論文の概要: Bayesian grey-box identification of nonlinear convection effects in heat transfer dynamics

• arxiv url: http://arxiv.org/abs/2407.01226v1
• Date: Mon, 1 Jul 2024 12:17:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 21:39:54.739223
• Title: Bayesian grey-box identification of nonlinear convection effects in heat transfer dynamics
• Title（参考訳）: 伝熱力学における非線形対流効果のベイズ灰色の箱同定
• Authors: Wouter M. Kouw, Caspar Gruijthuijsen, Lennart Blanken, Enzo Evers, Timothy Rogers,
• Abstract要約: 熱伝達力学における対流を同定する計算手法を提案する。 この手順はガウス過程潜在力モデルに基づいている。 シミュレーションシステムからのデータと物理アセンブリからの測定の両方でシミュレーション誤差による手順を検証する。
• 参考スコア（独自算出の注目度）: 2.5864824580604515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a computational procedure for identifying convection in heat transfer dynamics. The procedure is based on a Gaussian process latent force model, consisting of a white-box component (i.e., known physics) for the conduction and linear convection effects and a Gaussian process that acts as a black-box component for the nonlinear convection effects. States are inferred through Bayesian smoothing and we obtain approximate posterior distributions for the kernel covariance function's hyperparameters using Laplace's method. The nonlinear convection function is recovered from the Gaussian process states using a Bayesian regression model. We validate the procedure by simulation error using the identified nonlinear convection function, on both data from a simulated system and measurements from a physical assembly.
• Abstract（参考訳）: 熱伝達力学における対流を同定する計算手法を提案する。 この手順は、導電効果と線形対流効果のホワイトボックス成分(すなわち既知の物理学)と非線形対流効果のブラックボックス成分として作用するガウス過程からなるガウス過程潜在力モデルに基づいている。 状態はベイズ的滑らか化を通して推定され、ラプラス法を用いてカーネル共分散関数のハイパーパラメータの近似後部分布を求める。 非線形対流関数はベイズ回帰モデルを用いてガウス過程状態から回収される。 同定された非線形対流関数を用いてシミュレーション誤差による手順をシミュレーションシステムからのデータと物理アセンブリからの測定の両方に基づいて検証する。

関連論文リスト

• Quantum algorithm for the advection-diffusion equation and the Koopman-von Neumann approach to nonlinear dynamical systems [0.0]
  非線形力学のクープマン・ヴォン・ノイマン定式化において, 対流拡散方程式と非単位離散化版の両方をシミュレートする明示的アルゴリズムを提案する。 提案アルゴリズムは普遍的であり、線形微分方程式と非線形微分方程式の幅広いクラスをモデル化するのに利用できる。
  論文  参考訳（メタデータ） (2024-10-04T23:58:12Z)
• Quantum simulation of the Fokker-Planck equation via Schrodingerization [33.76659022113328]
  本稿では,Fokker-Planck方程式を解くための量子シミュレーション手法について述べる。 我々はシュロディンガー化法(Schrodingerization method)を用いて、非エルミート力学を持つ任意の線型偏微分方程式と常微分方程式をシュロディンガー型方程式系に変換する。
  論文  参考訳（メタデータ） (2024-04-21T08:53:27Z)
• Stochastic Gradient Descent for Gaussian Processes Done Right [86.83678041846971]
  emphdone right -- 最適化とカーネルコミュニティからの具体的な洞察を使用するという意味で -- が、勾配降下は非常に効果的であることを示している。 本稿では,直感的に設計を記述し,設計選択について説明する。 本手法は,分子結合親和性予測のための最先端グラフニューラルネットワークと同程度にガウス過程の回帰を配置する。
  論文  参考訳（メタデータ） (2023-10-31T16:15:13Z)
• Dynamical chaos in nonlinear Schr\"odinger models with subquadratic power nonlinearity [137.6408511310322]
  ランダムポテンシャルと準4次パワー非線形性を持つ非線形シュリンガー格子のクラスを扱う。 拡散過程は亜拡散性であり, 微細構造が複雑であることを示す。 二次パワー非線形性の限界も議論され、非局在化境界をもたらすことが示されている。
  論文  参考訳（メタデータ） (2023-01-20T16:45:36Z)
• Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
  本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。 提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
  論文  参考訳（メタデータ） (2022-05-18T17:11:23Z)
• Computing the action ground state for the rotating nonlinear Schr\"odinger equation [6.6772808699409705]
  回転非線形シュリンガー方程式に対する作用基底状態の計算について考察する。 フォーカスの場合、制約を単純化する問題の等価な定式化を同定する。 デフォーカスの場合、制約のない最小化によって基底状態が得られることを示す。
  論文  参考訳（メタデータ） (2022-03-12T09:15:27Z)
• A Latent Restoring Force Approach to Nonlinear System Identification [0.0]
  この研究は、システムの未知の非線形項の寄与を抽出し同定するためのベイズフィルタに基づくアプローチを提案する。 この手法は、シミュレートされたケーススタディと実験的なベンチマークデータセットの両方で有効であることが示されている。
  論文  参考訳（メタデータ） (2021-09-22T12:21:16Z)
• Designing Kerr Interactions for Quantum Information Processing via Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
  静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。 非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。 その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
  論文  参考訳（メタデータ） (2021-07-14T15:11:05Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Symplectic Gaussian Process Regression of Hamiltonian Flow Maps [0.8029049649310213]
  ハミルトンフローマップに対する適切な効率なエミュレータを構築するためのアプローチを提案する。 将来的な応用は、加速器における高速荷電粒子の長期追跡と磁気プラズマ閉じ込めである。
  論文  参考訳（メタデータ） (2020-09-11T17:56:35Z)
• 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。

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。