論文の概要: Reconstructions of Jupiter's magnetic field using physics informed neural networks
- arxiv url: http://arxiv.org/abs/2403.07507v2
- Date: Fri, 3 May 2024 14:00:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-06 17:27:48.235948
- Title: Reconstructions of Jupiter's magnetic field using physics informed neural networks
- Title（参考訳）: 物理情報ニューラルネットワークによる木星磁場の再構成
- Authors: Philip W. Livermore, Leyuan Wu, Longwei Chen, Sjoerd A. L. de Ridder,
- Abstract要約: 物理インフォームドニューラルネットワークに基づく木星内部磁場の新たな再構成について述べる。
我々のモデルは、奥行きのノイズ増幅によって妨げられず、内部構造のより明確な画像を提供する。
- 参考スコア（独自算出の注目度）: 0.9999629695552195
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Magnetic sounding using data collected from the Juno mission can be used to provide constraints on Jupiter's interior. However, inwards continuation of reconstructions assuming zero electrical conductivity and a representation in spherical harmonics are limited by the enhancement of noise at small scales. Here we describe new reconstructions of Jupiter's internal magnetic field based on physics-informed neural networks and either the first 33 (PINN33) or the first 50 (PINN50) of Juno's orbits. The method can resolve local structures, and allows for weak ambient electrical currents. Our models are not hampered by noise amplification at depth, and offer a much clearer picture of the interior structure. We estimate that the dynamo boundary is at a fractional radius of 0.8. At this depth, the magnetic field is arranged into longitudinal bands, and strong local features such as the great blue spot appear to be rooted in neighbouring structures of oppositely signed flux.
- Abstract（参考訳）: ジュノーのミッションから収集されたデータによる磁気音響は、木星の内部に制約を与えるために用いられる。
しかし、非導電率と球面高調波の表現を仮定した再構成の内側への継続は、小さなスケールでの雑音の増大によって制限される。
ここでは、物理学インフォームドニューラルネットワークに基づく木星の内部磁場の新たな再構成と、ジュノーの軌道の最初の33(PINN33)または最初の50(PINN50)について述べる。
この方法は局所的な構造を解決し、弱い環境電流を発生させる。
我々のモデルは、奥行きのノイズ増幅によって妨げられず、内部構造のより明確な画像を提供する。
我々はダイナモ境界が0.8の分数半径にあると推定する。
この深さでは、磁場は長手帯に配列され、グレートブルースポットのような強い局所的な特徴は、反対に符号付けられたフラックスの隣接する構造に根付いているように見える。
関連論文リスト
- Quantum electrodynamics of lossy magnetodielectric samples in vacuum: modified Langevin noise formalism [55.2480439325792]
我々は、マクロな媒質中における電磁界の確立された正準量子化から、変形したランゲヴィンノイズの定式化を解析的に導出した。
2つの場のそれぞれが特定のボゾン作用素の項で表現できることを証明し、電磁ハミルトニアンを対角化する。
論文 参考訳（メタデータ） (2024-04-07T14:37:04Z) - Modelling of planar germanium hole qubits in electric and magnetic
fields [0.0]
歪んだ平面ゲルマニウム量子井戸のホールベースのスピン量子ビットは、かなりの注目を集めている。
我々はこれらのホールスピン量子ビットをホストするヘテロ構造のシミュレーションを行う。
我々の研究は、G因子の量子井戸の外にある非常に励起性の高い光孔状態の強い影響を明らかにしている。
論文 参考訳（メタデータ） (2022-08-09T14:14:32Z) - Enhanced orbital magnetic field effects in Ge hole nanowires [0.0]
ホール半導体ナノワイヤ(NW)は、トポロジカル量子ビットに対するスピン量子ビットおよびマヨラナ境界状態のホストを約束するプラットフォームである。
我々は、SOIと$g$因子の軌道磁場依存性を詳細に分析する。
論文 参考訳（メタデータ） (2022-07-25T10:41:45Z) - Measuring the magnon-photon coupling in shaped ferromagnets: tuning of
the resonance frequency [50.591267188664666]
キャビティ光子と強磁性スピンの励起は ハイブリッドアーキテクチャで情報交換できる
速度向上は通常、電磁キャビティの幾何学を最適化することで達成される。
強磁性体の基本周波数を設定することにより、強磁性体の幾何学も重要な役割を果たすことを示す。
論文 参考訳（メタデータ） (2022-07-08T11:28:31Z) - Physics-informed compressed sensing for PC-MRI: an inverse Navier-Stokes
problem [78.20667552233989]
我々は、ノイズやスパース磁気共鳴信号から速度場を復元するための物理インフォームド圧縮センシング(PICS)法を定式化する。
本手法は, 疎サンプリング信号から速度場を再構成し, セグメンテーションすることができる。
論文 参考訳（メタデータ） (2022-07-04T14:51:59Z) - Hole Spin Qubits in Ge Nanowire Quantum Dots: Interplay of Orbital
Magnetic Field, Strain, and Growth Direction [0.0]
準1次元構造のホールスピン量子ビットは、量子情報処理のための有望なプラットフォームである。
量子ビットが動作する磁場値において、磁場の軌道効果がスピン量子ビットの応答に強く影響を与えることを示す。
デバイスに垂直に印加された電場および磁場の影響を受け,Geの1次元ホールシステムについて検討した。
論文 参考訳（メタデータ） (2021-10-28T12:00:26Z) - 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) - Non-line-of-Sight Imaging via Neural Transient Fields [52.91826472034646]
NLOS(non-Line-of-Sight)イメージングのためのニューラルモデリングフレームワークを提案する。
最近のNeRF(Neural Radiance Field)アプローチにインスパイアされた我々は、ニューラルネットワーク(NeTF)を表現するために多層パーセプトロン(MLP)を使用する。
共焦点と非共焦点の両方に適用可能な球状ボリュームnetf再構成パイプラインを定式化する。
論文 参考訳（メタデータ） (2021-01-02T05:20:54Z) - Negative Thermal Hall Conductance in Two-Dimer Shastry-Sutherland Model
with {\pi}-flux Dirac Triplon [10.470619876243981]
幾何学的に調整可能な三重項励起を持つシャストリー・サザーランド模型の族に対する効果的な2次元強結合モデルを導入する。
傾斜磁場は、最低三重項帯域の帯域幅を減らすのにも有用である。
論文 参考訳（メタデータ） (2020-12-15T20:03:08Z) - Identifying Flux Rope Signatures Using a Deep Neural Network [0.0]
本稿では,ICMEの内部構造を同定し,さらに理解するために,機械学習と現在の物理フラックスロープ解析モデルを適用した。
解析的フラックスロープデータを用いた画像認識人工ニューラルネットワークの訓練を行った。
トレーニングされたネットワークは、1995-2015年にWINDから観測されたICMEに対して評価された。
論文 参考訳（メタデータ） (2020-08-30T23:23:57Z) - Quantum anomalous Hall phase in synthetic bilayers via twistless
twistronics [58.720142291102135]
我々は超低温原子と合成次元に基づく「ツイストロン様」物理学の量子シミュレータを提案する。
本研究では,適切な条件下でのトポロジカルバンド構造を示す。
論文 参考訳（メタデータ） (2020-08-06T19:58:05Z)
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。