論文の概要: Fast Differentiable Modal Simulation of Non-linear Strings, Membranes, and Plates

• arxiv url: http://arxiv.org/abs/2505.05940v1
• Date: Fri, 09 May 2025 10:28:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-12 20:40:10.231332
• Title: Fast Differentiable Modal Simulation of Non-linear Strings, Membranes, and Plates
• Title（参考訳）: 非線型弦, 膜, プレートの高速微分型モーダルシミュレーション
• Authors: Rodrigo Diaz, Mark Sandler,
• Abstract要約: 逆モデリング実験により, テンション, 剛性, 幾何などの物理パラメータを復元できることが実証された。 コードはオープンソースとしてリリースされ、様々な物理的モデリングと音声合成における将来の研究と応用をサポートする。
• 参考スコア（独自算出の注目度）: 9.454497838382027
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Modal methods for simulating vibrations of strings, membranes, and plates are widely used in acoustics and physically informed audio synthesis. However, traditional implementations, particularly for non-linear models like the von K\'arm\'an plate, are computationally demanding and lack differentiability, limiting inverse modelling and real-time applications. We introduce a fast, differentiable, GPU-accelerated modal framework built with the JAX library, providing efficient simulations and enabling gradient-based inverse modelling. Benchmarks show that our approach significantly outperforms CPU and GPU-based implementations, particularly for simulations with many modes. Inverse modelling experiments demonstrate that our approach can recover physical parameters, including tension, stiffness, and geometry, from both synthetic and experimental data. Although fitting physical parameters is more sensitive to initialisation compared to other methods, it provides greater interpretability and more compact parameterisation. The code is released as open source to support future research and applications in differentiable physical modelling and sound synthesis.
• Abstract（参考訳）: 弦、膜、プレートの振動をシミュレートするモーダル法は、音響学や物理的に情報を得た音声合成において広く用いられている。 しかしながら、von K\'arm\an プレートのような非線形モデルに対する伝統的な実装は、計算的に要求され、微分性がなく、逆モデリングやリアルタイムアプリケーションを制限する。 JAXライブラリで構築された高速で差別化可能なGPUアクセラレーション・モーダル・フレームワークを導入し、効率的なシミュレーションと勾配に基づく逆モデリングを実現した。 ベンチマークの結果,提案手法はCPUおよびGPUベースの実装,特に多くのモードを持つシミュレーションにおいて著しく優れていた。 逆モデリング実験により, 合成データと実験データの両方から, 張力, 剛性, 幾何などの物理パラメータを復元できることが実証された。 物理パラメータの適合は他の手法に比べて初期化に敏感であるが、より解釈可能性が高く、よりコンパクトなパラメータ化を提供する。 コードはオープンソースとしてリリースされ、様々な物理的モデリングと音声合成における将来の研究と応用をサポートする。

関連論文リスト

• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
  ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたソフトウェアスパイクニューラルネットワークシミュレータである。 得られた結果が,ソフトウェアでトレーニングされたスパイクニューラルネットワークの動作を,かつてハードウェアにデプロイされた場合の信頼性の高い推定方法を示す。
  論文  参考訳（メタデータ） (2024-09-23T11:16:46Z)
• Differentiable Modal Synthesis for Physical Modeling of Planar String Sound and Motion Simulation [17.03776191787701]
  非線形弦の運動特性をシミュレーションする新しいモデルを提案する。 我々は物理ネットワークフレームワークにモーダル合成とスペクトルモデリングを統合する。 経験的評価は、弦運動シミュレーションにおいて、アーキテクチャが優れた精度を達成することを示す。
  論文  参考訳（メタデータ） (2024-07-07T23:36:51Z)
• Comparative Study of State-based Neural Networks for Virtual Analog Audio Effects Modeling [0.0]
  本稿では,仮想アナログモデリングにおける機械学習の応用について考察する。 我々は、ステートスペースモデルと線形リカレントユニットを、より一般的なLong Short-Term Memoryネットワークと比較する。
  論文  参考訳（メタデータ） (2024-05-07T08:47:40Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
  本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。 実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-10T13:23:05Z)
• Model-data-driven constitutive responses: application to a multiscale computational framework [0.0]
  古典法則(モデルベース)、データ駆動補正コンポーネント、計算的マルチスケールアプローチを組み合わせたハイブリッド方法論が提示される。 非線形数値均質化法により得られた低スケールのデータを用いてモデルベース材料表現を局所的に改善する。 提案手法では,モデルとデータの両方が基本的な役割を担い,物理に基づく応答と機械学習のブラックボックスの相乗的統合を実現する。
  論文  参考訳（メタデータ） (2021-04-06T16:34:46Z)
• Automatic Differentiation and Continuous Sensitivity Analysis of Rigid Body Dynamics [15.565726546970678]
  剛体力学のための微分可能な物理シミュレータを提案する。 軌道最適化の文脈では、閉ループモデル予測制御アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2020-01-22T03:54:00Z)

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。