論文の概要: DiffFluid: Plain Diffusion Models are Effective Predictors of Flow Dynamics

• arxiv url: http://arxiv.org/abs/2409.13665v1
• Date: Fri, 20 Sep 2024 17:19:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 06:08:43.878360
• Title: DiffFluid: Plain Diffusion Models are Effective Predictors of Flow Dynamics
• Title（参考訳）: DiffFluid: 平板拡散モデルが流れの予測に有効である
• Authors: Dongyu Luo, Jianyu Wu, Jing Wang, Hairun Xie, Xiangyu Yue, Shixiang Tang,
• Abstract要約: 各種作業条件下での流体力学の効果的な予測因子としてトランスフォーマーを用いた平ら拡散モデルを示す。 本手法は,画像翻訳問題としてフローダイナミクスの予測を定式化し,平らな拡散モデルを用いてこの問題に対処する。
• 参考スコア（独自算出の注目度）: 16.660107496540146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We showcase the plain diffusion models with Transformers are effective predictors of fluid dynamics under various working conditions, e.g., Darcy flow and high Reynolds number. Unlike traditional fluid dynamical solvers that depend on complex architectures to extract intricate correlations and learn underlying physical states, our approach formulates the prediction of flow dynamics as the image translation problem and accordingly leverage the plain diffusion model to tackle the problem. This reduction in model design complexity does not compromise its ability to capture complex physical states and geometric features of fluid dynamical equations, leading to high-precision solutions. In preliminary tests on various fluid-related benchmarks, our DiffFluid achieves consistent state-of-the-art performance, particularly in solving the Navier-Stokes equations in fluid dynamics, with a relative precision improvement of +44.8%. In addition, we achieved relative improvements of +14.0% and +11.3% in the Darcy flow equation and the airfoil problem with Euler's equation, respectively. Code will be released at https://github.com/DongyuLUO/DiffFluid upon acceptance.
• Abstract（参考訳）: 本稿では, トランスフォーマーを用いた拡散モデルが, 各種作業条件, ダーシー流, レイノルズ数などの流体力学の効果的な予測因子であることを示す。 複雑な構造に依存して複雑な相関関係を抽出し,基礎となる物理状態を学習する従来の流体力学解法とは異なり,本手法は画像翻訳問題としてフローダイナミクスの予測を定式化し,その問題に対処するために平らな拡散モデルを利用する。 このモデル設計の複雑さの低減は、流体力学方程式の複雑な物理的状態や幾何学的特徴を捉える能力を損なうことなく、高精度な解が導かれる。 各種流体関連ベンチマークの予備試験では、DiffFluidは、特に流体力学におけるナヴィエ・ストークス方程式の解法において、一貫した技術性能を達成し、相対精度は+44.8%向上した。 さらに, ダシー流方程式の+14.0%と+11.3%の相対的な改善, オイラー方程式の翼問題も達成した。 コードは受理後、https://github.com/DongyuLUO/DiffFluidでリリースされる。

関連論文リスト

• Generative AI for fast and accurate Statistical Computation of Fluids [21.820160898966055]
  本稿では,高速で正確で頑健な統計計算の課題に対処する生成AIアルゴリズムを提案する。 GenCFDと呼ばれる我々のアルゴリズムは条件付きスコアベース拡散モデルに基づいている。
  論文  参考訳（メタデータ） (2024-09-27T00:26:18Z)
• Inpainting Computational Fluid Dynamics with Deep Learning [8.397730500554047]
  有効な流体データ補完法は、流体力学実験において必要なセンサー数を削減する。 流体データ完備化問題の誤った性質は、理論解を得るのを違法に困難にしている。 ベクトル量子化法を用いて、完全および不完全流体データ空間を離散値下次元表現にマッピングする。
  論文  参考訳（メタデータ） (2024-02-27T03:44:55Z)
• Vision-Informed Flow Image Super-Resolution with Quaternion Spatial Modeling and Dynamic Flow Convolution [49.45309818782329]
  フロー画像超解像(FISR)は、低分解能フロー画像から高分解能乱流速度場を復元することを目的としている。 既存のFISR法は主に自然画像パターンのフロー画像を処理する。 第一流れの視覚特性インフォームドFISRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-29T06:48:16Z)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)
• FluidLab: A Differentiable Environment for Benchmarking Complex Fluid Manipulation [80.63838153351804]
  複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。 私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。 微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
  論文  参考訳（メタデータ） (2023-03-04T07:24:22Z)
• Forecasting through deep learning and modal decomposition in two-phase concentric jets [2.362412515574206]
  本研究はターボファンエンジンにおける燃料室噴射器の性能向上を目的としている。 燃料/空気混合物のリアルタイム予測と改善を可能にするモデルの開発が必要である。
  論文  参考訳（メタデータ） (2022-12-24T12:59:41Z)
• NeuroFluid: Fluid Dynamics Grounding with Particle-Driven Neural Radiance Fields [65.07940731309856]
  深層学習は流体のような複雑な粒子系の物理力学をモデル化する大きな可能性を示している。 本稿では,流体力学グラウンドリング(fluid dynamics grounding)として知られる,部分的に観測可能なシナリオについて考察する。 我々はNeuroFluidという2段階の異なるネットワークを提案する。 初期形状、粘度、密度が異なる流体の基礎物理学を合理的に推定することが示されている。
  論文  参考訳（メタデータ） (2022-03-03T15:13:29Z)
• Designing Air Flow with Surrogate-assisted Phenotypic Niching [117.44028458220427]
  品質多様性アルゴリズムであるサロゲート支援表現型ニッチを導入する。 計算に高価な表現型特徴を用いることで、大規模で多様な行動群を発見することができる。 本研究では,2次元流体力学最適化問題における気流の種類を明らかにする。
  論文  参考訳（メタデータ） (2021-05-10T10:45:28Z)
• Neural Ordinary Differential Equations for Data-Driven Reduced Order Modeling of Environmental Hydrodynamics [4.547988283172179]
  流体シミュレーションにおける神経常微分方程式の利用について検討する。 テスト問題としては,シリンダー周辺の非圧縮性流れや河川・河口系における浅水流体力学の現実的応用などが挙げられる。 本研究では,ニューラル ODE が潜在空間力学の安定かつ正確な進化のためのエレガントな枠組みを提供することを示唆する。
  論文  参考訳（メタデータ） (2021-04-22T19:20:47Z)
• A Framework for Fluid Motion Estimation using a Constraint-Based Refinement Approach [0.0]
  制約に基づく精錬手法を用いて流体運動推定のための一般的な枠組みを定式化する。 この結果から, 流体流動の古典的連続性方程式に基づく近似式が得られた。 また、系を対角化するコーシー・リーマン作用素との驚くべき関係を観察し、流れの発散と曲率を含む拡散現象を導いた。
  論文  参考訳（メタデータ） (2020-11-24T18:23:39Z)
• Combining Differentiable PDE Solvers and Graph Neural Networks for Fluid Flow Prediction [79.81193813215872]
  我々は,従来のグラフ畳み込みネットワークと,ネットワーク内部に組込み可能な流体力学シミュレータを組み合わせたハイブリッド(グラフ)ニューラルネットワークを開発した。 ニューラルネットワークのCFD予測の大幅な高速化により,新たな状況に十分対応できることが示される。
  論文  参考訳（メタデータ） (2020-07-08T21:23:19Z)

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。