論文の概要: A Critical Assessment of Pattern Comparisons Between POD and Autoencoders in Intraventricular Flows

• arxiv url: http://arxiv.org/abs/2512.19376v1
• Date: Mon, 22 Dec 2025 13:21:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.767953
• Title: A Critical Assessment of Pattern Comparisons Between POD and Autoencoders in Intraventricular Flows
• Title（参考訳）: 心室内流れにおけるPODとオートエンコーダのパターン比較の批判的評価
• Authors: Eneko Lazpita, Andrés Bell-Navas, Jesús Garicano-Mena, Petros Koumoutsakos, Soledad Le Clainche,
• Abstract要約: 自動エンコーダ(AE)モデルは,特定の潜在空間構成の下でPODのようなコヒーレント構造を再現可能であることを示す。 全体として、AEsは特定の潜在空間構成の下でPOD様のコヒーレント構造を再現できることを示す。
• 参考スコア（独自算出の注目度）: 4.123458880886283
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding intraventricular hemodynamics requires compact and physically interpretable representations of the underlying flow structures, as characteristic flow patterns are closely associated with cardiovascular conditions and can support early detection of cardiac deterioration. Conventional visualization of velocity or pressure fields, however, provides limited insight into the coherent mechanisms driving these dynamics. Reduced-order modeling techniques, like Proper Orthogonal Decomposition (POD) and Autoencoder (AE) architectures, offer powerful alternatives to extract dominant flow features from complex datasets. This study systematically compares POD with several AE variants (Linear, Nonlinear, Convolutional, and Variational) using left ventricular flow fields obtained from computational fluid dynamics simulations. We show that, for a suitably chosen latent dimension, AEs produce modes that become nearly orthogonal and qualitatively resemble POD modes that capture a given percentage of kinetic energy. As the number of latent modes increases, AE modes progressively lose orthogonality, leading to linear dependence, spatial redundancy, and the appearance of repeated modes with substantial high-frequency content. This degradation reduces interpretability and introduces noise-like components into AE-based reduced-order models, potentially complicating their integration with physics-based formulations or neural-network surrogates. The extent of interpretability loss varies across the AEs, with nonlinear, convolutional, and variational models exhibiting distinct behaviors in orthogonality preservation and feature localization. Overall, the results indicate that AEs can reproduce POD-like coherent structures under specific latent-space configurations, while highlighting the need for careful mode selection to ensure physically meaningful representations of cardiac flow dynamics.
• Abstract（参考訳）: 心内血行動態を理解するには、心血管の病態と密接に関連し、心不全の早期発見を支援するため、基礎となる血流構造のコンパクトで物理的に解釈可能な表現が必要である。 しかし、従来の速度や圧力場の可視化は、これらの力学を駆動するコヒーレントなメカニズムについての限られた洞察を与える。 Proper Orthogonal Decomposition(POD)やAutoencoder(AE)アーキテクチャのような低次モデリング技術は、複雑なデータセットから支配的なフロー特徴を抽出する強力な代替手段を提供する。 本研究では,計算流体力学シミュレーションから得られた左室流場を用いて,PODと複数のAE変種(線形,非線形,畳み込み,変分)を系統的に比較した。 適度に選択された潜在次元に対して、AEがほぼ直交し質的にPODモードに類似し、所定の運動エネルギーのパーセンテージを捕捉するモードを生成することを示す。 遅延モードの数が増加するにつれて、AEモードは徐々に直交性を失い、線形依存、空間的冗長性、およびかなりの高周波含有量を持つ繰り返しモードが出現する。 この分解により、解釈可能性が低下し、ノイズのようなコンポーネントがAEベースのダウンオーダーモデルに導入され、物理ベースの定式化やニューラルネットワークサロゲートとの統合が複雑になる可能性がある。 解釈可能性損失の程度は、直交保存と特徴の局所化において異なる振る舞いを示す非線形、畳み込み、および変分モデルにより、AE間で異なる。 その結果、AEsは特定の潜在空間構成下でPOD様のコヒーレント構造を再現でき、心血流動態の物理的に意味のある表現を確実にするための注意モード選択の必要性を強調した。

関連論文リスト

• ENMA: Tokenwise Autoregression for Generative Neural PDE Operators [12.314585849869797]
  本稿では,物理現象から生じるダイナミクスをモデル化するための生成型ニューラルテンポラル演算子ENMAを紹介する。 ENMAは、フローマッチング損失を訓練した生成マスク付き自己回帰変換器を用いて、将来の動的圧縮潜在空間を予測する。 このフレームワークは、新しいPDEレジームに一般化され、時間依存パラメトリックPDEのワンショットサロゲートモデリングをサポートする。
  論文  参考訳（メタデータ） (2025-06-06T15:25:14Z)
• Deformable registration and generative modelling of aortic anatomies by auto-decoders and neural ODEs [4.299467172990462]
  本研究は, 形状登録のための深層学習モデルであるAD-SVFDを導入する。 AD-SVFDの特徴的な特徴はオートデコーダ構造であり、形状コホートをまたいだ一般化を可能にし、効率的な重量共有を好んでいる。 新しい解剖学は、潜在空間から適切にサンプリングし、対応する逆変換を基準幾何学に適用することで合成することができる。
  論文  参考訳（メタデータ） (2025-06-01T10:30:58Z)
• AFD-STA: Adaptive Filtering Denoising with Spatiotemporal Attention for Chaotic System Prediction [4.833734041528231]
  AFD-STAネットは、偏微分方程式によって支配される高次元カオスシステムを予測するための枠組みを示す。 このフレームワークは、測定の不確かさと高次元非線形ダイナミクスの同時処理を必要とする実世界のアプリケーションにとって有望な可能性を示している。
  論文  参考訳（メタデータ） (2025-05-23T16:39:07Z)
• 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)
• No Equations Needed: Learning System Dynamics Without Relying on Closed-Form ODEs [56.78271181959529]
  本稿では,従来の2段階モデリングプロセスから離れることで,低次元力学系をモデル化する概念シフトを提案する。 最初に閉形式方程式を発見して解析する代わりに、我々のアプローチ、直接意味モデリングは力学系の意味表現を予測する。 私たちのアプローチは、モデリングパイプラインを単純化するだけでなく、結果のモデルの透明性と柔軟性も向上します。
  論文  参考訳（メタデータ） (2025-01-30T18:36:48Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• A Geometric Perspective on Diffusion Models [57.27857591493788]
  本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。 我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
  論文  参考訳（メタデータ） (2023-05-31T15:33:16Z)
• 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)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)

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。