論文の概要: Grasping Extreme Aerodynamics on a Low-Dimensional Manifold

• arxiv url: http://arxiv.org/abs/2305.08024v2
• Date: Fri, 29 Sep 2023 18:13:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-03 17:45:25.642383
• Title: Grasping Extreme Aerodynamics on a Low-Dimensional Manifold
• Title（参考訳）: 低次元多様体上の超音速重力空力
• Authors: Kai Fukami and Kunihiko Taira
• Abstract要約: 極端な空気力学の背後にある基礎物理学は、従来予想されていたよりもはるかにシンプルで低ランクであることを示す。 本研究では, 非線形渦流場を時間とともに圧縮し, パラメータ空間を3変数に拡張した自己エンコーダで圧縮できることを明らかにする。 本研究は,従来は飛行不可能と考えられていた大気環境下での次世代小型航空機の安定飛行を支援するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern air vehicles perform a wide range of operations, including transportation, defense, surveillance, and rescue. These aircraft can fly in calm conditions but avoid operations in gusty environments, encountered in urban canyons, over mountainous terrains, and in ship wakes. With extreme weather becoming ever more frequent due to global warming, it is anticipated that aircraft, especially those that are smaller in size, will encounter sizeable atmospheric disturbances and still be expected to achieve stable flight. However, there exists virtually no theoretical fluid-dynamic foundation to describe the influence of extreme vortical gusts on wings. To compound this difficulty, there is a large parameter space for gust-wing interactions. While such interactions are seemingly complex and different for each combination of gust parameters, we show that the fundamental physics behind extreme aerodynamics is far simpler and lower-rank than traditionally expected. We reveal that the nonlinear vortical flow field over time and parameter space can be compressed to only three variables with a lift-augmented autoencoder while holding the essence of the original high-dimensional physics. Extreme aerodynamic flows can be compressed through machine learning into a low-dimensional manifold, which can enable real-time sparse reconstruction, dynamical modeling, and control of extremely unsteady gusty flows. The present findings offer support for the stable flight of next-generation small air vehicles in atmosphere conditions traditionally considered unflyable.
• Abstract（参考訳）: 現代の航空車両は輸送、防衛、監視、救助など幅広い活動を行っている。 これらの航空機は穏やかな状態で飛行できるが、都市部の峡谷や山岳地帯、船舶の航跡で遭遇する不気味な環境での運用を避けることができる。 地球温暖化による極端な天候の頻繁化に伴い、航空機、特に小型航空機は大きな大気障害に遭遇し、安定した飛行が期待されている。 しかし、翼に対する極端な渦ガスの影響を記述する理論的流体力学の基礎はほとんど存在しない。 この難しさを補うために、ガスト・ウィング相互作用のパラメータ空間は大きい。 このような相互作用はガストパラメータの組み合わせごとに複雑で異なるように見えるが、極端な空気力学の背後にある基礎物理学は従来予想されていたよりもはるかにシンプルで低ランクであることを示す。 本研究では, 時間およびパラメータ空間上の非線形渦流れ場を, リフト誘導オートエンコーダを用いて3変数に圧縮し, 元の高次元物理の本質を保持しながら圧縮できることを明らかにした。 極端に空力的な流れは機械学習によって低次元多様体に圧縮することができ、これはリアルタイムスパース再構成、動的モデリング、および非常に非定常なガスティーフローの制御を可能にする。 本研究は,従来飛行不可能とされてきた大気環境下での次世代小型航空機の安定飛行を支援するものである。

関連論文リスト

• ClimODE: Climate and Weather Forecasting with Physics-informed Neural ODEs [14.095897879222676]
  統計力学の重要な原理を実装した連続時間プロセスであるClimODEを提案する。 ClimODEは、値保存ダイナミクスによる正確な気象進化をモデル化し、ニューラルネットワークとしてグローバルな気象輸送を学習する。 提案手法は,大域的,地域的予測において,パラメータ化の桁違いで既存のデータ駆動手法より優れる。
  論文  参考訳（メタデータ） (2024-04-15T06:38:21Z)
• WindSeer: Real-time volumetric wind prediction over complex terrain aboard a small UAV [29.345342470012724]
  計算流体力学シミュレーションの合成データのみを用いてニューラルネットワークであるWindSeerを訓練する。 WindSeerは、未確認の地形上で異なる解像度とドメインサイズで正確な予測を、再トレーニングすることなく生成することができる。 本研究では,気象観測所が収集した過去の風速と,ドローンによる風速の予測に成功していることを示す。
  論文  参考訳（メタデータ） (2024-01-18T12:46:26Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
  過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。 正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。 本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-17T02:16:02Z)
• Learning High-Speed Flight in the Wild [101.33104268902208]
  複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。 鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。 現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
  論文  参考訳（メタデータ） (2021-10-11T09:43:11Z)
• Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network [0.0]
  右翼を見つけることは、あらゆる航空機の設計の予備段階における重要なステップである。 本研究では、異なるネットワークアーキテクチャとトレーニングデータセットを比較し、ネットワークが与えられた翼のジオメトリをどのように知覚するかについての洞察を得る。
  論文  参考訳（メタデータ） (2021-09-24T19:07:19Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)
• Analog cosmological reheating in an ultracold Bose gas [58.720142291102135]
  超低温ボースガス中の一般宇宙論単体モデルの再加熱様ダイナミクスを量子シミュレーションする。 非相対論的極限において、拡大時空と背景振動インフラトン場を模倣する。 提案された実験は、弱い結合状態を超えても、最近まで進化を探求する可能性がある。
  論文  参考訳（メタデータ） (2020-08-05T18:00:26Z)

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。