Fugu-MT 論文翻訳(概要): Transport based particle methods for the Fokker-Planck-Landau equation

論文の概要: Transport based particle methods for the Fokker-Planck-Landau equation

arxiv url: http://arxiv.org/abs/2405.10392v1
Date: Thu, 16 May 2024 18:37:35 GMT
ステータス: 処理完了
システム内更新日: 2024-05-20 17:33:08.707265
Title: Transport based particle methods for the Fokker-Planck-Landau equation
Title（参考訳）: Fokker-Planck-Landau方程式の輸送に基づく粒子法
Authors: Vasily Ilin, Jingwei Hu, Zhenfu Wang,
Abstract要約: 本稿では,Fokker-Planck方程式のスコアベーストランスポートモデリング(SBTM)法に着想を得たLandau方程式の数値解法を提案する。この方法は、質量、運動量、エネルギーの保存、推定エントロピーの崩壊など、ランダウ方程式のいくつかの重要な物理的性質を保存することができる。
参考スコア（独自算出の注目度）: 1.7731793321727365
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a particle method for numerically solving the Landau equation, inspired by the score-based transport modeling (SBTM) method for the Fokker-Planck equation. This method can preserve some important physical properties of the Landau equation, such as the conservation of mass, momentum, and energy, and decay of estimated entropy. We prove that matching the gradient of the logarithm of the approximate solution is enough to recover the true solution to the Landau equation with Maxwellian molecules. Several numerical experiments in low and moderately high dimensions are performed, with particular emphasis on comparing the proposed method with the traditional particle or blob method.
Abstract（参考訳）: 本稿では,Fokker-Planck方程式のスコアベーストランスポートモデリング(SBTM)法に着想を得たLandau方程式の数値解法を提案する。この方法は、質量、運動量、エネルギーの保存、推定エントロピーの崩壊など、ランダウ方程式のいくつかの重要な物理的性質を保存することができる。近似解の対数勾配の整合性は、ランダウ方程式の真の解とマクスウェル分子との整合性を取り戻すのに十分である。提案手法を従来の粒子法やブロブ法と比較することを中心に,低・中等度に高次元の数値実験を行った。

関連論文リスト

JKO for Landau: a variational particle method for homogeneous Landau equation [7.600098227248821]
我々は、JKOスキームの枠組みにおけるランドー方程式の新しい暗黙的粒子法を開発した。重要な観察は、フローマップがかなり複雑な積分方程式に従って進化する一方で、未知成分は単に対応する密度のスコア関数であるということである。
論文参考訳（メタデータ） (2024-09-18T20:08:19Z)
Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
論文参考訳（メタデータ） (2024-08-20T19:06:02Z)
A score-based particle method for homogeneous Landau equation [7.600098227248821]
プラズマ中のランダウ方程式を解くための新しいスコアベース粒子法を提案する。我々の主要な革新は、この非線形性がスコア関数の形式にあることを認識することである。我々は, 近似と真の解とのKL分散を, スコアマッチング損失によって効果的に制御できることを証明し, 理論的推定を行った。
論文参考訳（メタデータ） (2024-05-08T16:22:47Z)
Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
論文参考訳（メタデータ） (2023-02-10T08:05:19Z)
Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文参考訳（メタデータ） (2022-10-24T16:54:18Z)
Probability flow solution of the Fokker-Planck equation [10.484851004093919]
確率の流れを記述した常微分方程式の統合に基づく代替スキームを導入する。力学とは異なり、この方程式は決定論的に初期密度からのサンプルを後から溶液のサンプルにプッシュする。我々のアプローチは、生成モデルのためのスコアベース拡散の最近の進歩に基づいている。
論文参考訳（メタデータ） (2022-06-09T17:37:09Z)
Self-Consistency of the Fokker-Planck Equation [117.17004717792344]
フォッカー・プランク方程式は、伊藤過程の密度進化を支配している。地絡速度場は固定点方程式の解であることを示すことができる。本稿では,この概念を利用して仮説速度場のポテンシャル関数を設計する。
論文参考訳（メタデータ） (2022-06-02T03:44:23Z)
A blob method method for inhomogeneous diffusion with applications to multi-agent control and sampling [0.6562256987706128]
重み付き多孔質媒質方程式(WPME)に対する決定論的粒子法を開発し,その収束性を時間間隔で証明する。提案手法は,マルチエージェントカバレッジアルゴリズムや確率測定のサンプリングに自然に応用できる。
論文参考訳（メタデータ） (2022-02-25T19:49:05Z)
Large-Scale Wasserstein Gradient Flows [84.73670288608025]
ワッサーシュタイン勾配流を近似するスケーラブルなスキームを導入する。我々のアプローチは、JKOステップを識別するために、入力ニューラルネットワーク(ICNN)に依存しています。その結果、勾配拡散の各ステップで測定値からサンプリングし、その密度を計算することができる。
論文参考訳（メタデータ） (2021-06-01T19:21:48Z)
The Wigner Function of Ground State and One-Dimensional Numerics [0.0]
多体系の基底状態ウィグナー関数を理論的・数値的に検討する。ウィグナー関数の固有値問題は系のエネルギー演算子に基づいて導出される。一次元の場合、提案した固有値問題の解法として数値計算法が設計されている。
論文参考訳（メタデータ） (2021-04-12T02:23:20Z)
A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
論文参考訳（メタデータ） (2019-10-31T02:26:20Z)

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。