに基づいている。
降水量計に関する2つの実世界のベンチマークとエルニーノ/サウス・テンポシエーションの実験は、アースフォーマーが最先端のパフォーマンスを達成したことを示している。
論文 参考訳(メタデータ) (2022-07-12T20:52:26Z) - GNN-Surrogate: A Hierarchical and Adaptive Graph Neural Network for
Parameter Space Exploration of Unstructured-Mesh Ocean Simulations [8.851780016570311]
本研究では,海洋気候シミュレーションのパラメータ空間を探索するグラフニューラルネットワークに基づく代理モデルを提案する。
GNN-Surrogateは与えられたシミュレーションパラメータで出力フィールドを予測する。
GNN-Surrogateの有効性と有効性を示すため,MPAS-Oceanシミュレーションの評価を行った。
論文 参考訳(メタデータ) (2022-02-18T01:51:09Z) - Toward Foundation Models for Earth Monitoring: Proposal for a Climate
Change Benchmark [95.19070157520633]
近年の自己スーパービジョンの進歩は、大量の教師なしデータ上で大規模なニューラルネットワークを事前訓練することで、下流タスクの一般化が著しく増加することを示している。
基礎モデルとして最近作られたそのようなモデルは、自然言語処理の分野に転換してきた。
気候変動に関連する様々な下流タスクからなる新しいベンチマークを開発することを提案する。
論文 参考訳(メタデータ) (2021-12-01T15:38:19Z) - Realistic galaxy image simulation via score-based generative models [0.0]
本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。
主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
論文 参考訳(メタデータ) (2021-11-02T16:27:08Z) - Machine Learning Information Fusion in Earth Observation: A
Comprehensive Review of Methods, Applications and Data Sources [0.0]
本稿では,地球観測における問題に対する機械学習(ML)技術に基づく最も重要な情報融合アルゴリズムについて概説する。
データ駆動アプローチ、特にML技術は、このデータルージュから重要な情報を抽出する自然な選択である。
論文 参考訳(メタデータ) (2020-12-07T13:35:08Z) - DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。
妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。
本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文 参考訳(メタデータ) (2020-11-23T20:13:37Z)
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。