論文の概要: Physics-Informed Neural Networks for Modeling the Martian Induced Magnetosphere

• arxiv url: http://arxiv.org/abs/2512.16175v1
• Date: Thu, 18 Dec 2025 04:49:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.916049
• Title: Physics-Informed Neural Networks for Modeling the Martian Induced Magnetosphere
• Title（参考訳）: 火星磁気圏モデリングのための物理インフォームニューラルネットワーク
• Authors: Jiawei Gao, Chuanfei Dong, Chi Zhang, Yilan Qin, Simin Shekarpaz, Xinmin Li, Liang Wang, Hongyang Zhou, Abigail Tadlock,
• Abstract要約: 我々は物理インフォームドニューラルネットワーク(PINN)を用いた火星磁気圏磁場のデータ駆動モデルを開発した。 我々は,火星-太陽-エレクトロリック座標系におけるドラップ線強度の半球非対称性を含む,太陽風パラメータの磁場配置の鍵となる依存性を同定した。
• 参考スコア（独自算出の注目度）: 8.601043065702704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the magnetic field environment around Mars and its response to upstream solar wind conditions provide key insights into the processes driving atmospheric ion escape. To date, global models of Martian induced magnetosphere have been exclusively physics-based, relying on computationally intensive simulations. For the first time, we develop a data-driven model of the Martian induced magnetospheric magnetic field using Physics-Informed Neural Network (PINN) combined with MAVEN observations and physical laws. Trained under varying solar wind conditions, including B_IMF, P_SW, and θ_cone, the data-driven model accurately reconstructs the three-dimensional magnetic field configuration and its variability in response to upstream solar wind drivers. Based on the PINN results, we identify key dependencies of magnetic field configuration on solar wind parameters, including the hemispheric asymmetries of the draped field line strength in the Mars-Solar-Electric coordinates. These findings demonstrate the capability of PINNs to reconstruct complex magnetic field structures in the Martian induced magnetosphere, thereby offering a promising tool for advancing studies of solar wind-Mars interactions.
• Abstract（参考訳）: 火星の周囲の磁場環境と、上流の太陽風に対する応答を理解することは、大気中のイオンを逃がす過程に重要な洞察を与える。 これまで、火星の磁気圏のグローバルモデルは、計算集約的なシミュレーションに頼って、物理学にのみ依存してきた。 我々は初めて,物理インフォームドニューラルネットワーク(PINN)とMAVEN観測と物理法則を組み合わせた,火星誘導磁気圏磁場のデータ駆動モデルを開発した。 データ駆動型モデルは、B_IMF、P_SW、θ_coneなどの様々な太陽風条件下で訓練され、上流の太陽風ドライバに応答して3次元の磁場配置と変動性を正確に再構成する。 PINNの結果から,火星-太陽-エレクトロリック座標系におけるドラップ線強度の半球非対称性を含む太陽風パラメータの磁場配置の鍵となる依存性を同定した。 これらの結果は、火星の磁気圏における複雑な磁場構造を再構築するPINNの能力を示し、太陽風と火星の相互作用を研究するための有望なツールを提供する。

関連論文リスト

• Interaction Field Matching: Overcoming Limitations of Electrostatic Models [85.87349969357068]
  静電場整合(EFM)は、近年、電気コンデンサのアイデアを用いて、データ生成と転送のための物理に着想を得たパラダイムとして登場した。 我々は、静電気以外の一般的な相互作用場を利用できるEMFの一般化であるInteraction Field Matching (IFM)を提案する。 一連の玩具および画像データ転送問題に対して,その性能を示す。
  論文  参考訳（メタデータ） (2025-06-03T14:45:14Z)
• Conceptual framework for the application of deep neural networks to surface composition reconstruction from Mercury's exospheric data [77.40388962445168]
  本研究では、ディープニューラルネットワーク(DNN)を用いた中性外気圏のその場測定から水銀のレゴリス元素組成の導出の可能性について検討する。 本稿では,下記表層リゴリスの化学成分を予測した制御フィードフォワードDNNアーキテクチャを提案する。 表面と外圏の相互作用や、外圏の形成に至る過程を推定する指標として機能する。
  論文  参考訳（メタデータ） (2025-05-16T09:52:45Z)
• Controllable and Continuous Quantum Phase Transitions in Intrinsic Magnetic Topological Insulator [50.54133633499971]
  本研究では,n型ドーピング特性が強く抑制される固有磁気トポロジカル材料MnBi2Te4について検討した。 角度分解光電子分光法、輸送測定法、第一原理計算に基づいて、2つの磁気誘起TPTを明らかにする。 本研究は,MnBi2Te4系における固有磁気トポロジカル状態の実現を図り,制御可能かつ連続的なTPTを実現するための理想的なプラットフォームを提供する。
  論文  参考訳（メタデータ） (2025-03-08T03:46:54Z)
• Universal Reconstruction of Complex Magnetic Profiles with Minimum Prior Assumptions [12.951457419224631]
  計測された磁場から空間的に変化する磁化密度を再構成する新しい,効率的な方法を提案する。 現実的な実験条件下での多種多様な磁性構造をシミュレーションし,本手法の有効性を検証した。 我々のアプローチは、複雑な磁化プロファイルを探索するための汎用的で普遍的なツールを提供し、将来の量子センシング実験への道を開く。
  論文  参考訳（メタデータ） (2024-11-28T03:15:54Z)
• Surface Flux Transport Modeling using Physics Informed Neural Networks [0.0]
  表面フラックス輸送(SFT)モデリングは、太陽表面の磁束の輸送と進化をシミュレートし、解析するのに役立つ。 本研究では,磁束輸送の解法における機械学習の応用を実証し,その精度を検証した。 SFTを用いたバイポーラ磁気領域(BMR)の進化を研究するための新しい物理情報ニューラルネットワーク(PINN)モデルを開発した。
  論文  参考訳（メタデータ） (2024-09-03T09:41:07Z)
• Magnetogram-to-Magnetogram: Generative Forecasting of Solar Evolution [0.0]
  DDPM(Denoising Diffusion Probabilistic Models)を用いた画像と画像の変換による視線(LoS)磁気グラムの進化予測手法を提案する。 提案手法は,画像品質の「計算機科学メトリクス」と物理精度の「物理メトリクス」を組み合わせて,モデル性能の評価を行う。 その結果, DDPMは, 太陽磁場の動的範囲, 磁束, 活動領域の大きさなどの物理的特徴の維持に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-07-16T12:28:10Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Physics-driven machine learning for the prediction of coronal mass ejections' travel times [46.58747894238344]
  コロナ質量放出(CME)は、太陽コロナからヘリウム圏へのプラズマと磁場の劇的な放出に対応する。 CMEは地磁気嵐と相関しており、太陽エネルギー粒子の流れを発生させる可能性がある。 本稿では,CMEの走行時間予測のための物理駆動型人工知能手法を提案する。
  論文  参考訳（メタデータ） (2023-05-17T08:53:29Z)
• Surpassing the Energy Resolution Limit with ferromagnetic torque sensors [55.41644538483948]
  標準量子限界における熱力学ノイズと機械的検出ノイズを考慮した最適磁場分解能の評価を行った。 近年の文献で指摘されているエネルギー分解限界(ERL, Energy Resolution Limit)は, 桁違いに超えることがある。
  論文  参考訳（メタデータ） (2021-04-29T15:44:12Z)

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。