論文の概要: FFTArray: A Python Library for the Implementation of Discretized Multi-Dimensional Fourier Transforms

• arxiv url: http://arxiv.org/abs/2508.03697v2
• Date: Thu, 04 Sep 2025 11:37:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 14:03:58.968654
• Title: FFTArray: A Python Library for the Implementation of Discretized Multi-Dimensional Fourier Transforms
• Title（参考訳）: FFTArray: 離散化多次元フーリエ変換の実装のためのPythonライブラリ
• Authors: Stefan J. Seckmeyer, Christian Struckmann, Gabriel Müller, Jan-Niclas Kirsten-Siemß, Naceur Gaaloul,
• Abstract要約: FFTArrayは,フーリエ変換の一般的な離散化を自動化するPythonライブラリである。 Python Array API標準に基づいて構築されたFFTArrayは、NumPy、JAX、PyTorchといった配列バックエンドとシームレスに統合される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Partial differential equations describing the dynamics of physical systems rarely have closed-form solutions. Fourier spectral methods, which use Fast Fourier Transforms (FFTs) to approximate solutions, are a common approach to solving these equations. However, mapping Fourier integrals to discrete FFTs is not straightforward, as the selection of the grid as well as the coordinate-dependent phase and scaling factors require special care. Moreover, most software packages that deal with this step integrate it tightly into their full-stack implementations. Such an integrated design sacrifices generality, making it difficult to adapt to new coordinate systems, boundary conditions, or problem-specific requirements. To address these challenges, we present FFTArray, a Python library that automates the general discretization of Fourier transforms. Its purpose is to reduce the barriers to developing high-performance, maintainable code for pseudo-spectral Fourier methods. Its interface enables the direct translation of textbook equations and complex research problems into code, and its modular design scales naturally to multiple dimensions. This makes the definition of valid coordinate grids straightforward, while coordinate grid specific corrections are applied with minimal impact on computational performance. Built on the Python Array API Standard, FFTArray integrates seamlessly with array backends like NumPy, JAX and PyTorch and supports Graphics Processing Unit acceleration. The code is openly available at https://github.com/QSTheory/fftarray under Apache-2.0 license.
• Abstract（参考訳）: 物理系の力学を記述する偏微分方程式は、ほとんど閉形式解を持たない。 高速フーリエ変換(FFT)を用いて解を近似するフーリエスペクトル法は、これらの方程式を解くための一般的な方法である。 しかし、フーリエ積分を離散FFTにマッピングするのは簡単ではない。 さらに、このステップに対処するほとんどのソフトウェアパッケージは、フルスタックの実装と密に統合しています。 このような統合された設計は一般性を犠牲にしており、新しい座標系、境界条件、問題固有の要求に適応することが困難である。 これらの課題に対処するため、FFTArrayは、フーリエ変換の一般的な離散化を自動化するPythonライブラリである。 その目的は、疑似スペクトルフーリエ法のための高性能で保守性のあるコードを開発する際の障壁を減らすことである。 そのインターフェースは、教科書の方程式や複雑な研究問題をコードに直接翻訳することができ、モジュラー設計は自然に複数の次元にスケールする。 これにより、有効な座標格子の定義が簡単になり、座標格子固有の補正は計算性能に最小限の影響を与える。 Python Array API標準に基づいて構築されたFFTArrayは、NumPy、JAX、PyTorchなどの配列バックエンドとシームレスに統合され、グラフィクス処理ユニットアクセラレーションをサポートする。 コードはApache-2.0ライセンス下でhttps://github.com/QSTheory/fftarrayで公開されている。

関連論文リスト

• scipy.spatial.transform: Differentiable Framework-Agnostic 3D Transformations in Python [49.015684860172975]
  三次元剛体変換、すなわち回転と変換は、現代の微分可能な機械学習パイプラインの中心である。 SciPyのspace$.$diffモジュールは、厳格にテストされたPython実装である。 我々はSciPyの空間$.$transform機能を完全にオーバーホールし、Python配列APIを実装する任意の配列ライブラリと互換性を持たせる。
  論文  参考訳（メタデータ） (2025-11-22T18:52:34Z)
• Memory-Efficient Training with In-Place FFT Implementation [5.474695910716561]
  標準FFTや実FFTを含む既存の実装は、真のインプレース計算を達成できない。 本稿では,入力-出力メモリ空間の整合性を保った最初の実領域フルインプレースFFTフレームワーク(rdFFT)を提案する。
  論文  参考訳（メタデータ） (2025-11-03T09:36:11Z)
• Variable-size Symmetry-based Graph Fourier Transforms for image compression [65.7352685872625]
  可変サイズのグラフフーリエ変換を符号化フレームワークに導入する。 提案アルゴリズムは,ノード間の特定の対称接続を追加することにより,グリッド上の対称グラフを生成する。 実験により、SBGFTは、明示的な多重変換選択に統合された一次変換よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-24T13:00:44Z)
• Group Equivariant Fourier Neural Operators for Partial Differential Equations [33.71890280061319]
  フーリエニューラル作用素(FNO)を用いた偏微分方程式の解法を考える 本研究では、周波数領域に群畳み込みを拡張し、回転、変換、反射に同値なフーリエ層を設計する。 結果として生じる$G$-FNOアーキテクチャは、入力解像度にわたってよく一般化され、対称性のレベルが異なる設定でうまく機能する。
  論文  参考訳（メタデータ） (2023-06-09T06:34:16Z)
• Fourier Continuation for Exact Derivative Computation in Physics-Informed Neural Operators [53.087564562565774]
  PINOは、偏微分方程式を学習するための有望な実験結果を示す機械学習アーキテクチャである。 非周期問題に対して、フーリエ継続(FC)を利用して正確な勾配法をPINOに適用するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-29T06:37:54Z)
• Deep Fourier Up-Sampling [100.59885545206744]
  フーリエ領域のアップサンプリングは、そのような局所的な性質に従わないため、より難しい。 これらの問題を解決するために理論的に健全なDeep Fourier Up-Sampling (FourierUp)を提案する。
  論文  参考訳（メタデータ） (2022-10-11T06:17:31Z)
• FFTc: An MLIR Dialect for Developing HPC Fast Fourier Transform Libraries [1.181206257787103]
  本稿では、フーリエ変換アルゴリズムを表現するドメイン固有言語であるFFTcを紹介する。 FFTcの初期設計,実装,および予備結果について述べる。
  論文  参考訳（メタデータ） (2022-07-14T10:31:21Z)
• Softmax-free Linear Transformers [90.83157268265654]
  視覚変換器(ViT)は、視覚知覚タスクの最先端を推し進めている。 既存の手法は理論的に欠陥があるか、視覚認識に経験的に効果がないかのいずれかである。 我々はSoftmax-Free Transformers (SOFT) のファミリーを提案する。
  論文  参考訳（メタデータ） (2022-07-05T03:08:27Z)
• Gaussian Fourier Pyramid for Local Laplacian Filter [0.6117371161379208]
  いくつかのエッジ保存分解は、例えば局所ラプラシアフィルタリング(LLF)のようなハロを分解する。 高速LLFの近似加速度は、複数のラプラシアピラミッドを線形に補間するために提案された。 以上の結果から,Fourier LLFは同一数のピラミッドに対して高い精度を有することが明らかとなった。
  論文  参考訳（メタデータ） (2022-06-08T20:50:42Z)
• Learning Set Functions that are Sparse in Non-Orthogonal Fourier Bases [73.53227696624306]
  フーリエスパース集合関数を学習するための新しいアルゴリズム群を提案する。 Walsh-Hadamard変換に焦点をあてた他の研究とは対照的に、我々の新しいアルゴリズムは最近導入された非直交フーリエ変換で機能する。 いくつかの実世界のアプリケーションで有効性を示す。
  論文  参考訳（メタデータ） (2020-10-01T14:31:59Z)
• Fast Partial Fourier Transform [28.36925669222461]
  高速フーリエ変換(FFT)は、多くの機械学習アプリケーションにおいて離散フーリエ変換を計算するアルゴリズムである。 広く使われているにもかかわらず、既知の全てのFFTアルゴリズムは、ユーザの要求を指定するための微調整オプションを提供していない。 本稿では,係数を計算すべき任意の連続範囲を指定可能な高速部分フーリエ変換(PFT)を提案する。
  論文  参考訳（メタデータ） (2020-08-28T10:01:49Z)
• Region adaptive graph fourier transform for 3d point clouds [51.193111325231165]
  本稿では,3次元点雲特性の圧縮のための領域適応グラフフーリエ変換(RA-GFT)を提案する。 RA-GFTは従来の手法よりも複雑性と性能のトレードオフが優れている。
  論文  参考訳（メタデータ） (2020-03-04T02:47:44Z)
• DFTpy: An efficient and object-oriented platform for orbital-free DFT simulations [55.41644538483948]
  本稿では、Python 3で完全に書かれたOFDFTを実装したオープンソースソフトウェアであるDFTpyを紹介する。 本稿では,1CPUで計算したアルミニウムの100万原子系の電子構造について紹介する。 DFTpyはMITライセンスでリリースされている。
  論文  参考訳（メタデータ） (2020-02-07T19:07:41Z)

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。