論文の概要: ThermoONet -- a deep learning-based small body thermophysical network: applications to modelling water activity of comets

• arxiv url: http://arxiv.org/abs/2505.14016v1
• Date: Tue, 20 May 2025 07:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:52.85016
• Title: ThermoONet -- a deep learning-based small body thermophysical network: applications to modelling water activity of comets
• Title（参考訳）: ThermoONet - 深層学習に基づく小型天体熱物理ネットワーク-彗星の水活動のモデル化への応用
• Authors: Shunjing Zhao, Xian Shi, Hanlun Lei,
• Abstract要約: 我々は、彗星の温度と水の氷束を予測するために設計されたニューラルネットワークであるThermoONetを開発するために機械学習アプローチを採用している。 性能評価の結果,サーモネットは地下温度で約2%の低い平均誤差を達成できた。 67P/チュリュモフ・ゲラシメンコ彗星と21P/ジャコビニ・ジンナー彗星の水生産率曲線を適合させてネットワークの有効性と効率を実証した。
• 参考スコア（独自算出の注目度）: 0.7373617024876725
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cometary activity is a compelling subject of study, with thermophysical models playing a pivotal role in its understanding. However, traditional numerical solutions for small body thermophysical models are computationally intensive, posing challenges for investigations requiring high-resolution or repetitive modeling. To address this limitation, we employed a machine learning approach to develop ThermoONet - a neural network designed to predict the temperature and water ice sublimation flux of comets. Performance evaluations indicate that ThermoONet achieves a low average error in subsurface temperature of approximately 2% relative to the numerical simulation, while reducing computational time by nearly six orders of magnitude. We applied ThermoONet to model the water activity of comets 67P/Churyumov-Gerasimenko and 21P/Giacobini-Zinner. By successfully fitting the water production rate curves of these comets, as obtained by the Rosetta mission and the SOHO telescope, respectively, we demonstrate the network's effectiveness and efficiency. Furthermore, when combined with a global optimization algorithm, ThermoONet proves capable of retrieving the physical properties of target bodies.
• Abstract（参考訳）: 彗星の活動は魅力的な研究対象であり、熱物理学モデルがその理解において重要な役割を担っている。 しかし、小型体熱物理モデルに対する従来の数値解は計算に重きを置いており、高分解能または反復的なモデリングを必要とする研究の課題を提起している。 この制限に対処するために、我々は、彗星の温度と水氷昇華フラックスを予測するように設計されたニューラルネットワークであるThermoONetを開発するために、機械学習アプローチを採用した。 性能評価の結果,サーモネットは地下温度の約2%の低い平均誤差を数値シミュレーションと比較し,計算時間を約6桁削減した。 本研究では,67P/Churyumov-Gerasimenko彗星と21P/Giacobini-Zinner彗星の水活動のモデル化にThermoONetを適用した。 ロゼッタ計画とSOHO望遠鏡で得られたこれらの彗星の水生産率曲線をそれぞれ適合させることで、ネットワークの有効性と効率を実証する。 さらに,グローバル最適化アルゴリズムと組み合わせることで,対象物体の物理的特性を検索できることを示す。

関連論文リスト

• Data-Driven Optical To Thermal Inference in Pool Boiling Using Generative Adversarial Networks [1.0499611180329804]
  本稿では,標準プール沸騰構成における幾何位相から温度場を推定するデータ駆動フレームワークを提案する。 本研究は,観測可能な多相現象と熱輸送のギャップを埋めるための深部生成モデルの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-05-01T19:26:01Z)
• Deep operator neural network applied to efficient computation of asteroid surface temperature and the Yarkovsky effect [0.7373617024876725]
  ディープオペレータニューラルネットワーク(DeepONet)は、小惑星の表面温度をモデル化するための強力なツールを提供する。 DeepONetは平均で1%の精度で温度を予測でき、計算コストは5桁以下である。 予備的な応用として、即時ヤルコフスキー効果を組み込んだ直接N体シミュレーションにより小惑星の軌道進化を解析した。
  論文  参考訳（メタデータ） (2024-11-04T22:38:27Z)
• Deep Learning for Melt Pool Depth Contour Prediction From Surface Thermal Images via Vision Transformers [40.80426609561942]
  レーザー粉層融合(L-PBF)時に発生する溶融プール間の十分な重なり合いは、核融合欠陥の欠如につながる。 高速カラーイメージングにより観察されたその場2色熱画像と溶融プール断面の2次元形状を相関付ける機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T20:55:39Z)
• Deep encoder-decoder hierarchical convolutional neural networks for conjugate heat transfer surrogate modeling [0.0]
  共役熱伝達(CHT)解析は多くのエネルギー系の設計に不可欠である。 高忠実CHT数値シミュレーションは計算集約的である。 我々は,CHT解析のためのモジュール型ディープエンコーダ・デコーダ階層型畳み込みニューラルネットワーク(DeepEDH)を開発した。
  論文  参考訳（メタデータ） (2023-11-24T21:45:11Z)
• Bayesian inference of composition-dependent phase diagrams [47.79947989845143]
  本研究では,分子動力学(MD),融点シミュレーション,フォノン計算からの熱力学データを合成し,これらのデータを処理し,温度集中相図を生成する手法を開発した。 開発したアルゴリズムは,Ge-SiとK-Naの2つの二元系において,全濃度および温度で試験に成功した。
  論文  参考訳（メタデータ） (2023-09-03T20:57:10Z)
• A Neural PDE Solver with Temporal Stencil Modeling [44.97241931708181]
  最近の機械学習(ML)モデルでは、高解像度信号において重要なダイナミクスを捉えることが約束されている。 この研究は、低解像度のダウンサンプリング機能で重要な情報が失われることがしばしばあることを示している。 本稿では,高度な時系列シーケンスモデリングと最先端のニューラルPDEソルバの強みを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-02-16T06:13:01Z)
• Physics-Guided Generative Adversarial Networks for Sea Subsurface Temperature Prediction [24.55780949103687]
  海面下温度は気候変動の地球温暖化の影響を受けている。 既存の研究は一般に物理学に基づく数値モデルまたはデータに基づくモデルに基づいている。 本稿では,GAN(Generative Adversarial Network)と数値モデルを組み合わせた,海底温度の予測手法を提案する。
  論文  参考訳（メタデータ） (2021-11-04T23:46:51Z)
• Accurate simulation and thermal tuning by temperature-adaptive boundary interactions on quantum many-body systems [2.13230439190003]
  本研究では, 1次元(1次元)多体系の熱力学を模倣し, 調整する温度適応型エンタングルメントシミュレータ(TAES)を提案する。 1Dスピンチェーンのベンチマークでは、TAESは既存の有限温度アプローチと比較して最先端の精度を上回っている。
  論文  参考訳（メタデータ） (2021-04-30T15:21:06Z)
• Role of topology in determining the precision of a finite thermometer [58.720142291102135]
  低接続性は、温度計を低温で動作させるためのリソースであることに気付きました。 位置測定により達成可能な精度を,エネルギー測定に対応する最適値と比較する。
  論文  参考訳（メタデータ） (2021-04-21T17:19:42Z)

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。