Fugu-MT 論文翻訳(概要): Physics-constrained 3D Convolutional Neural Networks for Electrodynamics

論文の概要: Physics-constrained 3D Convolutional Neural Networks for Electrodynamics

arxiv url: http://arxiv.org/abs/2301.13715v1
Date: Tue, 31 Jan 2023 15:51:28 GMT
ステータス: 処理完了
システム内更新日: 2023-02-01 16:01:40.370274
Title: Physics-constrained 3D Convolutional Neural Networks for Electrodynamics
Title（参考訳）: 電磁力学のための物理拘束型3次元畳み込みニューラルネットワーク
Authors: Alexander Scheinker and Reeju Pokharel
Abstract要約: 時間変化電流と電荷密度J(r,t)とp(r,t)をベクトルおよびスカラーポテンシャルA(r,t)とV(r,t)にマッピングする3次元畳み込みPCNNを作成する。我々はマクスウェル方程式に従って電磁場を生成する: B=curl(A), E=-div(V)-dA/dt。
参考スコア（独自算出の注目度）: 77.34726150561087
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a physics-constrained neural network (PCNN) approach to solving Maxwell's equations for the electromagnetic fields of intense relativistic charged particle beams. We create a 3D convolutional PCNN to map time-varying current and charge densities J(r,t) and p(r,t) to vector and scalar potentials A(r,t) and V(r,t) from which we generate electromagnetic fields according to Maxwell's equations: B=curl(A), E=-div(V)-dA/dt. Our PCNNs satisfy hard constraints, such as div(B)=0, by construction. Soft constraints push A and V towards satisfying the Lorenz gauge.
Abstract（参考訳）: 強相対論的荷電粒子ビームの電磁場に対するマクスウェル方程式を解くための物理拘束型ニューラルネットワーク(PCNN)を提案する。時間変化電流と電荷密度J(r,t)とp(r,t)をベクトルおよびスカラーポテンシャルA(r,t)とV(r,t)にマッピングする3次元畳み込みPCNNを作成し、そこからマクスウェルの方程式に従って電磁場を生成する: B=curl(A), E=-div(V)-dA/dt。我々のPCNNは div(B)=0 などの厳しい制約を満たす。ソフト制約は、a と v をロレンツゲージを満たす方向に押し上げる。

関連論文リスト

Physics-informed neural networks viewpoint for solving the Dyson-Schwinger equations of quantum electrodynamics [0.0]
量子電磁力学の基本的なダイソン=シュウィンガー積分方程式を解くために、物理インフォームニューラルネットワークを用いる。提案手法では, フェミオン波動関数の正規化, 動的質量関数, 光子プロパゲータをニューラルネットワークで近似する。
論文参考訳（メタデータ） (2024-11-04T15:36:17Z)
Constructing Berry-Maxwell equations with Lorentz invariance and Gauss' law of Weyl monopoles in 4D energy-momentum space [0.0]
本稿では,Berry曲率を4次元エネルギー-モーメント空間に拡張した相互電磁場の構築について述べる。この相互電磁場の物理的現実は、特殊相対性理論の基本原理とワイル・モノポールのガウスの法則に根ざしている。
論文参考訳（メタデータ） (2023-07-30T05:37:50Z)
Speed Limits for Deep Learning [67.69149326107103]
熱力学の最近の進歩は、初期重量分布から完全に訓練されたネットワークの最終分布への移動速度の制限を可能にする。線形および線形化可能なニューラルネットワークに対して,これらの速度制限に対する解析式を提供する。 NTKスペクトルとラベルのスペクトル分解に関するいくつかの妥当なスケーリング仮定を考えると、学習はスケーリングの意味で最適である。
論文参考訳（メタデータ） (2023-07-27T06:59:46Z)
Predicting Angular-Momentum Waves Based on Yang-Mills Equations [0.0]
ヤン・ミルズ(YM)理論はマクスウェルの方程式を電磁界を統一するものである。角-運動量波は、スピン角運動量の振動によって実験で実現されることが望まれる。
論文参考訳（メタデータ） (2023-04-25T07:50:20Z)
Physics Informed RNN-DCT Networks for Time-Dependent Partial Differential Equations [62.81701992551728]
時間依存偏微分方程式を解くための物理インフォームド・フレームワークを提案する。我々のモデルは離散コサイン変換を用いて空間的および反復的なニューラルネットワークを符号化する。ナヴィエ・ストークス方程式に対するテイラー・グリーン渦解の実験結果を示す。
論文参考訳（メタデータ） (2022-02-24T20:46:52Z)
Ab-Initio Potential Energy Surfaces by Pairing GNNs with Neural Wave Functions [2.61072980439312]
本研究では、グラフニューラルネットワーク(GNN)とニューラルウェーブ関数を組み合わせることで、VMCを介して複数の測地に対するシュル「オーディンガー方程式」を同時に解く。既存の最先端ネットワークと比較して、私たちのポテンシャルエネルギーサーフェスネットワーク(PESNet)は、複数のジオメトリーのトレーニングを最大40倍スピードアップし、その精度をマッチングまたは超過します。
論文参考訳（メタデータ） (2021-10-11T07:58:31Z)
Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-07-16T12:56:09Z)
Deep learning in physics: a study of dielectric quasi-cubic particles in a uniform electric field [4.947248396489835]
ニューラルネットワークに事前知識を組み込んで,効率的な学習を実現する方法を示す。準立方体粒子の内外における電位は、球面から立方体への一連の形状を通してどのように変化するかを研究する。この研究の目的は2つであり、まず、ニューラルネットワークに事前知識を組み込んで効率的な学習を実現する方法を示すことである。
論文参考訳（メタデータ） (2021-05-11T10:40:03Z)
Conditional physics informed neural networks [85.48030573849712]
固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
論文参考訳（メタデータ） (2021-04-06T18:29:14Z)
General quantum-mechanical solution for twisted electrons in a uniform magnetic field [68.8204255655161]
一様磁場におけるねじれ(および他の構造を持つ)準軸電子の理論が展開される。自由空間から磁場に侵入する軌道角運動量と反対方向の相対論的ラゲール・ガウスビームの異なる挙動の観測可能な効果を予測した。
論文参考訳（メタデータ） (2020-05-13T16:35:10Z)

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。