論文の概要: FieldSeer I: Physics-Guided World Models for Long-Horizon Electromagnetic Dynamics under Partial Observability
- arxiv url: http://arxiv.org/abs/2512.05361v1
- Date: Fri, 05 Dec 2025 02:00:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-13 22:40:56.864498
- Title: FieldSeer I: Physics-Guided World Models for Long-Horizon Electromagnetic Dynamics under Partial Observability
- Title（参考訳）: FieldSeer I: 部分可観測下における長距離電磁力学の物理誘導世界モデル
- Authors: Ziheng Guo, Fang Wu, Maoxiong Zhao, Chaoqun Fang, Yang Bu,
- Abstract要約: 本研究では2次元TE導波路の部分的な観測から電磁場力学を予測する幾何学的世界モデルであるFieldSeer Iを紹介する。
このモデルは、観測されたフィールドの短いプレフィックス、スカラーソースアクションと構造/マテリアルマップの条件を同化し、物理領域における閉ループロールアウトを生成する。
- 参考スコア（独自算出の注目度）: 7.844624944935348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce FieldSeer I, a geometry-aware world model that forecasts electromagnetic field dynamics from partial observations in 2-D TE waveguides. The model assimilates a short prefix of observed fields, conditions on a scalar source action and structure/material map, and generates closed-loop rollouts in the physical domain. Training in a symmetric-log domain ensures numerical stability. Evaluated on a reproducible FDTD benchmark (200 unique simulations, structure-wise split), FieldSeer I achieves higher suffix fidelity than GRU and deterministic baselines across three practical settings: (i) software-in-the-loop filtering (64x64, P=80->Q=80), (ii) offline single-file rollouts (80x140, P=240->Q=40), and (iii) offline multi-structure rollouts (80x140, P=180->Q=100). Crucially, it enables edit-after-prefix geometry modifications without re-assimilation. Results demonstrate that geometry-conditioned world models provide a practical path toward interactive digital twins for photonic design.
- Abstract（参考訳）: 本研究では2次元TE導波路の部分的な観測から電磁場力学を予測する幾何学的世界モデルであるFieldSeer Iを紹介する。
このモデルは、観測されたフィールドの短いプレフィックス、スカラーソースアクションと構造/マテリアルマップの条件を同化し、物理領域における閉ループロールアウトを生成する。
対称ログ領域でのトレーニングは数値安定性を保証する。
再現可能なFDTDベンチマーク(200の独特なシミュレーション、構造的分割)に基づいて、FieldSeer IはGRUよりも接尾辞忠実度が高く、3つの実用的な設定で決定論的ベースラインを実現している。
(i)ソフトウェア・イン・ザ・ループ・フィルタリング(64x64,P=80->Q=80)
(ii)オフライン単一ファイルロールアウト(80x140, P=240->Q=40)、
(iii)オフライン多構造ロールアウト(80x140,P=180->Q=100)
重要なことは、再同化することなく編集後修正の幾何修正を可能にする。
その結果、幾何条件付き世界モデルは、フォトニックデザインのためのインタラクティブなデジタル双生児への実践的な道を提供することを示した。
関連論文リスト
- Multi-Field Relativistic Continuous Matrix Product States [0.0]
マルチフィールドRCMPSの正規部分多様体上でのエネルギー密度を最小化する方法を示す。
相互作用する2つの場を1+1$次元でモデル化する。
これにより、RCMPSは以前よりもはるかに大きな問題に利用できる。
論文 参考訳（メタデータ） (2025-11-25T19:00:07Z) - EddyFormer: Accelerated Neural Simulations of Three-Dimensional Turbulence at Scale [15.20548942455541]
EddyFormerはTransformerベースの大規模乱流シミュレーションのためのスペクトル要素アーキテクチャである。
DNSレベルの精度を2563の解像度で達成し、DNSの30倍のスピードアップを提供する。
物理不変量-エネルギースペクトル、相関関数、構造関数-振れ領域一般化の精度を保っている。
論文 参考訳（メタデータ） (2025-10-28T08:27:37Z) - FieldFormer: Physics-Informed Transformers for Spatio-Temporal Field Reconstruction from Sparse Sensors [4.027064713296126]
本研究では、メッシュフリー時間フィールド再構築のためのトランスフォーマーベースのフレームワークであるFieldFormerを紹介する。
各クエリに対して、FieldFormerは学習可能なベロシティスケール距離メトリックを使用して、ローカルエリアを収集する。
本研究では,フィールドフォーマーの精度(RMSE$10-2$)と,スパース(0.4%-2%)とノイズ(10%)データから効率よく,物理的に一貫したフィールド再構成を可能にすることを示す。
論文 参考訳（メタデータ） (2025-10-04T00:37:28Z) - Riemannian Consistency Model [57.933800575074535]
本稿では,Riemannian Consistency Model (RCM)を提案する。
RCMの離散的および連続的な訓練目標に対する閉形式解を導出する。
我々は、RCMの目的を解釈するためのユニークなキネマティクスの視点を提供し、新しい理論的な角度を提供する。
論文 参考訳（メタデータ） (2025-10-01T14:57:25Z) - Follow the Energy, Find the Path: Riemannian Metrics from Energy-Based Models [63.331590876872944]
本稿では,事前学習したエネルギーベースモデルから直接リーマン計量を導出する手法を提案する。
これらの測度は空間的に異なる距離を定義し、測地学の計算を可能にする。
EBM由来のメトリクスは、確立されたベースラインを一貫して上回ります。
論文 参考訳（メタデータ） (2025-05-23T12:18:08Z) - PolypFlow: Reinforcing Polyp Segmentation with Flow-Driven Dynamics [25.69584903128262]
PolypFLowは、セグメンテーションの洗練に物理にインスパイアされた最適化力学を注入するフローマッチング拡張アーキテクチャである。
我々はPolypFLowが様々な照明シナリオで一貫した性能を維持しながら最先端を実現していることを示す。
論文 参考訳（メタデータ） (2025-02-26T10:48:33Z) - WindsorML: High-Fidelity Computational Fluid Dynamics Dataset For Automotive Aerodynamics [1.7258674811482855]
本稿では,Windsorボディの355の幾何学的変種を含む機械学習(ML)のための,オープンソースの新しい高忠実度データセットを提案する。
著者らにとってこれは、許容オープンソースライセンス(CC-BY-SA)を持つWindsorボディのための、最初の大規模高忠実CFDデータセットである。
論文 参考訳（メタデータ） (2024-07-27T18:33:10Z) - Automatic Parameterization for Aerodynamic Shape Optimization via Deep
Geometric Learning [60.69217130006758]
空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。
どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。
2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
論文 参考訳（メタデータ） (2023-05-03T13:45:40Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳（メタデータ） (2021-06-17T12:25:44Z) - GeoMol: Torsional Geometric Generation of Molecular 3D Conformer
Ensembles [60.12186997181117]
分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。
既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。
エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
論文 参考訳（メタデータ） (2021-06-08T14:17:59Z)
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。