論文の概要: Diff-PIC: Revolutionizing Particle-In-Cell Nuclear Fusion Simulation with Diffusion Models
- arxiv url: http://arxiv.org/abs/2408.02693v3
- Date: Sun, 6 Oct 2024 03:10:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-08 12:55:50.935015
- Title: Diff-PIC: Revolutionizing Particle-In-Cell Nuclear Fusion Simulation with Diffusion Models
- Title（参考訳）: Diff-PIC:拡散モデルを用いた粒子内核融合シミュレーション
- Authors: Chuan Liu, Chunshu Wu, Shihui Cao, Mingkai Chen, James Chenhao Liang, Ang Li, Michael Huang, Chuang Ren, Dongfang Liu, Ying Nian Wu, Tong Geng,
- Abstract要約: 核融合は究極的な解決策と見なされ、ほぼ1世紀にわたって集中的な研究の焦点となっている。
慣性凝縮核融合の最近の進歩は核融合研究に大きな注目を集めている。
レーザー-プラズマ相互作用は核融合安定性と効率を確保するために重要である。
- 参考スコア（独自算出の注目度）: 38.46100610494588
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid development of AI highlights the pressing need for sustainable energy, a critical global challenge for decades. Nuclear fusion, generally seen as an ultimate solution, has been the focus of intensive research for nearly a century, with investments reaching hundreds of billions of dollars. Recent advancements in Inertial Confinement Fusion have drawn significant attention to fusion research, in which Laser-Plasma Interaction (LPI) is critical for ensuring fusion stability and efficiency. However, the complexity of LPI upon fusion ignition makes analytical approaches impractical, leaving researchers depending on extremely computation-demanding Particle-in-Cell (PIC) simulations to generate data, presenting a significant bottleneck to advancing fusion research. In response, this work introduces Diff-PIC, a novel framework that leverages conditional diffusion models as a computationally efficient alternative to PIC simulations for generating high-fidelity scientific LPI data. In this work, physical patterns captured by PIC simulations are distilled into diffusion models associated with two tailored enhancements: (1) To effectively capture the complex relationships between physical parameters and corresponding outcomes, the parameters are encoded in a physically-informed manner. (2) To further enhance efficiency while maintaining high fidelity and physical validity, the rectified flow technique is employed to transform our model into a one-step conditional diffusion model. Experimental results show that Diff-PIC achieves 16,200$\times$ speedup compared to traditional PIC on a 100 picosecond simulation, with an average reduction in MAE / RMSE / FID of 59.21% / 57.15% / 39.46% with respect to two other SOTA data generation approaches.
- Abstract（参考訳）: AIの急速な発展は、持続可能なエネルギーの必要性の押し付けを強調している。
核融合は究極的な解決策と見なされるが、ほぼ1世紀近くにわたって集中的な研究の中心であり、投資は数十億ドルに達した。
近年の慣性凝縮核融合の進展は核融合研究に大きな注目を集めており、レーザー-プラズマ相互作用(LPI)は核融合の安定性と効率を確保するために重要である。
しかし、核融合点火時のLPIの複雑さは分析的アプローチを非現実的なものにしており、非常に計算に要求されるParticle-in-Cell (PIC) シミュレーションに頼ってデータを生成し、融合研究の進展に重大なボトルネックをもたらす。
Diff-PICは、条件付き拡散モデルを利用して、高忠実度科学的なLPIデータを生成するために、PICシミュレーションの計算効率を向上する新しいフレームワークである。
本研究では,PICシミュレーションによって得られた物理パターンを,(1)物理パラメータとそれに対応する結果との複雑な関係を効果的に捉えるために,物理インフォームド方式で,拡散モデルに抽出する。
2) 高忠実度, 物理的妥当性を維持しつつ, 効率を一層向上させるため, 修正流法を用いて, モデルの1ステップ条件拡散モデルに変換する。
実験の結果、Diff-PICは100ピコ秒のシミュレーションで従来のPICと比較して16,200$\times$スピードアップを達成し、他の2つのSOTAデータ生成手法と比較してMAE / RMSE / FIDの59.21% / 57.15% / 39.46%の減少率を示した。
関連論文リスト
- Efficient Materials Informatics between Rockets and Electrons [0.0]
この論文は、超高温耐火高エントロピー合金(RHEA)を組み込んだ機能性グレード材料(FGM)の設計に焦点を当てている。
原子レベルでは、MPDDと呼ばれる450万以上の緩和された構造から機械学習(ML)に最適化されたデータエコシステムが、実験的な観察を知らせ、熱力学モデルを改善するために使用される。
結果として生じるマルチレベル発見インフラストラクチャは、既存のソリューションを探すのではなく、問題のエンコーディングに重点を置いているため、非常に一般化可能である。
論文 参考訳（メタデータ） (2024-07-05T17:03:26Z) - Generative Diffusion Models for Fast Simulations of Particle Collisions at CERN [3.2686289567336235]
高エネルギー物理シミュレーションでは、CERNの大型ハドロン衝突型加速器における粒子衝突実験の複雑さの解明に重要な役割を果たしている。
近年の進歩は、最先端の生成機械学習手法として拡散モデルの有効性を強調している。
拡散モデルに基づくALICE実験において,Zero Degree Calorimeter (ZDC) のシミュレーションを行った。
論文 参考訳（メタデータ） (2024-06-05T13:11:53Z) - vHeat: Building Vision Models upon Heat Conduction [63.00030330898876]
vHeatは、高い計算効率とグローバルな受容場の両方を同時に達成する、新しいビジョンバックボーンモデルである。
基本的な考え方は、画像パッチを熱源として概念化し、それらの相関の計算を熱エネルギーの拡散としてモデル化することである。
論文 参考訳（メタデータ） (2024-05-26T12:58:04Z) - Multi-fidelity surrogate with heterogeneous input spaces for modeling melt pools in laser-directed energy deposition [0.0]
MFモデリング(Multi-fidelity Modeling)は、様々なフィデリティソースからデータをインテリジェントにブレンドできる強力な統計手法である。
メルトプールモデルの階層をマージするためにMFサロゲートを使用する際の大きな課題は、入力空間における可変性である。
本稿では, 様々な複雑さのモデルを統合することで, 溶融プール形状を予測するためのMFサロゲート構築手法を提案する。
論文 参考訳（メタデータ） (2024-03-19T20:12:46Z) - Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
論文 参考訳（メタデータ） (2024-02-09T01:11:23Z) - Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。
我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。
提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
論文 参考訳（メタデータ） (2024-02-04T09:07:28Z) - Data-Driven Modeling with Experimental Augmentation for the Modulation
Strategy of the Dual-Active-Bridge Converter [8.602361928123244]
本稿では、電力変換器モデルのための実験拡張(D2EA)を用いた新しいデータ駆動モデリングを提案する。
D2EAでは、シミュレーションデータは基本的な機能的景観を確立することを目的としており、実験データは実世界の実際のパフォーマンスのマッチングに焦点を当てている。
提案したD2EAアプローチは、99.92%の効率モデリング精度を実現し、2kWのハードウェア実験において、その実現可能性を完全に検証している。
論文 参考訳（メタデータ） (2023-07-30T08:52:05Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳（メタデータ） (2022-06-10T04:54:13Z) - Constructing Sub-scale Surrogate Model for Proppant Settling in Inclined
Fractures from Simulation Data with Multi-fidelity Neural Network [1.045294624175056]
傾斜流路における粒子沈降は, シェールガスの油圧破砕時に発生する重要な現象である。
そこで本研究では,MFNN(Multi-fidelity Neural Network)と呼ばれる新しい手法を提案し,その利用法について述べる。
この結果から,MFNN を用いたセッティングサロゲートの構築により,高忠実度データの必要性を低減し,計算コストを80%削減できることが示唆された。
これにより、貯水池でのプロパント沈降速度を迅速に予測する新しい経路が開かれる。
論文 参考訳（メタデータ） (2021-09-25T08:31:33Z) - Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。
RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。
RFBの電荷分配曲線を予測する多相モデルを構築した。
論文 参考訳（メタデータ） (2021-06-17T00:49:55Z)
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。