論文の概要: Magic of the Well: assessing quantum resources of fluid dynamics data

• arxiv url: http://arxiv.org/abs/2512.03177v1
• Date: Tue, 02 Dec 2025 19:23:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 11:57:31.797481
• Title: Magic of the Well: assessing quantum resources of fluid dynamics data
• Title（参考訳）: 井戸の魔法:流体力学データの量子資源の評価
• Authors: Antonio Francesco Mello, Mario Collura, E. Miles Stoudenmire, Ryan Levy,
• Abstract要約: 本研究では,2次元,周期的,圧縮不能なせん断流れのシミュレーションから生成されたデータセットの量子リソース要求について検討する。 分析の結果,特定の初期条件下では,資源効率と資源集約型レシスタンス間の遷移を,せん断幅が識別できることが判明した。 これらの知見は、スケーラブルで量子にインスパイアされた流体力学のアプローチの開発に有用なガイドラインを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We investigate the quantum resource requirements of a dataset generated from simulations of two-dimensional, periodic, incompressible shear flow, aimed at training machine learning models. By measuring entanglement and non-stabilizerness on MPS-encoded functions, we estimate the computational complexity encountered by a stabilizer or a tensor network solver applied to Computational Fluid Dynamics (CFD) simulations across different flow regimes. Our analysis reveals that, under specific initial conditions, the shear width identifies a transition between resource-efficient and resource-intensive regimes for non-trivial evolution. Furthermore, we find that the two resources qualitatively track each other in time, and that the mesh resolution along with the sign structure play a crucial role in determining the resource content of the encoded state. These findings offer useful guidelines for the development of scalable, quantum-inspired approaches to fluid dynamics.
• Abstract（参考訳）: 本研究では,機械学習モデルの学習を目的とした2次元,周期的,非圧縮的なせん断流れのシミュレーションから生成されたデータセットの量子リソース要求について検討する。 本稿では,MPS符号化関数のエンタングルメントと非安定化度を計測することにより,数値流体力学(CFD)シミュレーションに適用した安定化器やテンソルネットワークソルバが直面する計算複雑性を推定する。 解析の結果, せん断幅は, 資源効率と資源集約型レギュレーション間の遷移を非自明な進化のために識別することがわかった。 さらに,2つの資源が時間とともに定性的に相互に追跡し,符号構造とともにメッシュ解像度が,符号化された状態のリソース内容を決定する上で重要な役割を担っていることがわかった。 これらの知見は、スケーラブルで量子にインスパイアされた流体力学のアプローチの開発に有用なガイドラインを提供する。

関連論文リスト

• Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
  グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。 適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。 我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2025-11-23T14:47:24Z)
• Mitigating Modality Quantity and Quality Imbalance in Multimodal Online Federated Learning [17.228105810116762]
  IoT(Internet of Things)エコシステムは,センサやカメラ,マイクなど,さまざまなソースから大量のマルチモーダルデータを生成する。 エッジインテリジェンスの進歩により、IoTデバイスは、単純なデータ取得ユニットから計算能力のあるノードへと進化し、異種マルチモーダルデータのローカライズされた処理を可能にした。 データ生成の継続的な性質とエッジデバイスの限られたストレージ容量は、オンライン学習フレームワークを必要としている。これらの要件を満たすための有望なアプローチとして、Multimodal Online Federated Learning (MMO-FL)が登場した。 トレーニングと並行して動作するように設計された学習手法であるQQRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-08-15T02:13:39Z)
• Dynamics and Computational Principles of Echo State Networks: A Mathematical Perspective [13.135043580306224]
  貯留層計算(Reservoir Computing, RC)は、状態遷移機構(貯留層)と、状態空間からマップされるフレキシブルな読み出し層を特徴とする状態空間モデル(SSM)のクラスである。 本研究はRCの系統的な探索を行い, エコー状態特性, フェージングメモリ, 貯水池容量などの基礎的特性を動的システム理論のレンズを通して論じる。 入力信号と貯水池状態の相互作用を形式化し、貯水池の安定性と表現力を示す条件を示す。
  論文  参考訳（メタデータ） (2025-04-16T04:28:05Z)
• Physically Interpretable Representation and Controlled Generation for Turbulence Data [39.42376941186934]
  本稿では,高次元科学的データを低次元,物理的に意味のある表現に符号化するデータ駆動型手法を提案する。 レイノルズ数の範囲を越えるシリンダーを過ぎる流れの2次元ナビエ・ストークスシミュレーションを用いて,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-01-31T17:51:14Z)
• Equation-informed data-driven identification of flow budgets and dynamics [0.0]
  本稿では,フロークラスタリングのための新しいハイブリッド手法を提案する。 それは、方程式に基づく特徴を持つシステムの各サンプルポイントを特徴づけることから成り立っている。 このアルゴリズムは、EulerianフレームワークとLagrangianフレームワークの両方で実装されている。
  論文  参考訳（メタデータ） (2024-11-14T15:59:41Z)
• From Displacements to Distributions: A Machine-Learning Enabled Framework for Quantifying Uncertainties in Parameters of Computational Models [0.09208007322096533]
  本研究は、工学系のモデリングにおける不確実性を定量化するための2つのフレームワークを組み合わせるための新しい拡張を提案する。 データ一貫性反復(DC)フレームワークは、与えられた関心の量(QoI)マップに対するプルバックおよびプッシュフォワード測度の観点からアレタリック不確かさを定量化するための逆問題と解決策を提供する。 Learning Uncertain Quantities (LUQ)フレームワークは、ノイズの多いデータセットを学習されたQoIマップのサンプルに変換する3ステップの機械学習を可能にする正式なプロセスを定義する。
  論文  参考訳（メタデータ） (2024-03-04T20:40:50Z)
• Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes [37.69303106863453]
  本稿では3次元Y字ミキサー内の層流をシミュレートするハイブリッド量子物理学インフォームドニューラルネットワークを提案する。 我々のアプローチは、量子モデルの表現力と物理インフォームドニューラルネットワークの柔軟性を組み合わせることで、純粋に古典的なニューラルネットワークに比べて21%高い精度を実現している。
  論文  参考訳（メタデータ） (2023-04-21T20:49:29Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)
• 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)
• Multilinear Compressive Learning with Prior Knowledge [106.12874293597754]
  マルチリニア圧縮学習(MCL)フレームワークは、マルチリニア圧縮センシングと機械学習をエンドツーエンドシステムに統合する。 MCLの背後にある主要なアイデアは、下流学習タスクの信号から重要な特徴を捉えることのできるテンソル部分空間の存在を仮定することである。 本稿では、上記の要件、すなわち、関心の信号が分離可能なテンソル部分空間をどうやって見つけるかという、2つの要件に対処する新しい解決策を提案する。
  論文  参考訳（メタデータ） (2020-02-17T19:06:05Z)

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。