論文の概要: A Physics-Guided Probabilistic Surrogate Modeling Framework for Digital Twins of Underwater Radiated Noise
- arxiv url: http://arxiv.org/abs/2509.25730v1
- Date: Tue, 30 Sep 2025 03:38:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.415194
- Title: A Physics-Guided Probabilistic Surrogate Modeling Framework for Digital Twins of Underwater Radiated Noise
- Title（参考訳）: 水中放射音のディジタル双極子のための物理誘導確率型サロゲートモデリングフレームワーク
- Authors: Indu Kant Deo, Akash Venkateshwaran, Rajeev K. Jaiman,
- Abstract要約: 船舶交通は沿岸海域における水中放射音の増大源である。
本研究では,現実的な海洋環境下での3次元伝送損失を予測するための物理誘導確率的枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ship traffic is an increasing source of underwater radiated noise in coastal waters, motivating real-time digital twins of ocean acoustics for operational noise mitigation. We present a physics-guided probabilistic framework to predict three-dimensional transmission loss in realistic ocean environments. As a case study, we consider the Salish Sea along shipping routes from the Pacific Ocean to the Port of Vancouver. A dataset of over 30 million source-receiver pairs was generated with a Gaussian beam solver across seasonal sound speed profiles and one-third-octave frequency bands spanning 12.5 Hz to 8 kHz. We first assess sparse variational Gaussian processes (SVGP) and then incorporate physics-based mean functions combining spherical spreading with frequency-dependent absorption. To capture nonlinear effects, we examine deep sigma-point processes and stochastic variational deep kernel learning. The final framework integrates four components: (i) a learnable physics-informed mean that represents dominant propagation trends, (ii) a convolutional encoder for bathymetry along the source-receiver track, (iii) a neural encoder for source, receiver, and frequency coordinates, and (iv) a residual SVGP layer that provides calibrated predictive uncertainty. This probabilistic digital twin facilitates the construction of sound-exposure bounds and worst-case scenarios for received levels. We further demonstrate the application of the framework to ship speed optimization, where predicted transmission loss combined with near-field source models provides sound exposure level estimates for minimizing acoustic impacts on marine mammals. The proposed framework advances uncertainty-aware digital twins for ocean acoustics and illustrates how physics-guided machine learning can support sustainable maritime operations.
- Abstract（参考訳）: 船舶交通は沿岸海域における水中放射騒音の増大源であり、海洋音響のリアルタイムデジタル双極子を運用騒音軽減のために動機付けている。
本研究では,現実的な海洋環境下での3次元伝送損失を予測するための物理誘導確率的枠組みを提案する。
事例研究として,太平洋からバンクーバー港までの航路に沿ったサリッシュ海を考察する。
12.5Hzから8kHzにまたがる3分の1の周波数帯域と季節的な音速プロファイルにまたがるガウスビームソルバを用いて、3000万以上のソース・受信者ペアのデータセットを作成した。
まず,スパース変分ガウス過程(SVGP)を評価し,その後,球面拡散と周波数依存吸収を組み合わせた物理平均関数を組み込んだ。
非線形効果を捉えるため,深部シグマ点過程と確率的変分深層学習について検討した。
最後のフレームワークは4つのコンポーネントを統合している。
(i)主流の伝播傾向を表す、学習可能な物理インフォームド平均
(二)給湯機軌道に沿った給湯用畳み込みエンコーダ
三 ソース、受信機及び周波数座標のためのニューラルエンコーダ及び
(4)キャリブレーション予測の不確実性を提供する残差SVGP層。
この確率論的ディジタルツインは、受信レベルに対する音響露光境界と最悪のシナリオの構築を容易にする。
さらに,本フレームワークの船体速度最適化への応用を実証し,予測伝達損失と近距離場音源モデルとの併用により,海洋哺乳動物に対する音響的影響を最小化するための音響暴露レベル推定を行う。
提案フレームワークは,海洋音響学のための不確実性を考慮したディジタルツインを進化させ,物理誘導型機械学習が持続可能な海洋活動を支援する方法を示す。
関連論文リスト
- PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。
本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。
これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。
Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
論文 参考訳（メタデータ） (2025-09-29T14:36:45Z) - InJecteD: Analyzing Trajectories and Drift Dynamics in Denoising Diffusion Probabilistic Models for 2D Point Cloud Generation [48.55037712252843]
InJecteDは拡散確率モデル(DDPM)を解釈するフレームワーク
このフレームワークをDatasaurus Dozen bullseye, dino, circleの3つのデータセットに適用する。
提案手法は, 変位, 速度, クラスタリング, ドリフト場力学などの軌道特性を定量的に評価する。
論文 参考訳（メタデータ） (2025-09-09T14:53:19Z) - Convergence of physics-informed neural networks modeling time-harmonic wave fields [0.0]
低周波の3次元室内音響症例について検討し, 音源定義と境界条件数を変化させた。
PINNアーキテクチャのロスランドスケープに着目し,収束挙動を評価する。
この開発は、吸音器を含む室内音響の低周波挙動をモデル化することを目的としたイニシアチブの一部である。
論文 参考訳（メタデータ） (2025-05-18T19:12:14Z) - DeepExtractor: Time-domain reconstruction of signals and glitches in gravitational wave data with deep learning [2.637315570643508]
本稿では,信号とグリッチをインターフェロメーターノイズを超えるパワーで再構成するDeepExtractorを提案する。
我々は,グリッチに関連するアプリケーションに注目し,DeepExtractorの有効性を3つの実験で検証する。
DeepExtractorはGlitchリカバリでBayesWaveを上回り、劇的な計算スピードアップを提供する。
論文 参考訳（メタデータ） (2025-01-30T15:25:30Z) - Continual Learning of Range-Dependent Transmission Loss for Underwater Acoustic using Conditional Convolutional Neural Net [0.0]
本研究では,遠方界シナリオにおける水中放射音予測のための深層学習モデルの精度向上を目的としている。
そこで本稿では,海洋浴量測定データを入力に組み込んだ新しいレンジ条件畳み込みニューラルネットワークを提案する。
提案アーキテクチャは, 帯域依存性の異なる様々な浴量測定プロファイル上での透過損失を効果的に捕捉する。
論文 参考訳（メタデータ） (2024-04-11T19:13:38Z) - Sound propagation in realistic interactive 3D scenes with parameterized
sources using deep neural operators [1.6874375111244329]
移動音源を持つ3次元仮想空間における音波伝搬シミュレーションの課題に対処する。
本稿では,線形波動方程式演算子を近似するためにディープ演算子ネットワークを提案する。
これにより、移動音源を持つ現実的な3次元音響シーンにおける音波伝搬の迅速予測が可能となる。
論文 参考訳（メタデータ） (2023-08-09T16:32:51Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳（メタデータ） (2023-05-18T12:30:26Z) - Autonomous coherence protection of a two-level system in a fluctuating
environment [68.8204255655161]
我々は、もともと、相互作用しない2レベルシステム(量子ビット)のアンサンブルから静的ドップラー拡大の効果を取り除くことを意図したスキームを再検討する。
このスキームははるかに強力であり、時間と空間に依存するノイズから単一(あるいはアンサンブル)量子ビットのエネルギーレベルを保護できることを示した。
論文 参考訳（メタデータ） (2023-02-08T01:44:30Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z)
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。