論文の概要: Modeling and Inverse Identification of Interfacial Heat Conduction in Finite Layer and Semi-Infinite Substrate Systems via a Physics-Guided Neural Framework

• arxiv url: http://arxiv.org/abs/2512.02618v1
• Date: Tue, 02 Dec 2025 10:22:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.823498
• Title: Modeling and Inverse Identification of Interfacial Heat Conduction in Finite Layer and Semi-Infinite Substrate Systems via a Physics-Guided Neural Framework
• Title（参考訳）: 物理誘導ニューラルネットワークによる有限層および半無限基板系の界面熱伝導のモデル化と逆同定
• Authors: Wenhao Sha, Tienchong Chang,
• Abstract要約: HeatTransFormerは物理誘導型トランスフォーマーアーキテクチャである。 物理的にインフォメーションされたサンプリング、ラプラスをベースとした拡散解をエミュレートするアクティベーション、マスクレスアテンション機構を統合している。 有限層半無限基板構成に適用すると、界面のコヒーレント温度場が生成される。
• 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: Heat transfer in semiconductor devices is dominated by chip and substrate assemblies, where heat generated within a finite chip layer dissipates into a semi-infinite substrate with much higher thermophysical properties. This mismatch produces steep interfacial temperature gradients, making the transient thermal response highly sensitive to the interface. Conventional numerical solvers require excessive discretization to resolve these dynamics, while physics-informed neural networks (PINNs) often exhibit unstable convergence and loss of physical consistency near the material interface. To address these challenges, we introduce HeatTransFormer, a physics-guided Transformer architecture for interface-dominated diffusion problems. The framework integrates physically informed spatiotemporal sampling, a Laplace-based activation emulating analytical diffusion solutions, and a mask-free attention mechanism supporting bidirectional spatiotemporal coupling. These components enable the model to resolve steep gradients, maintain physical consistency, and remain stable where PINNs typically fail. HeatTransFormer produces coherent temperature fields across the interface when applied to a finite layer and semi-infinite substrate configuration. Coupled with a physics-constrained inverse strategy, it further enables reliable identification of three unknown thermal properties simultaneously using only external measurements. Overall, this work demonstrates that physics-guided Transformer architectures provide a unified framework for forward and inverse modeling in interface-dominated thermal systems.
• Abstract（参考訳）: 半導体デバイスにおける熱伝達は、有限チップ層内で発生する熱が、より高い熱物性を持つ半無限基板に散逸するチップと基板アセンブリによって支配される。 このミスマッチは界面温度勾配を急勾配にし、過渡的な熱応答を界面に非常に敏感にする。 従来の数値解法はこれらの力学を解くために過度な離散化を必要とするが、物理情報ニューラルネットワーク(PINN)は物質界面付近で不安定な収束と物理的一貫性の喪失を示すことが多い。 これらの課題に対処するために,物理誘導型トランスフォーマーアーキテクチャであるHeatTransFormerを導入する。 このフレームワークは、物理的に情報を得た時空間サンプリング、分析拡散溶液をエミュレートするラプラスベースのアクティベーション、および双方向時空間結合をサポートするマスクレスアテンション機構を統合する。 これらのコンポーネントにより、モデルは急勾配を解消し、物理的整合性を維持し、PINNが通常失敗する場合は安定している。 HeatTransFormerは、有限層および半無限基板構成に適用した場合、界面のコヒーレントな温度場を生成する。 物理制約された逆戦略と組み合わせることで、外部測定のみを使用して3つの未知の熱特性の信頼性を識別することが可能になる。 本研究は、物理誘導型トランスフォーマーアーキテクチャが、界面支配熱システムにおけるフォワードおよび逆モデリングのための統一的なフレームワークを提供することを示す。

関連論文リスト

• Learning to Reconstruct Temperature Field from Sparse Observations with Implicit Physics Priors [22.013633764284936]
  温度場における測定の高コスト化と相当な分布変化は、再構成モデルの開発に挑戦する。 暗黙的な物理誘導型温度場再構成フレームワークであるIPTRを提案する。 我々はIPTRが既存の手法を一貫して上回り、最先端の再構築精度と強力な一般化能力を実現していることを示す。
  論文  参考訳（メタデータ） (2025-12-01T02:22:30Z)
• Data-Driven Optical To Thermal Inference in Pool Boiling Using Generative Adversarial Networks [1.0499611180329804]
  本稿では,標準プール沸騰構成における幾何位相から温度場を推定するデータ駆動フレームワークを提案する。 本研究は,観測可能な多相現象と熱輸送のギャップを埋めるための深部生成モデルの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-05-01T19:26:01Z)
• Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
  本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。 古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。 本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
  論文  参考訳（メタデータ） (2024-05-27T17:40:39Z)
• Heat transport through an open coupled scalar field theory hosting stability-to-instability transition [1.96076686350775]
  一次元オープン結合スカラー場理論による熱輸送の研究を行う。 本研究は,両端の2つのフィールドに同一の強度で1つの浴を接続する独自の浴結合を設計した。 本研究では, 高温の古典的熱電流の解析式をエッジの異なるバスカップリングのネットワークを通じて導出し, 比較する。
  論文  参考訳（メタデータ） (2024-02-07T16:03:36Z)
• TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small Target Detection [58.00308680221481]
  赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。 ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。 熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
  論文  参考訳（メタデータ） (2024-02-03T05:51:22Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains at Finite Temperature: Exact Results [68.8204255655161]
  奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。 正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
  論文  参考訳（メタデータ） (2021-05-11T14:08:02Z)
• Accurate simulation and thermal tuning by temperature-adaptive boundary interactions on quantum many-body systems [2.13230439190003]
  本研究では, 1次元(1次元)多体系の熱力学を模倣し, 調整する温度適応型エンタングルメントシミュレータ(TAES)を提案する。 1Dスピンチェーンのベンチマークでは、TAESは既存の有限温度アプローチと比較して最先端の精度を上回っている。
  論文  参考訳（メタデータ） (2021-04-30T15:21:06Z)
• Physics-Informed Neural Network for Modelling the Thermochemical Curing Process of Composite-Tool Systems During Manufacture [11.252083314920108]
  オートクレーブで治療を行うツール上で, 複合材料の熱化学的進化をシミュレートするPINNを提案する。 我々は、PDE、境界、インターフェース、初期条件に対応する損失項に自動的に重みを適応させる手法でPINNを訓練する。 提案したPINNの性能は材料厚と熱境界条件の異なる複数のシナリオで実証された。
  論文  参考訳（メタデータ） (2020-11-27T00:56:15Z)
• Probing eigenstate thermalization in quantum simulators via fluctuation-dissipation relations [77.34726150561087]
  固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。 本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。 我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
  論文  参考訳（メタデータ） (2020-07-20T18:00:02Z)

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。