論文の概要: Data-Driven Discovery and Formulation Refines the Quasi-Steady Model of Flapping-Wing Aerodynamics

• arxiv url: http://arxiv.org/abs/2508.18703v1
• Date: Tue, 26 Aug 2025 06:09:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.697467
• Title: Data-Driven Discovery and Formulation Refines the Quasi-Steady Model of Flapping-Wing Aerodynamics
• Title（参考訳）: フラッピング翼空力の準定常モデルにおけるデータ駆動的発見と定式化
• Authors: Yu Kamimizu, Hao Liu, Toshiyuki Nakata,
• Abstract要約: 昆虫は羽ばたき翼の非定常空気力学力を制御し、複雑な環境を航行する。 我々は、これまで見過ごされていた重要なメカニズムの発見と定式化を含む、データ駆動型アプローチを開発する。 データ駆動の準定常モデルにより、高速な空気力学解析が可能となり、昆虫飛行における進化的適応を理解し、バイオインスパイアされた飛行ロボットを開発するための実用的なツールとなる。
• 参考スコア（独自算出の注目度）: 4.146941837017164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Insects control unsteady aerodynamic forces on flapping wings to navigate complex environments. While understanding these forces is vital for biology, physics, and engineering, existing evaluation methods face trade-offs: high-fidelity simulations are computationally or experimentally expensive and lack explanatory power, whereas theoretical models based on quasi-steady assumptions offer insights but exhibit low accuracy. To overcome these limitations and thus enhance the accuracy of quasi-steady aerodynamic models, we applied a data-driven approach involving discovery and formulation of previously overlooked critical mechanisms. Through selection from 5,000 candidate kinematic functions, we identified mathematical expressions for three key additional mechanisms -- the effect of advance ratio, effect of spanwise kinematic velocity, and rotational Wagner effect -- which had been qualitatively recognized but were not formulated. Incorporating these mechanisms considerably reduced the prediction errors of the quasi-steady model using the computational fluid dynamics results as the ground truth, both in hawkmoth forward flight (at high Reynolds numbers) and fruit fly maneuvers (at low Reynolds numbers). The data-driven quasi-steady model enables rapid aerodynamic analysis, serving as a practical tool for understanding evolutionary adaptations in insect flight and developing bio-inspired flying robots.
• Abstract（参考訳）: 昆虫は羽ばたき翼の非定常空気力学力を制御し、複雑な環境を航行する。 これらの力を理解することは生物学、物理学、工学にとって不可欠であるが、既存の評価手法はトレードオフに直面している。 これらの制限を克服し、準定常空力モデルの精度を高めるために、以前は見過ごされていた臨界機構の発見と定式化を含むデータ駆動型アプローチを適用した。 5000の候補キネマティック関数から選択することで,定性的に認識されているが定式化されていない3つの重要な追加メカニズム(進行率の影響,幅の運動速度の影響,回転ワグナー効果)の数学的表現を同定した。 これらの機構を組み込むことで、計算流体力学を用いて準定常モデルの予測誤差を大幅に低減し、ホークモス前方飛行(レイノルズ数が多い)とフルーツフライ操作(レイノルズ数が少ない)の両方において、基礎的な真実となった。 データ駆動の準定常モデルにより、高速な空気力学解析が可能となり、昆虫飛行における進化的適応を理解し、バイオインスパイアされた飛行ロボットを開発するための実用的なツールとなる。

関連論文リスト

• Advanced long-term earth system forecasting by learning the small-scale nature [74.19833913539053]
  私たちは、この根本的な課題に対処するために設計されたAIフレームワークであるTritonを紹介します。 数値モデルにおける小さなスケールを明示的に解決するグリッドの増加に触発されたTritonは、スペクトルバイアスを軽減するために、複数の解像度にわたって階層的なアーキテクチャ処理情報を使用する。 我々は,トライトンによる挑戦的な予測課題における優れた性能,安定な1年間の世界気温予測,120日間の熟練した黒潮渦予測,高忠実乱流シミュレーションを実証した。
  論文  参考訳（メタデータ） (2025-05-26T02:49:00Z)
• Synthetic Lagrangian Turbulence by Generative Diffusion Models [1.7810134788247751]
  高レイノルズ数での3次元乱流における単一粒子軌道生成のための機械学習手法を提案する。 我々のモデルは、時間スケールでほとんどの統計ベンチマークを再現する能力を示している。 驚くべきことに、このモデルは極端な事象に対して強い一般化可能性を示し、依然として現実的な統計に合致する高い強度と希薄な事象を生み出している。
  論文  参考訳（メタデータ） (2023-07-17T14:42:32Z)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Knowledge-embedded meta-learning model for lift coefficient prediction of airfoils [25.546237636065182]
  攻撃角度の異なる任意の超臨界翼の昇降係数を求めるために,知識埋め込みメタ学習モデルを開発した。 通常のニューラルネットワークと比較して,提案モデルでは,競合予測精度でより優れた一般化能力を示すことができる。 その結果, 提案モデルでは, 翼形状が物理的特性に与える影響を評価する傾向が示唆された。
  論文  参考訳（メタデータ） (2023-03-06T02:47:31Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network [0.0]
  右翼を見つけることは、あらゆる航空機の設計の予備段階における重要なステップである。 本研究では、異なるネットワークアーキテクチャとトレーニングデータセットを比較し、ネットワークが与えられた翼のジオメトリをどのように知覚するかについての洞察を得る。
  論文  参考訳（メタデータ） (2021-09-24T19:07:19Z)
• Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
  深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。 ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。 その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
  論文  参考訳（メタデータ） (2021-03-11T15:21:08Z)
• Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
  周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。 本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-19T09:33:21Z)
• Automating Turbulence Modeling by Multi-Agent Reinforcement Learning [4.784658158364452]
  乱流モデルの自動検出ツールとしてマルチエージェント強化学習を導入する。 等方性乱流と等方性乱流の大規模渦シミュレーションにおけるこのアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2020-05-18T18:45:09Z)

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。