論文の概要: Case study of a differentiable heterogeneous multiphysics solver for a nuclear fusion application

• arxiv url: http://arxiv.org/abs/2511.13262v1
• Date: Mon, 17 Nov 2025 11:23:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.161777
• Title: Case study of a differentiable heterogeneous multiphysics solver for a nuclear fusion application
• Title（参考訳）: 核融合用異種多物理分解器のケーススタディ
• Authors: Jack B. Coughlin, Archis Joglekar, Jonathan Brodrick, Alexander Lavin,
• Abstract要約: 本研究は核融合領域からの異種多物理分解器のケーススタディを示す。 マクロスケールでは、JAXの自己微分可能なODEソルバが圧縮Zピンチのパルスパワー回路とバルクプラズマパラメータの進化を計算する。 ODEソルバは, ルートフィリングによって得られるプラズマ負荷のインピーダンスを各タイミングで遮断する必要があり, 勾配に基づくニュートン反復法を用いて効率よく解くことができる。
• 参考スコア（独自算出の注目度）: 39.74211852563065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents a case study of a heterogeneous multiphysics solver from the nuclear fusion domain. At the macroscopic scale, an auto-differentiable ODE solver in JAX computes the evolution of the pulsed power circuit and bulk plasma parameters for a compressing Z Pinch. The ODE solver requires a closure for the impedance of the plasma load obtained via root-finding at every timestep, which we solve efficiently using gradient-based Newton iteration. However, incorporating non-differentiable production-grade plasma solvers like Gkeyll (a C/CUDA plasma simulation suite) into a gradient-based workflow is non-trivial. The ''Tesseract'' software addresses this challenge by providing a multi-physics differentiable abstraction layer made fully compatible with JAX (through the `tesseract_jax` adapter). This architecture ensures end-to-end differentiability while allowing seamless interchange between high-fidelity solvers (Gkeyll), neural surrogates, and analytical approximations for rapid, progressive prototyping.
• Abstract（参考訳）: 本研究は核融合領域からの異種多物理分解器のケーススタディを示す。 マクロスケールでは、JAXの自己微分可能なODEソルバが圧縮Zピンチのパルスパワー回路とバルクプラズマパラメータの進化を計算する。 ODEソルバは, ルートフィリングによって得られるプラズマ負荷のインピーダンスを各タイミングで遮断する必要があり, 勾配に基づくニュートン反復法を用いて効率よく解くことができる。 しかし、Gkeyll(C/CUDAプラズマシミュレーションスイート)のような非微分可能な生産級プラズマ解決器を勾配ベースのワークフローに組み込むことは簡単ではない。 ソフトウェアは、JAXと完全に互換性のあるマルチ物理の差別化可能な抽象化レイヤを提供することによって、この課題に対処します("tesseract_jax`アダプタを通して)。 このアーキテクチャは、高忠実度ソルバ(Gkeyll)とニューラルサロゲート(Neural surrogates)のシームレスな相互交換と、高速で進行的なプロトタイピングのための解析的近似を可能にしながら、エンドツーエンドの微分可能性を保証する。

関連論文リスト

• Hybrid Fourier Neural Operator-Plasma Fluid Model for Fast and Accurate Multiscale Simulations of High Power Microwave Breakdown [2.202064335120138]
  微分方程式に基づくプラズマ流体解法とFNOの計算効率を組み合わせたハイブリッドモデリング手法を提案する。 FNOは、社内のプラズマ流体解決器からのデータに基づいて、計算コストの高いEMフィールド更新を置き換える。 我々の研究は、そのようなハイブリッドパイプラインが、既存のCベースのシミュレーションコードをPythonベースの機械学習フレームワークとシームレスに統合するためにどのように使用できるかを実証している。
  論文  参考訳（メタデータ） (2025-09-06T18:24:33Z)
• Accurate and scalable deep Maxwell solvers using multilevel iterative methods [1.7188280334580195]
  ニューラルネットワークサロゲートは反復アルゴリズムと組み合わせて、異なるスケール、解像度、境界条件を特徴とするPDE問題を解くことができることを示す。 本研究は, 高精度でスケーラブルなマルチフィジカル・サロゲート・サロゲート・ソルバを構築するための有望な方法である。
  論文  参考訳（メタデータ） (2025-09-03T18:16:25Z)
• Implicit Neural Differential Model for Spatiotemporal Dynamics [5.1854032131971195]
  In-PiNDiffは、安定時間力学のための新しい暗黙の物理積分型ニューラル微分可能解法である。 深い平衡モデルにインスパイアされたIm-PiNDiffは、暗黙の固定点層を用いて状態を前進させ、堅牢な長期シミュレーションを可能にする。 Im-PiNDiffは優れた予測性能、数値安定性の向上、メモリとコストの大幅な削減を実現している。
  論文  参考訳（メタデータ） (2025-04-03T04:07:18Z)
• Gradient Flow Based Phase-Field Modeling Using Separable Neural Networks [1.2277343096128712]
  勾配流問題の解法として, 位相場の分離可能なニューラルネットワークによる近似を最小化運動方式で提案する。 提案手法は相分離問題に対する最先端の機械学習手法よりも優れている。
  論文  参考訳（メタデータ） (2024-05-09T21:53:27Z)
• Transolver: A Fast Transformer Solver for PDEs on General Geometries [66.82060415622871]
  本稿では, 離散化された測地の背後に隠れた本質的な物理状態を学習するTransolverについて述べる。 スライスから符号化された物理認識トークンに注意を向けることで、Transovlerは複雑な物理的相関を効果的に捉えることができる。 Transolverは6つの標準ベンチマークで22%の相対的な利得で一貫した最先端を実現し、大規模産業シミュレーションでも優れている。
  論文  参考訳（メタデータ） (2024-02-04T06:37:38Z)
• Gaussian Mixture Solvers for Diffusion Models [84.83349474361204]
  本稿では,拡散モデルのためのGMSと呼ばれる,SDEに基づく新しい解法について紹介する。 画像生成およびストロークベース合成におけるサンプル品質の観点から,SDEに基づく多くの解法よりも優れる。
  論文  参考訳（メタデータ） (2023-11-02T02:05:38Z)
• Blending Neural Operators and Relaxation Methods in PDE Numerical Solvers [3.2712166248850685]
  HINTSは偏微分方程式のハイブリッド、反復、数値、移乗可能な解法である。 DeepONetのスペクトルバイアスを利用して固有モードのスペクトル間の収束挙動のバランスをとる。 離散化、計算領域、境界条件に関して柔軟である。
  論文  参考訳（メタデータ） (2022-08-28T19:07:54Z)
• Unsupervised Discovery of Inertial-Fusion Plasma Physics using Differentiable Kinetic Simulations and a Maximum Entropy Loss Function [77.34726150561087]
  プラズマ運動学3次元偏微分方程式の微分可能解法を作成し, 領域固有の目的関数を導入する。 我々はこの枠組みを慣性融合に関する構成に適用し、最適化プロセスが新しい物理効果を利用することを示す。
  論文  参考訳（メタデータ） (2022-06-03T15:27:33Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)

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。