論文の概要: Electron neural closure for turbulent magnetosheath simulations: energy channels
- arxiv url: http://arxiv.org/abs/2510.00282v1
- Date: Tue, 30 Sep 2025 21:00:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 16:59:20.258653
- Title: Electron neural closure for turbulent magnetosheath simulations: energy channels
- Title（参考訳）: 乱流磁気シースシミュレーションのための電子ニューラルクロージャ:エネルギーチャネル
- Authors: George Miloshevich, Luka Vranckx, Felipe Nathan de Oliveira Lopes, Pietro Dazzi, Giuseppe Arrò, Giovanni Lapenta,
- Abstract要約: 完全畳み込みニューラルネットワーク(FCNN)を用いた非局所5モーメント電子圧テンソル閉鎖法を提案する。
このモデルは、崩壊する磁気シース乱流の完全運動エネルギー保存半単純粒子インセルシミュレーションのための代理モデルの開発に使用される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we introduce a non-local five-moment electron pressure tensor closure parametrized by a Fully Convolutional Neural Network (FCNN). Electron pressure plays an important role in generalized Ohm's law, competing with electron inertia. This model is used in the development of a surrogate model for a fully kinetic energy-conserving semi-implicit Particle-in-Cell simulation of decaying magnetosheath turbulence. We achieve this by training FCNN on a representative set of simulations with a smaller number of particles per cell and showing that our results generalise to a simulation with a large number of particles per cell. We evaluate the statistical properties of the learned equation of state, with a focus on pressure-strain interaction, which is crucial for understanding energy channels in turbulent plasmas. The resulting equation of state learned via FCNN significantly outperforms local closures, such as those learned by Multi-Layer Perceptron (MLP) or double adiabatic expressions. We report that the overall spatial distribution of pressure-strain and its conditional averages are reconstructed well. However, some small-scale features are missed, especially for the off-diagonal components of the pressure tensor. Nevertheless, the results are substantially improved with more training data, indicating favorable scaling and potential for improvement, which will be addressed in future work.
- Abstract（参考訳）: 本研究では,完全畳み込みニューラルネットワーク(FCNN)によりパラメータ化された非局所5モーメント電子圧テンソルクロージャを導入する。
電子圧は、電子慣性と競合するオームの法則の一般化において重要な役割を果たす。
このモデルは、崩壊する磁気シース乱流の完全運動エネルギー保存半単純粒子インセルシミュレーションのための代理モデルの開発に使用される。
FCNNをセル当たりの粒子数が少ない代表的なシミュレーションで訓練し、その結果をセル当たりの粒子数の多いシミュレーションに一般化することを示す。
本研究では, 乱流プラズマのエネルギーチャネルを理解する上で重要な圧力-ひずみ相互作用に着目し, 学習状態方程式の統計的性質を評価する。
FCNNで学習した状態方程式は、MLP(Multi-Layer Perceptron)や二重断熱式(Double adiabatic expression)など、局所的な閉鎖を著しく上回る。
本報告では, 圧力-ひずみの空間分布と条件平均値の全体分布がよく再構成されていることを報告する。
しかし、特に圧力テンソルの非対角成分について、いくつかの小さな特徴が欠落している。
それでも、さらなるトレーニングデータによって結果は大幅に改善され、今後の作業で対処されるであろう、優れたスケーリングと改善の可能性を示している。
関連論文リスト
- From expNN to sinNN: automatic generation of sum-of-products models for potential energy surfaces in internal coordinates using neural networks and sparse grid sampling [0.0]
本研究の目的は,積の和形におけるポテンシャルエネルギー面を表す正弦波活性化関数を持つ単一層人工ニューラルネットワークの実現性を評価することである。
sinNNという名前のフィッティングアプローチはHONOのPSSをモデル化し、トランス異性体とシス異性体の両方をカバーする。
sinNN PESモデルは、利用可能な基本振動遷移エネルギーを17cm-1の根平均二乗誤差で再現することができた。
論文 参考訳（メタデータ） (2025-04-30T07:31:32Z) - Optical lattice quantum simulator of dynamics beyond Born-Oppenheimer [42.21510336472284]
我々は,光学格子に閉じ込められた超低温フェルミオン分子を基盤として,非断熱効果をシミュレートするプラットフォームを提案する。
我々は、電子や陽子の水素原子への散乱を研究することで、我々の提案をベンチマークする。
論文 参考訳（メタデータ） (2025-03-30T14:46:26Z) - Electron-Electron Interactions in Device Simulation via Non-equilibrium Green's Functions and the GW Approximation [71.63026504030766]
電子-電子(e-e)相互作用は、量子輸送シミュレーションに明示的に組み込まれなければならない。
この研究は、非平衡条件下でのナノデバイスの大規模原子論的量子輸送シミュレーションを報告した最初のものである。
論文 参考訳（メタデータ） (2024-12-17T15:05:33Z) - Constructing accurate machine-learned potentials and performing highly efficient atomistic simulations to predict structural and thermal properties [6.875235178607604]
Ab initio molecular dynamics (AIMD) シミュレーションから生成されたデータセットに基づいて学習した神経進化電位(NEP)を導入する。
両方の機械学習ポテンシャルを用いて、状態(DOS)と放射分布関数(RDF)のフォノン密度を計算する。
MTP電位はわずかに精度が良いが、NEPは計算速度が41倍に向上する。
論文 参考訳（メタデータ） (2024-11-16T23:16:59Z) - Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。
耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。
距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
論文 参考訳（メタデータ） (2024-02-22T16:33:48Z) - Machine learning of hidden variables in multiscale fluid simulation [77.34726150561087]
流体力学方程式を解くには、しばしばミクロ物理学の欠如を考慮に入れた閉包関係を用いる必要がある。
本研究では, 終端微分可能な偏微分方程式シミュレータを用いて, 偏微分ニューラルネットワークを訓練する。
本手法により, 非線形, 大型クヌーズン数プラズマ物理を再現する方程式に基づく手法が可能であることを示す。
論文 参考訳（メタデータ） (2023-06-19T06:02:53Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - KineticNet: Deep learning a transferable kinetic energy functional for
orbital-free density functional theory [13.437597619451568]
KineticNetは、分子二次格子上の量の予測に適応した点畳み込みに基づく、同変のディープニューラルネットワークアーキテクチャである。
初めて、学習された関数の化学的精度は、小さな分子の入力密度とジオメトリーによって達成される。
論文 参考訳（メタデータ） (2023-05-08T17:43:31Z) - Spin Current Density Functional Theory of the Quantum Spin-Hall Phase [59.50307752165016]
スピン電流密度汎関数理論を量子スピンハル相に適用する。
我々は、SCDFTの電子-電子ポテンシャルにおけるスピン電流の明示的な説明が、ディラックコーンの出現の鍵であることを示す。
論文 参考訳（メタデータ） (2022-08-29T20:46:26Z) - A2I Transformer: Permutation-equivariant attention network for pairwise
and many-body interactions with minimal featurization [0.1469945565246172]
本研究では,粒子の座標から原子間エネルギーを直接予測するエンド・ツー・エンドモデルを提案する。
我々は,周期境界条件 (PBC) や$n$-body相互作用,バイナリ合成など,分子シミュレーション問題におけるいくつかの課題に対して実験を行った。
論文 参考訳（メタデータ） (2021-10-27T12:18:25Z)
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。