論文の概要: Data-driven local operator finding for reduced-order modelling of plasma systems: I. Concept and verifications

• arxiv url: http://arxiv.org/abs/2403.01523v1
• Date: Sun, 3 Mar 2024 14:50:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 20:53:45.429699
• Title: Data-driven local operator finding for reduced-order modelling of plasma systems: I. Concept and verifications
• Title（参考訳）: プラズマ系の低次モデリングのためのデータ駆動型局所演算子:I. 概念と検証
• Authors: Farbod Faraji, Maryam Reza, Aaron Knoll, and J. Nathan Kutz
• Abstract要約: 低次プラズマモデルでは、様々な設定や構成で効率的にプラズマの挙動を予測することができる。 この2つの記事では、"Phi Method"を紹介します。 第1部では,候補項ライブラリに制約付き回帰を用いた新しいアルゴリズムを提案する。 パートIIは、パラメトリックダイナミクス発見のためのメソッドの応用を掘り下げる。
• 参考スコア（独自算出の注目度）: 2.9320342785886973
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reduced-order plasma models that can efficiently predict plasma behavior across various settings and configurations are highly sought after yet elusive. The demand for such models has surged in the past decade due to their potential to facilitate scientific research and expedite the development of plasma technologies. In line with the advancements in computational power and data-driven methods, we introduce the "Phi Method" in this two-part article. Part I presents this novel algorithm, which employs constrained regression on a candidate term library informed by numerical discretization schemes to discover discretized systems of differential equations. We demonstrate Phi Method's efficacy in deriving reliable and robust reduced-order models (ROMs) for three test cases: the Lorenz attractor, flow past a cylinder, and a 1D Hall-thruster-representative plasma. Part II will delve into the method's application for parametric dynamics discovery. Our results show that ROMs derived from the Phi Method provide remarkably accurate predictions of systems' behavior, whether derived from steady-state or transient-state data. This underscores the method's potential for transforming plasma system modeling.
• Abstract（参考訳）: 様々な設定や構成にまたがって効率的にプラズマの挙動を予測できる低次プラズマモデルを求める。 このようなモデルの需要は、科学研究の促進とプラズマ技術の開発の迅速化により、過去10年間に急増している。 本稿では,計算能力とデータ駆動手法の進歩に合わせて,この2つの論文に「Phi法」を紹介する。 第1部は、微分方程式の離散化系を発見するために、数値的離散化スキームから情報を得た候補項ライブラリ上の制約付き回帰を用いる。 我々は,ロレンツアトラクタ,シリンダー通過流,および1次元ホールスルースター提示プラズマの3つのテストケースに対して,信頼性とロバストな還元次モデル(roms)を導出するphi法の有効性を示す。 パートIIは、パラメトリックダイナミクス発見のためのメソッドの応用を掘り下げる。 以上の結果から,Phi法から派生したROMは,定常状態データや過渡状態データから,システムの挙動を著しく正確に予測できることがわかった。 これは、プラズマシステムのモデリングを変換するための方法の可能性を強調する。

関連論文リスト

• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Data-driven local operator finding for reduced-order modelling of plasma systems: II. Application to parametric dynamics [3.203036813451742]
  データ駆動型ローカル演算子探索アルゴリズムであるPhi Methodの2つの適応法を提案する。 パラメトリックPhi法とアンサンブルPhi法は, 2次元流体流-パスト-a-シリンダーと1次元ホール-スラスター-プラズマ放電問題によって実証される。 パラメトリックとアンサンブルの両方のテストケースにおいて、PhiメソッドはパラメトリックPDEの管理を確実に回復し、テストパラメータを正確に予測する。
  論文  参考訳（メタデータ） (2024-03-03T15:09:49Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Plasma Surrogate Modelling using Fourier Neural Operators [57.52074029826172]
  トカマク炉内のプラズマの進化を予測することは、持続可能な核融合の目標を実現するために不可欠である。 深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いた進化プラズマの正確な予測を実証する。 我々は、FNOが磁気流体力学モデルからシミュレーションされたプラズマ力学を予測する際に、従来の解法よりも6桁の速度を持つことを示した。 FNOは、MASTトカマク内のカメラで観測された実世界の実験データに基づいて、プラズマの進化を予測することもできる。
  論文  参考訳（メタデータ） (2023-11-10T10:05:00Z)
• Hybridizing Physics and Neural ODEs for Predicting Plasma Inductance Dynamics in Tokamak Fusion Reactors [0.0]
  我々は、Alcator C-Mod核融合炉のデータに基づいて、物理モデルとニューラルネットワークモデルの両方を訓練する。 物理に基づく方程式をニューラルODEと組み合わせたモデルは、既存の物理動機付きODEと純粋なニューラルODEモデルの両方よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-10-30T23:25:54Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• GANs and Closures: Micro-Macro Consistency in Multiscale Modeling [0.0]
  本稿では,物理シミュレーションとバイアス法を併用して,条件分布をサンプリングする手法を提案する。 このフレームワークは, マルチスケールSDE動的システムサンプリングを改善することができることを示すとともに, 複雑性が増大するシステムにも期待できることを示す。
  論文  参考訳（メタデータ） (2022-08-23T03:45:39Z)
• Unsupervised Discovery of Inertial-Fusion Plasma Physics using Differentiable Kinetic Simulations and a Maximum Entropy Loss Function [77.34726150561087]
  プラズマ運動学3次元偏微分方程式の微分可能解法を作成し, 領域固有の目的関数を導入する。 我々はこの枠組みを慣性融合に関する構成に適用し、最適化プロセスが新しい物理効果を利用することを示す。
  論文  参考訳（メタデータ） (2022-06-03T15:27:33Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Manifold learning-based polynomial chaos expansions for high-dimensional surrogate models [0.0]
  システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。 提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
  論文  参考訳（メタデータ） (2021-07-21T00:24:15Z)
• Parsimony-Enhanced Sparse Bayesian Learning for Robust Discovery of Partial Differential Equations [5.584060970507507]
  Parsimony Enhanced Sparse Bayesian Learning (PeSBL) 法は非線形力学系の部分微分方程式 (PDE) を解析するために開発された。 数値ケーススタディの結果,多くの標準力学系のPDEをPeSBL法を用いて正確に同定できることが示唆された。
  論文  参考訳（メタデータ） (2021-07-08T00:56:11Z)

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。