論文の概要: DamFormer: Generalizing Morphologies in Dam Break Simulations Using Transformer Model
- arxiv url: http://arxiv.org/abs/2410.18998v1
- Date: Thu, 17 Oct 2024 13:18:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-03 07:49:37.406940
- Title: DamFormer: Generalizing Morphologies in Dam Break Simulations Using Transformer Model
- Title(参考訳): ダムホルマー:変圧器モデルを用いたダム破壊シミュレーションにおける形態の一般化
- Authors: Zhaoyang Mul, Aoming Liang, Mingming Ge, Dashuai Chen, Dixia Fan, Minyi Xu,
- Abstract要約: 深層学習技術を用いて, 各種構造形状に影響を及ぼす波面の動的変化について検討する。
複雑なインタラクションを学習し、シミュレートするために設計された、新しいトランスフォーマーベースのモデルであるDamFormerを紹介する。
- 参考スコア(独自算出の注目度): 0.5725423566545915
- License:
- Abstract: The interaction of waves with structural barriers such as dams breaking plays a critical role in flood defense and tsunami disasters. In this work, we explore the dynamic changes in wave surfaces impacting various structural shapes, e.g., circle, triangle, and square, by using deep learning techniques. We introduce the DamFormer, a novel transformer-based model designed to learn and simulate these complex interactions. The model was trained and tested on simulated data representing the three structural forms.
- Abstract(参考訳): ダム破壊などの構造的障壁と波の相互作用は、洪水防衛や津波災害において重要な役割を担っている。
本研究では, 深層学習技術を用いて, 様々な構造形状, 円, 三角形, 正方形に影響を及ぼす波面の動的変化について検討する。
複雑なインタラクションを学習し、シミュレートするために設計された、新しいトランスフォーマーベースのモデルであるDamFormerを紹介する。
モデルは3つの構造体を表すシミュレーションデータに基づいて訓練され、試験された。
関連論文リスト
- Dynamics of Transient Structure in In-Context Linear Regression Transformers [0.5242869847419834]
中間タスクの多様性を持つコンテキスト内線形回帰タスクでトランスフォーマーを訓練する場合、トレーニング分布のタスクに特化する前にリッジ回帰のように振る舞うことを示す。
一般解から特殊解へのこの遷移は、結合軌道主成分分析によって明らかにされる。
局所学習係数によって定義される変圧器のモデル複雑性を測定することにより、この説明を実証的に検証する。
論文 参考訳(メタデータ) (2025-01-29T16:32:14Z) - Synthesizing 3D Abstractions by Inverting Procedural Buildings with Transformers [2.199128905898291]
手続きモデルを逆転させることで,建物を抽象化する。
提案手法は, 形状, 構造, 構造的に一貫した塗装の精度を向上する。
論文 参考訳(メタデータ) (2025-01-28T16:09:34Z) - Operator Learning for Reconstructing Flow Fields from Sparse Measurements: an Energy Transformer Approach [8.156288231122543]
本稿では,エネルギー変換器を用いて再構成問題を解決するための新しい演算子学習フレームワークを提案する。
不完全な観測データから完全に再構成されたフィールドへのマッピングとして再構成を定式化する。
その結果、ETは複雑な流れ場を高度に不完全なデータから正確に再構築できることを示した。
論文 参考訳(メタデータ) (2025-01-02T19:24:19Z) - Data-Driven Nonlinear Deformation Design of 3D-Printable Shells [1.5088726951324294]
本研究では,3次元プリント可能なシェルの設計・性能関係と圧縮力変位挙動を学習するための実験データに基づくニューラルネットワークを提案する。
何千もの物理的実験に基づいて、我々のネットワークは前方および逆設計の両方を補助し、所望の弾塑性および超弾性変形を示す殻を生成する。
論文 参考訳(メタデータ) (2024-08-27T14:30:06Z) - A spatiotemporal deep learning framework for prediction of crack dynamics in heterogeneous solids: efficient mapping of concrete microstructures to its fracture properties [0.0]
深層学習フレームワークは, コンクリートメソ構造中のフラクチャーの2次元フルフィールド予測を行うことができる。
メソ構造の平均応力-ひずみ曲線を予測できる畳み込みニューラルネットワークを開発した。
UNetモデリングフレームワークは、スキップ接続を持つエンコーダ-デコーダセクションで構成され、ディープラーニングサロゲートモデルとして使用される。
論文 参考訳(メタデータ) (2024-07-22T14:28:46Z) - PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。
この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。
また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
論文 参考訳(メタデータ) (2024-04-25T15:06:58Z) - REACTO: Reconstructing Articulated Objects from a Single Video [64.89760223391573]
関節の柔軟な変形を維持しつつ各部の剛性を向上する新しい変形モデルを提案する。
提案手法は, 従来よりも高忠実度な3D再構成を実現する上で, 従来の手法よりも優れていた。
論文 参考訳(メタデータ) (2024-04-17T08:01:55Z) - Ghost on the Shell: An Expressive Representation of General 3D Shapes [97.76840585617907]
リアルな素材と照明で高速な物理ベースのレンダリングを可能にするので、メッシュは魅力的だ。
近年の3次元形状の再構成と統計的モデリングの研究は、メッシュをトポロジカルに非フレキシブルであると批判している。
我々は水密面上の多様体符号距離場を定義することにより開曲面をパラメータ化する。
G-Shellは、非水密メッシュ再構築および生成タスクにおける最先端の性能を達成する。
論文 参考訳(メタデータ) (2023-10-23T17:59:52Z) - ACID: Action-Conditional Implicit Visual Dynamics for Deformable Object
Manipulation [135.10594078615952]
本稿では,体積変形可能なオブジェクトに対する動作条件の視覚力学モデルであるACIDを紹介する。
ベンチマークには17,000以上のアクション・トラジェクトリー、6種類のぬいぐるみと78種類の変種が含まれている。
我々のモデルは、幾何学、対応、力学の予測において最高の性能を達成する。
論文 参考訳(メタデータ) (2022-03-14T04:56:55Z) - Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model
Alignments [81.38641691636847]
エンボディエージェントの観点から,シーン再構築の問題を再考する。
rgb-dデータストリームを用いてインタラクティブシーンを再構築する。
この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
論文 参考訳(メタデータ) (2021-03-30T05:56:58Z) - Machine learning for rapid discovery of laminar flow channel wall
modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。
畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文 参考訳(メタデータ) (2021-01-19T16:14:02Z)
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。