Fugu-MT 論文翻訳(概要): HergNet: a Fast Neural Surrogate Model for Sound Field Predictions via Superposition of Plane Waves

論文の概要: HergNet: a Fast Neural Surrogate Model for Sound Field Predictions via Superposition of Plane Waves

arxiv url: http://arxiv.org/abs/2510.24279v1
Date: Tue, 28 Oct 2025 10:39:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-29 15:35:37.024137
Title: HergNet: a Fast Neural Surrogate Model for Sound Field Predictions via Superposition of Plane Waves
Title（参考訳）: HergNet:平面波の重畳による音場予測のための高速ニューラルネットワーク
Authors: Matteo Calafà, Yuanxin Xia, Cheol-Ho Jeong,
Abstract要約: 本稿では,2次元および3次元の音場を効率的に予測するためのニューラルネットワークアーキテクチャを提案する。このネットワークはヘルムホルツ方程式を自動的に満たし、出力が物理的に有効であることを保証するように設計されている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a novel neural network architecture for the efficient prediction of sound fields in two and three dimensions. The network is designed to automatically satisfy the Helmholtz equation, ensuring that the outputs are physically valid. Therefore, the method can effectively learn solutions to boundary-value problems in various wave phenomena, such as acoustics, optics, and electromagnetism. Numerical experiments show that the proposed strategy can potentially outperform state-of-the-art methods in room acoustics simulation, in particular in the range of mid to high frequencies.
Abstract（参考訳）: 本稿では,2次元および3次元の音場を効率的に予測するためのニューラルネットワークアーキテクチャを提案する。このネットワークはヘルムホルツ方程式を自動的に満たし、出力が物理的に有効であることを保証するように設計されている。そのため、音響、光学、電磁界などの様々な波動現象における境界値問題に対する解を効果的に学習することができる。数値実験により,提案手法は室内音響シミュレーション,特に中・高周波数域において,最先端の手法より優れている可能性が示唆された。

関連論文リスト

Deep Learning Optimization of Two-State Pinching Antennas Systems [48.70043547158868]
ピンチアンテナ(PA)は、二元活性化状態を通して電磁波の伝搬を動的に制御することができる。本研究では,ユーザ端末での通信速度を最大化することを目的として,定位PAのサブセットを最適に選択して導波路で活性化する問題について検討する。
論文参考訳（メタデータ） (2025-07-08T17:55:54Z)
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)
RadioDiff-$k^2$: Helmholtz Equation Informed Generative Diffusion Model for Multi-Path Aware Radio Map Construction [76.24833675757033]
物理インフォームド・ジェネレーティブ・ラーニング・アプローチであるRadioDiff-$k2$を提案する。提案するRadioDiff-$k2$フレームワークは,画像レベルのRM構成とローカライズタスクの両方において,最先端(SOTA)性能を実現する。
論文参考訳（メタデータ） (2025-04-22T06:28:13Z)
Ambient Noise Full Waveform Inversion with Neural Operators [11.44207799108199]
近年の研究では、ニューラル演算子と呼ばれる新しい機械学習モデルが、従来の方法よりもはるかに高速にエラストダイナミック波動方程式のオーダーを解くことができることが示されている。本研究では, 実地震データセット上での完全な波形インバージョンに対するニューラル演算子の最初の応用を実証する。
論文参考訳（メタデータ） (2025-03-19T09:10:43Z)
Neural Acoustic Context Field: Rendering Realistic Room Impulse Response With Neural Fields [61.07542274267568]
このレターでは、音声シーンをパラメータ化するためのNACFと呼ばれる新しいニューラルネットワークコンテキストフィールドアプローチを提案する。 RIRのユニークな性質により、時間相関モジュールとマルチスケールエネルギー崩壊基準を設計する。実験の結果,NACFは既存のフィールドベース手法よりも顕著なマージンで優れていた。
論文参考訳（メタデータ） (2023-09-27T19:50:50Z)
Implicit neural representation with physics-informed neural networks for the reconstruction of the early part of room impulse responses [16.89505645696765]
物理インフォームドニューラルネットワークを用いて、欠室インパルス応答の初期部分を線形配列で再構成する。提案モデルは,最先端の深層学習および圧縮センシング技術に関して,高精度な再構築と性能を実現する。
論文参考訳（メタデータ） (2023-06-20T13:01:00Z)
Bayesian inference and neural estimation of acoustic wave propagation [10.980762871305279]
本稿では,物理と機械学習を組み合わせて音響信号を解析する新しい枠組みを提案する。この課題のために, スペクトル音響特性を推定するベイズ推定法, 前方および後方の物理的損失をニューラルネットワークに装備するニューラルネットワーク物理モデル, ベンチマークとして機能する非線形最小二乗法, の3つの手法が開発された。このフレームワークの単純さと効率性は、シミュレーションデータ上で実証的に検証されている。
論文参考訳（メタデータ） (2023-05-28T15:14:46Z)
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)
Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文参考訳（メタデータ） (2022-06-29T14:34:00Z)
Seismic wave propagation and inversion with Neural Operators [7.296366040398878]
我々は、最近開発されたNeural Operatorと呼ばれる機械学習パラダイムを用いて、一般的なソリューションを学習するためのプロトタイプフレームワークを開発した。訓練されたニューラル演算子は、任意の速度構造やソース位置について、無視可能な時間で解を計算することができる。本手法を2次元音響波動方程式を用いて説明し, 地震トモグラフィへの適用性を実証する。
論文参考訳（メタデータ） (2021-08-11T19:17:39Z)

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。