論文の概要: Contactless Precision Steering of Particles in a Fluid inside a Cube with Rotating Walls

• arxiv url: http://arxiv.org/abs/2506.15958v1
• Date: Thu, 19 Jun 2025 01:56:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.906877
• Title: Contactless Precision Steering of Particles in a Fluid inside a Cube with Rotating Walls
• Title（参考訳）: 回転壁を有する立方体内流体中の粒子の接触レス精密操舵
• Authors: Lucas Amoudruz, Petr Karnakov, Petros Koumoutsakos,
• Abstract要約: 本研究では,複数粒子の流れを制御できる新しい制御アルゴリズムを提案する。 このシステムは回転ディスクを使用して、粒子を正確な場所に輸送する流れ場を生成する。
• 参考スコア（独自算出の注目度）: 1.3225694028747141
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Contactless manipulation of small objects is essential for biomedical and chemical applications, such as cell analysis, assisted fertilisation, and precision chemistry. Established methods, including optical, acoustic, and magnetic tweezers, are now complemented by flow control techniques that use flow-induced motion to enable precise and versatile manipulation. However, trapping multiple particles in fluid remains a challenge. This study introduces a novel control algorithm capable of steering multiple particles in flow. The system uses rotating disks to generate flow fields that transport particles to precise locations. Disk rotations are governed by a feedback control policy based on the Optimising a Discrete Loss (ODIL) framework, which combines fluid dynamics equations with path objectives into a single loss function. Our experiments, conducted in both simulations and with the physical device, demonstrate the capability of the approach to transport two beads simultaneously to predefined locations, advancing robust contactless particle manipulation for biomedical applications.
• Abstract（参考訳）: 微小物体の接触のない操作は、細胞分析、受精支援、精密化学などの生物医学・化学的応用に不可欠である。 光学的、音響的、磁気的ツイーザを含む確立された手法は、フロー誘起運動を用いて精密で汎用的な操作を可能にするフロー制御技術によって補完されている。 しかし、流体中に複数の粒子を閉じ込めることは依然として困難である。 本研究では,複数粒子の流れを制御できる新しい制御アルゴリズムを提案する。 このシステムは回転ディスクを使用して、粒子を正確な場所に輸送する流れ場を生成する。 ディスクの回転は、流体力学方程式と経路の目的を結合した単一損失関数であるOptimising a Discrete Loss (ODIL)フレームワークに基づくフィードバック制御ポリシーによって制御される。 シミュレーションと物理装置の両方で実施した本実験では, 2つのビーズを予め定義された場所に同時に輸送し, バイオメディカル応用のための堅牢な接触のない粒子操作を推し進める手法の有効性を実証した。

関連論文リスト

• Physics-informed neural networks for hidden boundary detection and flow field reconstruction [0.0]
  本研究では,静的あるいは運動する固体境界の存在,形状,運動を推定する物理インフォームドニューラルネットワーク(PINN)フレームワークを提案する。 このフレームワークは、圧縮不能なNavier-Stokesや圧縮可能なEulerフローなど、さまざまなシナリオで検証されている。 提案手法はロバスト性および汎用性を示し,実験データや数値データしか利用できない場合の応用の可能性を強調した。
  論文  参考訳（メタデータ） (2025-03-31T13:30:46Z)
• Machine learning of hidden variables in multiscale fluid simulation [77.34726150561087]
  流体力学方程式を解くには、しばしばミクロ物理学の欠如を考慮に入れた閉包関係を用いる必要がある。 本研究では, 終端微分可能な偏微分方程式シミュレータを用いて, 偏微分ニューラルネットワークを訓練する。 本手法により, 非線形, 大型クヌーズン数プラズマ物理を再現する方程式に基づく手法が可能であることを示す。
  論文  参考訳（メタデータ） (2023-06-19T06:02:53Z)
• Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes [37.69303106863453]
  本稿では3次元Y字ミキサー内の層流をシミュレートするハイブリッド量子物理学インフォームドニューラルネットワークを提案する。 我々のアプローチは、量子モデルの表現力と物理インフォームドニューラルネットワークの柔軟性を組み合わせることで、純粋に古典的なニューラルネットワークに比べて21%高い精度を実現している。
  論文  参考訳（メタデータ） (2023-04-21T20:49:29Z)
• 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)
• Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions [65.84090965167535]
  本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。 このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
  論文  参考訳（メタデータ） (2022-06-29T18:47:05Z)
• Scalable all-optical cold damping of levitated nanoparticles [3.0112534079486846]
  トラップ位置の空間変調に基づく新しい全光学式冷減衰方式を提案する。 この技術は粒子の中心運動を17,mKまで冷却し、圧力は2倍の10-6,mbarとなる。 我々の研究は、粒子間の量子相互作用の研究への道を開き、空洞ベースの冷却や電極、荷電粒子を使わずに粒子運動の3次元量子制御を実現する。
  論文  参考訳（メタデータ） (2022-05-09T17:57:20Z)
• 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)
• Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
  本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。 この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
  論文  参考訳（メタデータ） (2021-05-28T02:08:03Z)
• Automatic Particle Trajectory Classification in Plasma Simulations [0.0]
  粒子軌道空間を探索し、プラズマシミュレーションから粒子軌道を自動的に分類するための一般的なワークフローを提供する。 磁気リコネクション問題における電子軌道の分類によるワークフローの実証を行う。 本手法は,従来の文献からの既存結果の復元に成功し,基礎となるシステムに関する事前知識は得られなかった。
  論文  参考訳（メタデータ） (2020-10-11T21:15:18Z)

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。