論文の概要: Reconstruction of observed mechanical motions with Artificial Intelligence tools

• arxiv url: http://arxiv.org/abs/2202.11447v1
• Date: Wed, 23 Feb 2022 11:52:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-24 21:24:39.211269
• Title: Reconstruction of observed mechanical motions with Artificial Intelligence tools
• Title（参考訳）: 人工知能を用いた観測機械運動の再構成
• Authors: Antal Jakovac, Marcell T. Kurbucz, Peter Posfay
• Abstract要約: これらの法則は、限られた数のパラメータを持つニューラルネットワークによって表現される。 我々は、重力振子と二重振子の例で示すように、積分運動とカオス運動の両方を再構築する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The goal of this paper is to determine the laws of observed trajectories assuming that there is a mechanical system in the background and using these laws to continue the observed motion in a plausible way. The laws are represented by neural networks with a limited number of parameters. The training of the networks follows the Extreme Learning Machine idea. We determine laws for different levels of embedding, thus we can represent not only the equation of motion but also the symmetries of different kinds. In the recursive numerical evolution of the system, we require the fulfillment of all the observed laws, within the determined numerical precision. In this way, we can successfully reconstruct both integrable and chaotic motions, as we demonstrate in the example of the gravity pendulum and the double pendulum.
• Abstract（参考訳）: 本研究の目的は,背景に機械的機構が存在すると仮定して観測軌道の法則を定め,これらの法則を用いて観測運動を確実に継続することである。 これらの法則は、限られた数のパラメータを持つニューラルネットワークによって表現される。 ネットワークのトレーニングはExtreme Learning Machineのアイデアに従う。 埋め込みの異なるレベルに関する法則を決定するので、運動の方程式だけでなく、異なる種類の対称性も表すことができる。 再帰的な数値進化では、決定された数値精度内で全ての観測された法則を満たさなければならない。 このようにして、重力振子と二重振子の例で示すように、積分運動とカオス運動の両方を再構築することができる。

関連論文リスト

• Learning Neural Constitutive Laws From Motion Observations for Generalizable PDE Dynamics [97.38308257547186]
  多くのNNアプローチは、支配的PDEと物質モデルの両方を暗黙的にモデル化するエンドツーエンドモデルを学ぶ。 PDEの管理はよく知られており、学習よりも明示的に実施されるべきである、と私たちは主張する。 そこで我々は,ネットワークアーキテクチャを利用したニューラル構成則(Neural Constitutive Laws,NCLaw)と呼ばれる新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-04-27T17:42:24Z)
• Discrete Lagrangian Neural Networks with Automatic Symmetry Discovery [3.06483729892265]
  離散ラグランジアンとその対称性群を運動の離散観測から学習する枠組みを導入する。 学習過程はラグランジアンの形を制限せず、速度や運動量の観測や予測を必要とせず、コスト項も含んでいる。
  論文  参考訳（メタデータ） (2022-11-20T00:46:33Z)
• Schr\"odinger cat states of a 16-microgram mechanical oscillator [54.35850218188371]
  重ね合わせ原理は量子力学の最も基本的な原理の1つである。 そこで本研究では,Schr"odinger cat state of motionにおいて,有効質量16.2マイクログラムの機械共振器を作製した。 重ね合わせの大きさと位相の制御を示し、これらの状態のデコヒーレンスダイナミクスについて検討する。
  論文  参考訳（メタデータ） (2022-11-01T13:29:44Z)
• Exact conservation laws for neural network integrators of dynamical systems [0.0]
  ニューラルネットワークのアーキテクチャに自然に保存法則を組み込むためにネーターの定理を用いるアプローチを提案する。 このことが,3つのモデルシステムの予測精度の向上につながることを実証する。
  論文  参考訳（メタデータ） (2022-09-23T15:45:05Z)
• Rediscovering orbital mechanics with machine learning [1.2999518604217852]
  私たちは、30年間の軌道データから、太陽系の太陽、惑星、そして大きな衛星のダイナミクスをシミュレートするために「グラフニューラルネットワーク」を訓練します。 次に,ニューラルネットワークによって暗黙的に学習された力法則の解析式を発見するために,記号回帰を用いた。
  論文  参考訳（メタデータ） (2022-02-04T18:44:21Z)
• Lagrangian Neural Network with Differential Symmetries and Relational Inductive Bias [5.017136256232997]
  システムのラグランジアンを学習するラグランジアンニューラルネットワーク(MCLNN)の運動量について述べる。 また、開発したモデルが任意の大きさのシステムに一般化可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-07T08:49:57Z)
• The Logic of Quantum Programs [77.34726150561087]
  本稿では,量子プログラムにおける情報フローの論理計算について述べる。 特に、複素量子系における量子測定、ユニタリ進化、絡み合いを扱うことができる動的論理を導入する。
  論文  参考訳（メタデータ） (2021-09-14T16:08:37Z)
• The problem of engines in statistical physics [62.997667081978825]
  エンジンは、外部の不均衡を犠牲にして、仕事を循環的に生成できるオープンシステムである。 オープン量子系の理論の最近の進歩は、自律エンジンのより現実的な記述を示している。 運動方程式に外部荷重力と熱雑音を組み込む方法を示す。
  論文  参考訳（メタデータ） (2021-08-17T03:59:09Z)
• Machine Learning S-Wave Scattering Phase Shifts Bypassing the Radial Schr\"odinger Equation [77.34726150561087]
  本稿では, 畳み込みニューラルネットワークを用いて, 正確な散乱s波位相シフトを得られる機械学習モデルの実証を行う。 我々は、ハミルトニアンが物理的に動機づけられた記述子の構築において、いかにして指導原理として機能するかについて議論する。
  論文  参考訳（メタデータ） (2021-06-25T17:25:38Z)
• Identifying Physical Law of Hamiltonian Systems via Meta-Learning [0.0]
  ハミルトン力学は、多くの物理過程を表す効果的なツールです。 メタ訓練された学習者がハミルトンの共有表現を識別できることが示される。
  論文  参考訳（メタデータ） (2021-02-23T08:16:13Z)
• Spherical Motion Dynamics: Learning Dynamics of Neural Network with Normalization, Weight Decay, and SGD [105.99301967452334]
  SMD (Spherical Motion Dynamics) と名付けられた, 正規化, 重崩壊 (WD) , SGD (運動量) を伴うニューラルネットワークの学習力学について述べる。 我々は,ImageNet や MSCOCO など様々なコンピュータビジョンタスクにおける仮定と理論的結果を標準設定で検証する。
  論文  参考訳（メタデータ） (2020-06-15T14:16:33Z)

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。