論文の概要: Thermal Earth Model for the Conterminous United States Using an Interpolative Physics-Informed Graph Neural Network (InterPIGNN)

• arxiv url: http://arxiv.org/abs/2403.09961v1
• Date: Fri, 15 Mar 2024 01:55:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 20:46:21.386061
• Title: Thermal Earth Model for the Conterminous United States Using an Interpolative Physics-Informed Graph Neural Network (InterPIGNN)
• Title（参考訳）: 補間物理インフォームドグラフニューラルネット(InterPIGNN)を用いたアメリカ合衆国における熱地球モデルの構築
• Authors: Mohammad J. Aljubran, Roland N. Horne,
• Abstract要約: 本研究では物理インフォームドグラフニューラルネットワークに基づくデータ駆動空間アルゴリズムを提案する。 このモデルは,地下温度,表面熱流,岩石熱伝導率を同時に予測することにより,3次元熱伝導則をほぼ満たすよう訓練された。
• 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: This study presents a data-driven spatial interpolation algorithm based on physics-informed graph neural networks used to develop national temperature-at-depth maps for the conterminous United States. The model was trained to approximately satisfy the three-dimensional heat conduction law by simultaneously predicting subsurface temperature, surface heat flow, and rock thermal conductivity. In addition to bottomhole temperature measurements, we incorporated other physical quantities as model inputs, such as depth, geographic coordinates, elevation, sediment thickness, magnetic anomaly, gravity anomaly, gamma-ray flux of radioactive elements, seismicity, and electric conductivity. We constructed surface heat flow, and temperature and thermal conductivity predictions for depths of 0-7 km at an interval of 1 km with spatial resolution of 18 km$^2$ per grid cell. Our model showed superior temperature, surface heat flow and thermal conductivity mean absolute errors of 4.8{\deg} C, 5.817 mW/m$^2$ and 0.022 W/(C-m)$, respectively. The predictions were visualized in two-dimensional spatial maps across the modeled depths. This thorough modeling of the Earth's thermal processes is crucial to understanding subsurface phenomena and exploiting natural underground resources.
• Abstract（参考訳）: 本研究では, 物理インフォームドグラフニューラルネットワークを用いたデータ駆動型空間補間アルゴリズムを提案する。 このモデルは,地下温度,表面熱流,岩石熱伝導率を同時に予測することにより,3次元熱伝導則をほぼ満たすよう訓練された。 ボトムホール温度測定に加えて, 深度, 地理的座標, 標高, 堆積物厚, 磁気異常, 重力異常, 放射性元素のガンマ線フラックス, 地震性, 電気伝導率などのモデル入力として, その他の物理量を組み込んだ。 表面熱流を構築し,0～7kmの深さを1km間隔で空間分解能18km$^2$の温度・熱伝導率予測を行った。 その結果, 温度, 表面熱流, 熱伝導率の平均絶対誤差は4.8{\deg} C, 5.817 mW/m$^2$, 0.022 W/(C-m)$であった。 予測はモデル深度を横断する2次元空間地図で可視化された。 この地球の熱過程の徹底的なモデリングは、地下現象を理解し、自然の地下資源を利用するために不可欠である。

関連論文リスト

• Deep operator neural network applied to efficient computation of asteroid surface temperature and the Yarkovsky effect [0.7373617024876725]
  ディープオペレータニューラルネットワーク(DeepONet)は、小惑星の表面温度をモデル化するための強力なツールを提供する。 DeepONetは平均で1%の精度で温度を予測でき、計算コストは5桁以下である。 予備的な応用として、即時ヤルコフスキー効果を組み込んだ直接N体シミュレーションにより小惑星の軌道進化を解析した。
  論文  参考訳（メタデータ） (2024-11-04T22:38:27Z)
• TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small Target Detection [58.00308680221481]
  赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。 ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。 熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
  論文  参考訳（メタデータ） (2024-02-03T05:51:22Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Generative convective parametrization of dry atmospheric boundary layer [0.0]
  乱流のパラメトリゼーションは、キロスケールの地球系モデルにおいて、必要なビルディングブロックとして残る。 本稿では, 直交対向ネットワークに基づく乾式対流境界層に対するパラメトリゼーションを提案する。 我々の研究は、他の自然流における効率的なデータ駆動対流パラメトリゼーションへの道を開いた。
  論文  参考訳（メタデータ） (2023-07-27T13:37:29Z)
• Deep learning based surrogate modeling for thermal plume prediction of groundwater heat pumps [0.0]
  ヒートポンプの噴射井から発生する熱気柱は下流に伝播し、周囲の利用者に影響を及ぼし、ヒートポンプ効率を低下させる。 干渉の確率を減らすため、規制当局は単純な分析モデルや高忠実度地下水シミュレーションに頼っていることが多い。 本研究では, 熱ポンプで発生する熱気柱の迅速かつ高精度な予測ツールを提供するため, 代理モデルを開発した。
  論文  参考訳（メタデータ） (2023-02-16T10:29:16Z)
• Reduced Order Probabilistic Emulation for Physics-Based Thermosphere Models [0.0]
  本研究は,TIE-GCM(Thermosphere Ionosphere Electrodynamics Circulation General Model)のための効率的なサロゲートを作成するために,確率論的機械学習(ML)手法を採用することを目的とする。 利用可能なデータ全体で、TIE-GCM ROPEは従来の線形手法と同様の誤差を示しながら、嵐時モデリングを改善した。 また,TIE-GCM ROPEは,TIE-GCM密度から得られる位置を5kmの偏りで捉えることができることを示す。
  論文  参考訳（メタデータ） (2022-11-08T17:36:37Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• Physics-Guided Generative Adversarial Networks for Sea Subsurface Temperature Prediction [24.55780949103687]
  海面下温度は気候変動の地球温暖化の影響を受けている。 既存の研究は一般に物理学に基づく数値モデルまたはデータに基づくモデルに基づいている。 本稿では,GAN(Generative Adversarial Network)と数値モデルを組み合わせた,海底温度の予測手法を提案する。
  論文  参考訳（メタデータ） (2021-11-04T23:46:51Z)
• Probabilistic modeling of lake surface water temperature using a Bayesian spatio-temporal graph convolutional neural network [55.41644538483948]
  本研究では,湖沼の温度をある程度の深さでシミュレーションし,気象学的特徴と合わせて評価することを提案する。 本研究は,提案モデルが湖沼表面全体に均質に優れた性能をもたらすことを示す。 結果は、最先端のベイズ深層学習法と比較される。
  論文  参考訳（メタデータ） (2021-09-27T09:19:53Z)
• Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains at Finite Temperature: Exact Results [68.8204255655161]
  奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。 正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
  論文  参考訳（メタデータ） (2021-05-11T14:08:02Z)
• Role of topology in determining the precision of a finite thermometer [58.720142291102135]
  低接続性は、温度計を低温で動作させるためのリソースであることに気付きました。 位置測定により達成可能な精度を,エネルギー測定に対応する最適値と比較する。
  論文  参考訳（メタデータ） (2021-04-21T17:19:42Z)

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。