論文の概要: Revealing Fine Structure in Protoplanetary Disks with Physics Constrained Neural Fields

• arxiv url: http://arxiv.org/abs/2509.03623v1
• Date: Wed, 03 Sep 2025 18:18:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:09.937876
• Title: Revealing Fine Structure in Protoplanetary Disks with Physics Constrained Neural Fields
• Title（参考訳）: 物理拘束型ニューラルネットワークによる原始惑星円盤の微細構造解明
• Authors: Aviad Levis, Nhan Luong, Richard Teague, Katherine. L. Bouman, Marcelo Barraza-Alfaro, Kevin Flaherty,
• Abstract要約: 本稿では、物理制約されたニューラルネットワークと微分可能レンダリングを統合した計算フレームワークを提案する。 本稿では,従来のレイトレーサの最大1万倍の高速化を実現したGPUアクセラレーション,完全微分可能線放射トランスミッションソルバRadJAXを提案する。 我々の研究は、複雑な円盤構造を抽出し、原始惑星進化の理解を深めるための新しいパラダイムを確立する。
• 参考スコア（独自算出の注目度）: 8.82704808629943
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Protoplanetary disks are the birthplaces of planets, and resolving their three-dimensional structure is key to understanding disk evolution. The unprecedented resolution of ALMA demands modeling approaches that capture features beyond the reach of traditional methods. We introduce a computational framework that integrates physics-constrained neural fields with differentiable rendering and present RadJAX, a GPU-accelerated, fully differentiable line radiative transfer solver achieving up to 10,000x speedups over conventional ray tracers, enabling previously intractable, high-dimensional neural reconstructions. Applied to ALMA CO observations of HD 163296, this framework recovers the vertical morphology of the CO-rich layer, revealing a pronounced narrowing and flattening of the emission surface beyond 400 au - a feature missed by existing approaches. Our work establish a new paradigm for extracting complex disk structure and advancing our understanding of protoplanetary evolution.
• Abstract（参考訳）: 原始惑星円盤は惑星の生誕地であり、その3次元構造を解くことが円盤の進化を理解する鍵となる。 ALMAの先例のない解決法では、従来の手法の範囲を超えて特徴を捉えるモデリングアプローチが要求される。 本稿では,従来のレイトレーサの最大1万倍の高速化を実現し,それまでの難解で高次元のニューラル再構成を実現するGPUアクセラレーションにより,物理制約付きニューラルネットワークと微分可能レンダリングを統合した計算フレームワークRadJAXを紹介する。 この枠組みは、HD 163296のALMA CO観測に応用され、COリッチ層の垂直形態を復元し、400 auを超える放射面をはっきりと狭く平らにすることを示した。 我々の研究は、複雑な円盤構造を抽出し、原始惑星進化の理解を深めるための新しいパラダイムを確立する。

関連論文リスト

• Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
  分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。 近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。 物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
  論文  参考訳（メタデータ） (2026-02-02T14:13:28Z)
• From Black Hole to Galaxy: Neural Operator: Framework for Accretion and Feedback Dynamics [70.27068115318681]
  ニューラルベースの「サブグリッドブラックホール」を導入し、小さな局所力学を学習し、直接シミュレーションに組み込む。 微細な進化の大きなスピードアップにより、我々は、降着駆動のフィードバックで固有の変動を捉え、中心ブラックホールと銀河スケールのガスの動的結合を可能にした。
  論文  参考訳（メタデータ） (2025-12-01T11:47:49Z)
• Physics-Informed Image Restoration via Progressive PDE Integration [11.13952011916121]
  物理インフォームドPDEダイナミクスを最先端の復元アーキテクチャに統合するトレーニングフレームワークを提案する。 提案手法は,大域的空間モデリングを原則として実現しつつ,運動ぼけの方向流特性を自然に把握する。 我々のPDE強化デブロアリングモデルは、最小限のオーバーヘッドで優れた復元品質を実現し、GMACの推測に1%程度しか加えていない。
  論文  参考訳（メタデータ） (2025-11-09T06:10:20Z)
• Three-dimensional inversion of gravity data using implicit neural representations [2.7372527234669115]
  重力データのインバージョンは、多様な応用に関連する地下密度の変動を研究する重要な方法である。 ここでは,三次元重力インバージョンを連続場として表す科学的機械学習手法を提案する。
  論文  参考訳（メタデータ） (2025-10-17T03:55:08Z)
• StrCGAN: A Generative Framework for Stellar Image Restoration [0.0]
  我々は、低解像度の天体写真画像を改善するために設計された生成モデルStrCGANを紹介する。 我々のゴールは、天体の高忠実な真実のような表現を再構築することであり、これは小望遠鏡観測の解像度と品質に制限があるため難しい課題である。
  論文  参考訳（メタデータ） (2025-09-24T06:42:32Z)
• Geometric Neural Distance Fields for Learning Human Motion Priors [51.99890740169883]
  本研究では,より頑健で時間的に整合性があり,物理的に妥当な3次元運動回復を可能にする新しい3D生成人体運動について紹介する。 AMASSデータセットをトレーニングし、NRMFは複数の入力モードにまたがって著しく一般化する。
  論文  参考訳（メタデータ） (2025-09-11T17:58:18Z)
• Generating Full-field Evolution of Physical Dynamics from Irregular Sparse Observations [25.000578433018223]
  不規則なスパース観測から物理力学のフルフィールド進化を生成する新しいフレームワークである関数タッカー空間における逐次拡散について述べる。 本研究では, 復元精度と計算効率の両面で, 最先端の手法と比較して有意な改善が認められた。
  論文  参考訳（メタデータ） (2025-05-14T11:09:15Z)
• Combining Neural Fields and Deformation Models for Non-Rigid 3D Motion Reconstruction from Partial Data [7.327850781641328]
  本研究では,非剛性変形形状の非構造観察から時間的コヒーレントな3次元運動を再構成するための,新しいデータ駆動型アプローチを提案する。 我々のゴールは、ゆるい服を着ている人間など、ほぼ等尺変形する形状の高忠実な動き再構成を実現することである。 本手法は, モノクローナルディープビデオから再構成したヒトおよび動物の動き系列に適用することにより, 最先端のアプローチよりも優れる。
  論文  参考訳（メタデータ） (2024-12-11T16:24:08Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
  AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。 本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T03:10:38Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• NeuralClothSim: Neural Deformation Fields Meet the Thin Shell Theory [70.10550467873499]
  薄型シェルを用いた新しい擬似布シミュレータであるNeuralClothSimを提案する。 メモリ効率の高い解法はニューラル変形場と呼ばれる新しい連続座標に基づく表面表現を演算する。
  論文  参考訳（メタデータ） (2023-08-24T17:59:54Z)
• Two dimensional momentum state lattices [0.0]
  過去10年間の運動量状態格子(MSL)の発展を基盤として、我々はこの手法の高次元への単純な拡張を紹介した。 MSLは、チューニング可能な障害、ゲージ場、非ハーミティリティ、その他の特徴を持つタイトバインディングモデルの実現を可能にした。 このモデルへの直接的拡張については、高次元における新しい輸送現象や局所化現象の探索を可能にする、障害や非ハーモニティの導入など、多くの論じる。
  論文  参考訳（メタデータ） (2023-05-29T09:57:56Z)
• Real-space detection and manipulation of topological edge modes with ultracold atoms [56.34005280792013]
  光学格子におけるキラルエッジモードを実現するための実験的プロトコルを実証する。 3つの異なるフロケトポロジカルな状態において,これらのエッジモードの粒子を効率的に調製する方法を示す。 本研究では, 界面にエッジモードが出現し, 電位ステップのシャープネスが変化するにつれて, 粒子の群速度がどう変化するかを検討する。
  論文  参考訳（メタデータ） (2023-04-04T17:36:30Z)
• A novel multi-layer modular approach for real-time fuzzy-identification of gravitational-wave signals [0.0]
  本稿では,音声処理技術に触発された重力波のリアルタイム検出のための新しい階層化フレームワークを提案する。 本稿では,フレームワークの基本概念と,最初の3つのレイヤの導出について述べる。 畳み込みニューラルネットワークのようなより複雑なアプローチと比較して、我々のフレームワークは精度が低い。
  論文  参考訳（メタデータ） (2022-06-13T09:48:38Z)

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。