論文の概要: Neural-Network solver of ideal MHD equilibria

• arxiv url: http://arxiv.org/abs/2507.03119v1
• Date: Thu, 03 Jul 2025 18:56:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.584342
• Title: Neural-Network solver of ideal MHD equilibria
• Title（参考訳）: 理想的MHD平衡のニューラルネットワーク解法
• Authors: Timo Thun, Andrea Merlo, Rory Conlin, Dario Panici, Daniel Böckenhoff,
• Abstract要約: 本稿では,ニューラルネットワークを用いたフーリエモードのパラメータ化による3次元磁気流体平衡の計算手法を提案する。 我々は、最小限の複雑なニューラルネットワークを使用し、ニューラルネットワークで単一の平衡を解くだけでなく、平衡の連続分布に有効なニューラルネットワークモデルを計算するための大幅な改善を期待する。
• 参考スコア（独自算出の注目度）: 1.2408125305560274
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a novel approach to compute three-dimensional Magnetohydrodynamic equilibria by parametrizing Fourier modes with artificial neural networks and compare it to equilibria computed by conventional solvers. The full nonlinear global force residual across the volume in real space is then minimized with first order optimizers. Already,we observe competitive computational cost to arrive at the same minimum residuals computed by existing codes. With increased computational cost,lower minima of the residual are achieved by the neural networks,establishing a new lower bound for the force residual. We use minimally complex neural networks,and we expect significant improvements for solving not only single equilibria with neural networks,but also for computing neural network models valid over continuous distributions of equilibria.
• Abstract（参考訳）: 本稿では, ニューラルネットワークを用いてフーリエモードをパラメータ化することで3次元磁気流体平衡を計算し, 従来の解法で計算された平衡値と比較する。 実空間における体積の完全な非線形大域的力は、一階最適化器で最小化される。 すでに私たちは、既存のコードで計算された最小限の残差に到達するための競争計算コストを観察している。 計算コストの増大に伴い、残余のより低いミニマはニューラルネットワークによって達成され、力残余に対する新しい下限が確立される。 我々は、最小限の複雑なニューラルネットワークを使用し、ニューラルネットワークで単一の平衡を解くだけでなく、平衡の連続分布に有効なニューラルネットワークモデルを計算するための大幅な改善を期待する。

関連論文リスト

• Scalable Mechanistic Neural Networks for Differential Equations and Machine Learning [52.28945097811129]
  長い時間的シーケンスを含む科学機械学習応用のための拡張ニューラルネットワークフレームワークを提案する。 計算時間と空間複雑度はそれぞれ、列長に関して立方体と二次体から線形へと減少する。 大規模な実験により、S-MNNは元のMNNと精度で一致し、計算資源を大幅に削減した。
  論文  参考訳（メタデータ） (2024-10-08T14:27:28Z)
• First Order System Least Squares Neural Networks [0.0]
  深部ニューラルネットワークによるユークリッド空間における有界多面体ドメイン上のPDEを数値的に解く。 LSQ損失関数の正確な数値最小化を仮定した適応型ニューラルネットワーク成長戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-30T13:04:35Z)
• Optimization Over Trained Neural Networks: Taking a Relaxing Walk [4.517039147450688]
  ニューラルネットワークモデルの大域的および局所的線形緩和を探索し,よりスケーラブルな解法を提案する。 我々の解法は最先端のMILP解法と競合し、それ以前には入力、深さ、ニューロン数の増加によるより良い解法を導出する。
  論文  参考訳（メタデータ） (2024-01-07T11:15:00Z)
• Speed Limits for Deep Learning [67.69149326107103]
  熱力学の最近の進歩は、初期重量分布から完全に訓練されたネットワークの最終分布への移動速度の制限を可能にする。 線形および線形化可能なニューラルネットワークに対して,これらの速度制限に対する解析式を提供する。 NTKスペクトルとラベルのスペクトル分解に関するいくつかの妥当なスケーリング仮定を考えると、学習はスケーリングの意味で最適である。
  論文  参考訳（メタデータ） (2023-07-27T06:59:46Z)
• NeuralStagger: Accelerating Physics-constrained Neural PDE Solver with Spatial-temporal Decomposition [67.46012350241969]
  本稿では,NeuralStaggerと呼ばれる一般化手法を提案する。 元の学習タスクをいくつかの粗い解像度のサブタスクに分解する。 本稿では,2次元および3次元流体力学シミュレーションにおけるNeuralStaggerの適用例を示す。
  論文  参考訳（メタデータ） (2023-02-20T19:36:52Z)
• Mean-Field Analysis of Two-Layer Neural Networks: Global Optimality with Linear Convergence Rates [7.094295642076582]
  平均場体制はNTK(lazy training)体制の理論的に魅力的な代替手段である。 平均場状態における連続ノイズ降下により訓練された2層ニューラルネットワークに対する線形収束結果を確立した。
  論文  参考訳（メタデータ） (2022-05-19T21:05:40Z)
• Neural net modeling of equilibria in NSTX-U [0.0]
  我々は平衡モデルと形状制御モデルに関連する2つのニューラルネットワークを開発する。 ネットワークにはEFIT01再構成アルゴリズムでトレーニングされた自由境界均衡解法であるEqnetと、Gspert符号でトレーニングされたPertnetが含まれる。 本報告では,これらのモデルが閉ループシミュレーションで確実に使用できることを示す。
  論文  参考訳（メタデータ） (2022-02-28T16:09:58Z)
• LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
  本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。 フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
  論文  参考訳（メタデータ） (2021-03-01T03:10:11Z)
• Neural Control Variates [71.42768823631918]
  ニューラルネットワークの集合が、積分のよい近似を見つけるという課題に直面していることを示す。 理論的に最適な分散最小化損失関数を導出し、実際に安定したオンライントレーニングを行うための代替の複合損失を提案する。 具体的には、学習した光場近似が高次バウンスに十分な品質であることを示し、誤差補正を省略し、無視可能な可視バイアスのコストでノイズを劇的に低減できることを示した。
  論文  参考訳（メタデータ） (2020-06-02T11:17:55Z)

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。