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

• 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)
• 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)
• 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。