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
• 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

• Hybrid Unet-Transformer Model for Generating Stress and Strain Fields from Composite Geometrics [0.0]
  本稿では,複合構造形状画像から直接,複雑な力学場分布を予測するハイブリッドUNet-Transformerアーキテクチャを提案する。 その結果,提案アーキテクチャは,ほとんどのサブデータセットにおいて高い予測性能を達成していることがわかった。
  論文  参考訳（メタデータ） (2026-06-30T02:56:38Z)
• PhysiFormer: Learning to Simulate Mechanics in World Space [56.16644631495]
  物理的に表現可能な3次元物体運動のための拡散変換器であるPhysorFormerを提案する。 世界座標で表される3Dメッシュとしてオブジェクトを表す。 これは、軌道精度、剛性保存、運動量に基づく物理的一貫性において、自己回帰ベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2026-06-25T17:59:00Z)
• Physics-Guided Dual-Stream Heterogeneous Graph Neural Network for Predicting Full-Field Structural Response of Stiffened Panels [0.0]
  大規模で複雑な構造の反復的な設計と最適化には、応力、変位、その他の分野の高速かつ正確な予測が必要である。 既存のニューラルネットワークは、様々なトポロジや複雑な境界条件に悩まされることが多い。 本研究では,薄肉構造物のフルフィールド応力と変位予測のための新しいDualStream Heterogeneous Graph Neural Network (DS-HGNN)を提案する。
  論文  参考訳（メタデータ） (2026-06-18T20:12:18Z)
• Drift-Resistant Navigation World Model with Anchored Epipolar Guidance [81.52175010905665]
  本稿では,従来のロールアウト型ナビゲーションワールドモデルにおいて,知覚的ドリフトと幾何学的ドリフトの両方を緩和する生成モデルであるDrift-Resistant Navigation World Modelを提案する。 まず、安定な長距離ターゲットとして機能するスパース未来のアンカーを予測し、その後、過去のコンテキストと将来のアンカーの両方で条件付けられた各チャンク内で中間フレームを生成する。 4つのベンチマークの実験では、長期の視覚的品質、幾何的一貫性、多視点コヒーレンスにおいて、強いベースラインよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-05-23T22:47:33Z)
• Decomposing the Depth Profile of Fine-Tuning [1.5567685129899713]
  ファインチューニングは、トレーニング済みのネットワークを新しい目的に適応させる。 15個のモデルにまたがる240個の微調整ランにおける表現的変化の深さプロファイルを測定した。 局所性, 表現的変化の深さ勾配を, 成分がスケール依存の複合現象として扱う。
  論文  参考訳（メタデータ） (2026-04-19T00:25:54Z)
• Metriplector: From Field Theory to Neural Architecture [0.25168553347063854]
  本稿では,入力が抽象物理系を構成するニューラルネットワークプリミティブであるMetriplectorを提案する。 多重場は結合メチトレティックダイナミクスによって発展し、ネーターの定理から導かれる応力エネルギーテンソルTは読み出しを与える。 我々は5つの領域にまたがるMetriplectorを評価し、それぞれが、この共有プリミティブから構築されたタスク固有のアーキテクチャと、徐々にリッチな物理を用いて評価する。
  論文  参考訳（メタデータ） (2026-03-31T09:40:26Z)
• Agentic Exploration of PDE Spaces using Latent Foundation Models for Parameterized Simulations [5.931951549967812]
  偏微分方程式(PDE)によって支配される流れやより広い物理現象は、本質的に連続であり、高次元であり、しばしばカオスである。 伝統的に、研究者はこれらの豊富なPDE解空間を実験室実験や計算に高価な数値シミュレーションを用いて探索してきた。 本研究は,フローフィールドの明示的,コンパクトかつ不整合な潜在表現を学習するパラメトリドシミュレーション上の生成モデルLFMと多エージェントLPMを結合することにより,この問題に対処する。
  論文  参考訳（メタデータ） (2026-02-26T20:39:45Z)
• 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)
• EmerNeRF: Emergent Spatial-Temporal Scene Decomposition via Self-Supervision [85.17951804790515]
  EmerNeRFは動的駆動シーンの時空間表現を学習するためのシンプルだが強力なアプローチである。 シーンの幾何学、外観、動き、セマンティクスを自己ブートストラップで同時にキャプチャする。 本手法はセンサシミュレーションにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-11-03T17:59:55Z)
• 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。