論文の概要: Differentiation Strategies for Acoustic Inverse Problems: Admittance Estimation and Shape Optimization

• arxiv url: http://arxiv.org/abs/2511.11415v1
• Date: Fri, 14 Nov 2025 15:46:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.690323
• Title: Differentiation Strategies for Acoustic Inverse Problems: Admittance Estimation and Shape Optimization
• Title（参考訳）: 音響逆問題に対する微分法:適応推定と形状最適化
• Authors: Nikolas Borrel-Jensen, Josiah Bjorgaard,
• Abstract要約: JAX-FEM の自動微分 (AD) は, スパース圧力測定から複素境界アプタンスを直接的に推定できることを示す。 JAX-FEMを前方シミュレーションに、PyTorch3DをADによるメッシュ操作に組み合わせ、ランダム化有限差分を音響形状最適化に適用する。
• 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 demonstrate a practical differentiable programming approach for acoustic inverse problems through two applications: admittance estimation and shape optimization for resonance damping. First, we show that JAX-FEM's automatic differentiation (AD) enables direct gradient-based estimation of complex boundary admittance from sparse pressure measurements, achieving 3-digit precision without requiring manual derivation of adjoint equations. Second, we apply randomized finite differences to acoustic shape optimization, combining JAX-FEM for forward simulation with PyTorch3D for mesh manipulation through AD. By separating physics-driven boundary optimization from geometry-driven interior mesh adaptation, we achieve 48.1% energy reduction at target frequencies with 30-fold fewer FEM solutions compared to standard finite difference on the full mesh. This work showcases how modern differentiable software stacks enable rapid prototyping of optimization workflows for physics-based inverse problems, with automatic differentiation for parameter estimation and a combination of finite differences and AD for geometric design.
• Abstract（参考訳）: 本研究では、共振減衰に対するアプタンス推定と形状最適化という2つの応用を通して、音響逆問題に対する実用的な微分可能プログラミング手法を実証する。 まず, JAX-FEM の自動微分 (AD) により, 余分な圧力測定から複素境界値の直接勾配に基づく推定が可能であり, 共役方程式を手動で導出することなく3桁の精度が得られることを示す。 次に, JAX-FEMを前方シミュレーションに, PyTorch3DをADによるメッシュ操作に組み合わせ, ランダム化有限差分を音響形状最適化に適用する。 物理駆動境界最適化と幾何駆動内部メッシュ適応を分離することにより、フルメッシュの標準有限差よりも30倍少ないFEM溶液で目標周波数で48.1%のエネルギー還元を達成する。 この研究は、パラメータ推定のための自動微分と有限差分と幾何設計のためのADを組み合わせることで、現代の微分可能なソフトウェアスタックが、物理学に基づく逆問題に対する最適化ワークフローの迅速なプロトタイピングを可能にしていることを示す。

関連論文リスト

• Surrogate-Based Differentiable Pipeline for Shape Optimization [64.24199762940444]
  本稿では,非微分可能なパイプラインコンポーネントを,本質的に微分可能な代理モデルに置き換えることを提案する。 本研究では、3次元U-Netのフルフィールドサロゲートがメッシュ化とシミュレーションの両方のステップを置き換え、その形状の符号付き距離場(SDF)と関心領域のマッピングをトレーニングするエンド・ツー・エンドの微分可能なパイプラインを実証する。
  論文  参考訳（メタデータ） (2025-11-13T19:30:50Z)
• Adjoint-Based Aerodynamic Shape Optimization with a Manifold Constraint Learned by Diffusion Models [12.019764781438603]
  本稿では,空力的に実行可能な形状の滑らかな多様体を学習するために,既存の設計で訓練された拡散モデルを統合する,随伴型空力形状最適化フレームワークを提案する。 自動微分による強靭で高忠実な空力形状の最適化を実現するために,AI生成前処理と随伴手法を効果的に統合する方法を実証する。
  論文  参考訳（メタデータ） (2025-07-31T11:21:20Z)
• Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
  本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。 多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。 その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
  論文  参考訳（メタデータ） (2025-07-24T11:02:13Z)
• A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
  マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。 提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
  論文  参考訳（メタデータ） (2025-06-14T17:35:27Z)
• Multidimensional Adaptive Coefficient for Inference Trajectory Optimization in Flow and Diffusion [26.876236866996422]
  フローモデルと拡散モデルは、様々なタスクにおいて強い性能と訓練安定性を示してきた。 フローおよび拡散モデルのためのプラグインモジュールである多次元適応係数(MAC)を提案する。
  論文  参考訳（メタデータ） (2024-04-22T13:20:01Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)

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。