論文の概要: Symmetry aware Reynolds Averaged Navier Stokes turbulence models with equivariant neural networks

• arxiv url: http://arxiv.org/abs/2511.09769v1
• Date: Fri, 14 Nov 2025 01:08:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.474372
• Title: Symmetry aware Reynolds Averaged Navier Stokes turbulence models with equivariant neural networks
• Title（参考訳）: 同変ニューラルネットワークを用いたレイノルズ平均Navier Stokes乱流モデル
• Authors: Aaron Miller, Sahil Kommalapati, Robert Moser, Petros Koumoutsakos,
• Abstract要約: 等変ニューラルネットワーク(ENN)を用いたテンソルベース対称性を考慮した閉包について紹介する。 テンソル成分間の代数的収縮関係を強制するアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.6626421278252587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate and generalizable Reynolds-averaged Navier-Stokes (RANS) models for turbulent flows rely on effective closures. We introduce tensor-based, symmetry aware closures using equivariant neural networks (ENNs) and present an algorithm for enforcing algebraic contraction relations among tensor components. The modeling approach builds on the structure tensor framework introduced by Kassinos and Reynolds to learn closures in the rapid distortion theory setting. Experiments show that ENNs can effectively learn relationships involving high-order tensors, meeting or exceeding the performance of existing models in tasks such as predicting the rapid pressure-strain correlation. Our results show that ENNs provide a physically consistent alternative to classical tensor basis models, enabling end-to-end learning of unclosed terms in RANS and fast exploration of model dependencies.
• Abstract（参考訳）: 乱流に対するレイノルズ平均化Navier-Stokesモデル(RANS)は、効果的な閉包に依存している。 我々は、等変ニューラルネットワーク(ENN)を用いたテンソルベース対称性を考慮した閉包を導入し、テンソル成分間の代数的収縮関係を強制するアルゴリズムを提案する。 モデリング手法は、Kassinos と Reynolds によって導入された構造テンソルフレームワークに基づいて、急激な歪み理論設定における閉包を学習する。 実験により,ERNは,高速な圧力-ひずみ相関の予測などのタスクにおいて,高次テンソルの関連性,既存のモデルの性能の達成あるいは超越を効果的に学習できることが示されている。 この結果から,ERNは古典的テンソルベースモデルに代わる物理的に一貫した代替手段を提供し,RANSにおける未閉項のエンドツーエンド学習とモデル依存の高速探索を可能にした。

関連論文リスト

• Tensor Network Framework for Forecasting Nonlinear and Chaotic Dynamics [1.790605517028706]
  非線形およびカオス力学を予測するためのテンソルネットワークモデル(TNM)を提案する。 我々は,TNMが短時間の軌道を正確に再構成し,アトラクタ形状を忠実に捉えていることを示す。
  論文  参考訳（メタデータ） (2025-11-12T11:49:38Z)
• Score-Based Model for Low-Rank Tensor Recovery [49.158601255093416]
  低ランクテンソル分解(TD)は、マルチウェイデータ解析に有効なフレームワークを提供する。 従来のTD法は、CPやタッカー分解のような事前定義された構造的仮定に依存している。 本稿では,事前定義された構造的仮定や分布的仮定の必要性を排除したスコアベースモデルを提案する。
  論文  参考訳（メタデータ） (2025-06-27T15:05:37Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
  補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。 オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
  論文  参考訳（メタデータ） (2023-11-13T01:48:08Z)
• A Momentum-Incorporated Non-Negative Latent Factorization of Tensors Model for Dynamic Network Representation [0.0]
  大規模動的ネットワーク (LDN) は、多くのビッグデータ関連アプリケーションにおけるデータソースである。 テンソル(LFT)モデルの潜在因子化は、この時間パターンを効率的に抽出する。 勾配降下(SGD)解法に基づくLFTモデルは、トレーニングスキームによって制限されることが多く、尾収束が弱い。 本稿では,運動量付きSGDに基づく非線形LFTモデル(MNNL)を提案する。
  論文  参考訳（メタデータ） (2023-05-04T12:30:53Z)
• Neural Operator with Regularity Structure for Modeling Dynamics Driven by SPDEs [70.51212431290611]
  偏微分方程式 (SPDE) は、大気科学や物理学を含む多くの分野において、力学をモデル化するための重要なツールである。 本研究では,SPDEによって駆動されるダイナミクスをモデル化するための特徴ベクトルを組み込んだニューラル演算子(NORS)を提案する。 動的Phi41モデルと2d Navier-Stokes方程式を含む様々なSPDE実験を行った。
  論文  参考訳（メタデータ） (2022-04-13T08:53:41Z)
• Multi-Task Learning based Convolutional Models with Curriculum Learning for the Anisotropic Reynolds Stress Tensor in Turbulent Duct Flow [1.6371837018687636]
  乱流ダクト流に対する正規化異方性レイノルズ応力テンソルを正確に予測できる完全畳み込みニューラルネットワークを提案する。 データ駆動乱流モデリングへのカリキュラム学習の適用についても検討する。
  論文  参考訳（メタデータ） (2021-10-30T20:41:28Z)
• Tensor-Train Networks for Learning Predictive Modeling of Multidimensional Data [0.0]
  有望な戦略は、物理的および化学的用途で非常に成功したテンソルネットワークに基づいています。 本研究では, 多次元回帰モデルの重みをテンソルネットワークを用いて学習し, 強力なコンパクト表現を実現することを示した。 TT形式の重みを計算力の低減で近似するための最小二乗を交互に行うアルゴリズムが提案されている。
  論文  参考訳（メタデータ） (2021-01-22T16:14:38Z)
• An Ode to an ODE [78.97367880223254]
  我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。 この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
  論文  参考訳（メタデータ） (2020-06-19T22:05:19Z)

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。