Fugu-MT 論文翻訳(概要): Entropy stable conservative flux form neural networks

論文の概要: Entropy stable conservative flux form neural networks

arxiv url: http://arxiv.org/abs/2411.01746v1
Date: Mon, 04 Nov 2024 02:01:31 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-28 17:07:43.916075
Title: Entropy stable conservative flux form neural networks
Title（参考訳）: エントロピー安定な保存的フラックス形ニューラルネットワーク
Authors: Lizuo Liu, Tongtong Li, Anne Gelb, Yoonsang Lee,
Abstract要約: 本稿では,古典的数値保存法則をデータ駆動型フレームワークに統合した,エントロピー安定型保守型フラックス型ニューラルネットワークを提案する。数値実験により、エントロピー安定CFNは、拡張時間領域の精度を維持しつつ、安定性と保存性を両立することを示した。
参考スコア（独自算出の注目度）: 3.417730578086946
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose an entropy-stable conservative flux form neural network (CFN) that integrates classical numerical conservation laws into a data-driven framework using the entropy-stable, second-order, and non-oscillatory Kurganov-Tadmor (KT) scheme. The proposed entropy-stable CFN uses slope limiting as a denoising mechanism, ensuring accurate predictions in both noisy and sparse observation environments, as well as in both smooth and discontinuous regions. Numerical experiments demonstrate that the entropy-stable CFN achieves both stability and conservation while maintaining accuracy over extended time domains. Furthermore, it successfully predicts shock propagation speeds in long-term simulations, {\it without} oracle knowledge of later-time profiles in the training data.
Abstract（参考訳）: 本稿では,古典的数値保存法則を,エントロピー安定,二階,非振動性クルガノフ・タドモール(KT)方式を用いて,データ駆動型フレームワークに統合する,エントロピー安定型保守型フラックス型ニューラルネットワークを提案する。 The proposed entropy-stable CFN using slope limiting as a denoising mechanism, secure accurate predictions in both noisy and sparse observed environment, and in both smooth and discontinuous region。数値実験により、エントロピー安定CFNは、拡張時間領域の精度を維持しつつ、安定性と保存性を両立することを示した。さらに、長期シミュレーションにおける衝撃伝播速度の予測に成功し、トレーニングデータにおける後続プロファイルのオラクル知識を欠いた。

関連論文リスト

Nonlinear Assimilation via Score-based Sequential Langevin Sampling [5.107329143106734]
本稿ではスコアベースシーケンシャルランゲヴィンサンプリング(SSLS)を提案する。提案手法は,同化過程を交互に予測・更新ステップに分解する。特定の条件下での総変動(TV)距離におけるSSLS収束の理論的保証を提供する。
論文参考訳（メタデータ） (2024-11-20T16:31:46Z)
Loschmidt echo, emerging dual unitarity and scaling of generalized temporal entropies after quenches to the critical point [0.0]
クエンチ後の積状態のLoschmidtエコーが共形場理論を用いてどのように予測できるかを示す。また、最近の進化の二重ユニタリ性も予測し、確認することができます。
論文参考訳（メタデータ） (2024-05-23T15:40:37Z)
Convergence of mean-field Langevin dynamics: Time and space discretization, stochastic gradient, and variance reduction [49.66486092259376]
平均場ランゲヴィンダイナミクス(英: mean-field Langevin dynamics、MFLD)は、分布依存のドリフトを含むランゲヴィン力学の非線形一般化である。近年の研究では、MFLDは測度空間で機能するエントロピー規則化された凸関数を地球規模で最小化することが示されている。有限粒子近似,時間分散,勾配近似による誤差を考慮し,MFLDのカオスの均一時間伝播を示す枠組みを提供する。
論文参考訳（メタデータ） (2023-06-12T16:28:11Z)
Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文参考訳（メタデータ） (2023-06-06T09:12:49Z)
Privacy Risk for anisotropic Langevin dynamics using relative entropy bounds [1.911678487931003]
異方性ノイズが、より優れたプライバシーと精度のトレードオフにつながることを示す。異方性ノイズが、より優れたプライバシーと精度のトレードオフにつながることを示す。
論文参考訳（メタデータ） (2023-02-01T21:32:22Z)
Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
論文参考訳（メタデータ） (2023-01-19T20:04:36Z)
Ensemble Reservoir Computing for Dynamical Systems: Prediction of Phase-Space Stable Region for Hadron Storage Rings [0.0]
Echo State Networks (ESN) は、計算に有効なリカレントニューラルネットワークのクラスである。本研究では、位相空間安定性領域の予測に基づいて、ESNが到達した性能を示す。提案手法は動的開口範囲の時間進化を効果的に予測できる。
論文参考訳（メタデータ） (2023-01-17T10:29:07Z)
Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文参考訳（メタデータ） (2022-10-31T04:04:03Z)
Clean two-dimensional Floquet time-crystal [68.8204255655161]
障害のない2次元量子イジングモデルは、周期的不完全大域スピンフリップの対象となる。本稿では, 自発的に破れた離散時間-翻訳対称性を維持できる, 正確な対角化法とテンソル-ネットワーク法の組み合わせにより示す。 2次元における磁区の長期安定性に関連する秩序パラメータの崩壊速度の非摂動変化を観察する。
論文参考訳（メタデータ） (2022-05-10T13:04:43Z)
Role of stochastic noise and generalization error in the time propagation of neural-network quantum states [0.0]
ニューラルネットワーク量子状態(NQS)は、平衡外力学をシミュレートするのに適切な変分アンサッツであることが示されている。安定かつ正確な時間伝搬は、十分に規則化された変動力学のレギュレーションで達成できることを示す。
論文参考訳（メタデータ） (2021-05-03T17:55:09Z)
Noisy Recurrent Neural Networks [45.94390701863504]
入力データによって駆動される微分方程式の離散化として,隠れ状態に雑音を注入することによって訓練されたリカレントニューラルネットワーク(RNN)について検討する。合理的な仮定の下では、この暗黙の正則化はより平坦なミニマムを促進し、より安定な力学を持つモデルに偏りを呈し、分類タスクではより大きな分類マージンを持つモデルを好む。本理論は, 各種入力摂動に対するロバスト性の向上と, 最先端性能の維持を両立させる実証実験により支持された。
論文参考訳（メタデータ） (2021-02-09T15:20:50Z)
Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文参考訳（メタデータ） (2020-10-08T20:25:52Z)
Inference, Prediction, and Entropy-Rate Estimation of Continuous-time, Discrete-event Processes [0.0]
モデルの推定、未来予測、離散時間離散イベントプロセスのエントロピー率の推定は、十分に成り立っている。ここでは、それらを推測、予測、推定するための新しい方法を提案する。
論文参考訳（メタデータ） (2020-05-07T20:54:19Z)

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。