論文の概要: Generative Design of Periodic Orbits in the Restricted Three-Body Problem

• arxiv url: http://arxiv.org/abs/2408.03691v1
• Date: Wed, 7 Aug 2024 11:13:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-08 13:14:23.105763
• Title: Generative Design of Periodic Orbits in the Restricted Three-Body Problem
• Title（参考訳）: 制限三体問題における周期軌道の生成
• Authors: Alvaro Francisco Gil, Walther Litteri, Victor Rodriguez-Fernandez, David Camacho, Massimiliano Vasile,
• Abstract要約: 本研究では、変動オートエンコーダ(VAE)とその内部表現を用いて周期軌道を生成する。 本研究では,Circular Restricted Three-Body Problem (CR3BP) における周期軌道の包括的データセットを用いて,重要な軌道特性を捉えるディープラーニングアーキテクチャを訓練する。
• 参考スコア（独自算出の注目度）: 3.3810628880631226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Three-Body Problem has fascinated scientists for centuries and it has been crucial in the design of modern space missions. Recent developments in Generative Artificial Intelligence hold transformative promise for addressing this longstanding problem. This work investigates the use of Variational Autoencoder (VAE) and its internal representation to generate periodic orbits. We utilize a comprehensive dataset of periodic orbits in the Circular Restricted Three-Body Problem (CR3BP) to train deep-learning architectures that capture key orbital characteristics, and we set up physical evaluation metrics for the generated trajectories. Through this investigation, we seek to enhance the understanding of how Generative AI can improve space mission planning and astrodynamics research, leading to novel, data-driven approaches in the field.
• Abstract（参考訳）: 三体問題は何世紀にもわたって科学者を魅了し、現代の宇宙ミッションの設計において重要な役割を担ってきた。 ジェネレーティブ・人工知能の最近の進歩は、この長年の問題を解決するための変革的な約束を持っている。 本研究では、変動オートエンコーダ(VAE)とその内部表現を用いて周期軌道を生成する。 循環制限三体問題(CR3BP)における周期軌道の包括的データセットを用いて,重要な軌道特性を捉えるディープラーニングアーキテクチャを訓練し,生成した軌道の物理的評価指標を設定した。 この調査を通じて、生成型AIが宇宙ミッション計画や天体力学の研究をどのように改善できるかの理解を深め、この分野における新しいデータ駆動アプローチへと導くことを目指している。

関連論文リスト

• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• A Survey of Generative Techniques for Spatial-Temporal Data Mining [93.55501980723974]
  本稿では,空間時間データマイニングにおける生成技術の統合に焦点を当てる。 本稿では,生成技術に基づく時空間法を包括的に分析する。 また、空間時間データマイニングパイプライン用に特別に設計された標準化されたフレームワークも導入されている。
  論文  参考訳（メタデータ） (2024-05-15T12:07:43Z)
• Deep Learning Based Dynamics Identification and Linearization of Orbital Problems using Koopman Theory [0.0]
  本研究では, 2-Body 問題と円制限 3-Body 問題の同時同定と大域的線形化のための枠組みを提案する。 本稿では、クープマン作用素が、再訓練を必要とせずに、他の様々な2音素系に一般化できる能力を示す。
  論文  参考訳（メタデータ） (2024-03-13T21:11:58Z)
• Towards a Machine Learning-Based Approach to Predict Space Object Density Distributions [0.7652747219811166]
  人工宇宙オブジェクト(ASO)を調べるための現在のモデルは、計算的に要求されている。 我々は,MIT Orbital Capacity Tool(MOCAT)の拡張として,機械学習に基づく新しいモデルを提案する。 深層学習に基づく解がASO伝播の優れた候補となる可能性について検討し、データの高次元性を管理する。
  論文  参考訳（メタデータ） (2024-01-08T19:43:30Z)
• Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
  本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。 具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。 判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
  論文  参考訳（メタデータ） (2023-01-16T09:54:02Z)
• Artificial Intelligence to Enhance Mission Science Output for In-situ Observations: Dealing with the Sparse Data Challenge [0.0]
  地球の磁気圏では、低地球軌道を超える専用のプローブが1ダースも存在せず、いつでもその場で観測できる。 機械学習、データマイニング、データ同化を含む新しい人工知能(AI)メソッドは、このスパースデータ課題を満たすために開発する必要がある。
  論文  参考訳（メタデータ） (2022-12-26T20:05:21Z)
• NTFields: Neural Time Fields for Physics-Informed Robot Motion Planning [1.9798034349981157]
  乱雑なシナリオにおけるロボット動作計画のためのニューラルタイムフィールド(NTFields)を提案する。 本フレームワークは,Eykonal Equationと呼ばれる非線形一階PDEから得られる経路解を見つけるために,連続到着時間を生成する波動伝搬モデルを表す。 ギブソン・データセットを含む様々な散在した3次元環境において本手法の評価を行い,4-DOFおよび6-DOFロボットマニピュレータの動作計画問題を解く能力を実証した。
  論文  参考訳（メタデータ） (2022-09-30T22:34:54Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• SPATE-GAN: Improved Generative Modeling of Dynamic Spatio-Temporal Patterns with an Autoregressive Embedding Loss [4.504870356809408]
  本稿では、時間的ダイナミクスの学習を強化するために、自己回帰埋め込みに基づく-GANと組み合わせた新しい損失目標を提案する。 組込み損失は -GAN のアーキテクチャを変更することなく性能を向上し,自己相関構造に対するモデルの能力向上を浮き彫りにしている。
  論文  参考訳（メタデータ） (2021-09-30T12:10:05Z)
• Trajectory Design for UAV-Based Internet-of-Things Data Collection: A Deep Reinforcement Learning Approach [93.67588414950656]
  本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。 本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。 シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-23T03:33:29Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。