論文の概要: GeoTransolver: Learning Physics on Irregular Domains Using Multi-scale Geometry Aware Physics Attention Transformer

• arxiv url: http://arxiv.org/abs/2512.20399v2
• Date: Wed, 24 Dec 2025 15:28:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-25 13:34:31.957935
• Title: GeoTransolver: Learning Physics on Irregular Domains Using Multi-scale Geometry Aware Physics Attention Transformer
• Title（参考訳）: GeoTransolver:マルチスケールな物理注意変換器による不規則領域の物理学習
• Authors: Corey Adams, Rishikesh Ranade, Ram Cherukuri, Sanjay Choudhry,
• Abstract要約: 我々は、標準的な注意をGALEに置き換えるCAEのための幾何対応物理注意変換器GeoTransolverを提案する。 GeoTransolverは、幾何学的、大域的、境界的条件パラメータを物理的状態空間に計画し、潜在計算をドメイン構造や運用状態に固定する。 我々はGeoTransolver on DrivAerML, Luminary ShiFT-SUV, Luminary ShiFT-Wingをベンチマークし, Domino, Transolver (SilberNeMo でリリースされた) および文芸レポート AB-UPT と比較し, フィールド変数に対するドラッグ/リフトR2および相対L1誤差の評価を行った。
• 参考スコア（独自算出の注目度）: 0.6049775965809078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present GeoTransolver, a Multiscale Geometry-Aware Physics Attention Transformer for CAE that replaces standard attention with GALE, coupling physics-aware self-attention on learned state slices with cross-attention to a shared geometry/global/boundary-condition context computed from multi-scale ball queries (inspired by DoMINO) and reused in every block. Implemented and released in NVIDIA PhysicsNeMo, GeoTransolver persistently projects geometry, global and boundary condition parameters into physical state spaces to anchor latent computations to domain structure and operating regimes. We benchmark GeoTransolver on DrivAerML, Luminary SHIFT-SUV, and Luminary SHIFT-Wing, comparing against Domino, Transolver (as released in PhysicsNeMo), and literature-reported AB-UPT, and evaluate drag/lift R2 and Relative L1 errors for field variables. GeoTransolver delivers better accuracy, improved robustness to geometry/regime shifts, and favorable data efficiency; we include ablations on DrivAerML and qualitative results such as contour plots and design trends for the best GeoTransolver models. By unifying multiscale geometry-aware context with physics-based attention in a scalable transformer, GeoTransolver advances operator learning for high-fidelity surrogate modeling across complex, irregular domains and non-linear physical regimes.
• Abstract（参考訳）: 我々は,GALEに取って代わるCAE用マルチスケール幾何対応物理注意変換であるGeoTransolverについて,学習状態スライスに対する物理認識自己注意と,マルチスケール球問合せ(DoMINOにヒントを得た)から計算され,各ブロックで再利用される共有幾何/グロバル/バウンダリ-コンテクストとを結合する。 NVIDIA PhysicsNeMoで実装されリリースされているGeoTransolverは、幾何学、大域的、境界的条件パラメータを物理状態空間に投射し、潜在計算をドメイン構造やオペレーティングレジームに固定する。 我々はGeoTransolver on DrivAerML, Luminary ShiFT-SUV, Luminary ShiFT-Wingをベンチマークし, Domino, Transolver (NybericsNeMo) および文献報告AB-UPTと比較し, フィールド変数に対するドラッグ/リフトR2および相対L1誤差を評価した。 また,GeoTransolverの精度向上,幾何/レジリエムシフトの堅牢性向上,データ効率の向上,DrivAerMLの短縮,輪郭プロットなどの定性的な結果,最高のGeoTransolverモデルの設計動向などについて述べる。 拡張性のあるトランスフォーマーにおいて、多スケールな幾何学的文脈と物理に基づく注意を一体化することにより、GeoTransolverは複雑な不規則な領域と非線形な物理状態にわたる高忠実な代理モデリングのための演算子学習を前進させる。

関連論文リスト

• Geometric Operator Learning with Optimal Transport [77.16909146519227]
  複素測地上での偏微分方程式(PDE)に対する演算子学習に最適輸送(OT)を統合することを提案する。 表面に焦点を当てた3次元シミュレーションでは、OTベースのニューラルオペレーターが表面形状を2次元パラメータ化潜在空間に埋め込む。 ShapeNet-Car と DrivAerNet-Car を用いたレイノルズ平均化 Navier-Stokes 方程式 (RANS) を用いた実験により,提案手法は精度の向上と計算コストの削減を図った。
  論文  参考訳（メタデータ） (2025-07-26T21:28:25Z)
• GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters [61.51810815162003]
  制御された生成タスクに対してフレキシブルかつパラメータ効率の良い微調整を可能にするSE(3)-equivariant Adapter framework(GeoAda)を提案する。 GeoAdaは、過剰適合と破滅的な忘れを緩和しながら、モデルの幾何的一貫性を保っている。 我々は、フレーム制御、グローバル制御、サブグラフ制御、広範囲のアプリケーションドメインを含む多様な幾何学的制御タイプにまたがるGeoAdaの適用性を実証する。
  論文  参考訳（メタデータ） (2025-07-02T18:44:03Z)
• Geometry-Informed Neural Operator Transformer [0.8906214436849201]
  この研究は、Geometry-Informed Neural Operator Transformer (GINOT)を導入し、トランスフォーマーアーキテクチャとニューラルオペレータフレームワークを統合し、任意のジオメトリの前方予測を可能にする。 GINOTの性能は複数の挑戦的なデータセットで検証され、複雑で任意の2Dおよび3Dジオメトリに対して高い精度と強力な一般化能力を示す。
  論文  参考訳（メタデータ） (2025-04-28T03:39:27Z)
• Graph Transformers for inverse physics: reconstructing flows around arbitrary 2D airfoils [0.0]
  メッシュ上の一般的な逆物理エンジンとして機能するグラフトランスフォーマーフレームワークを導入する。 本枠組みは,種々の翼の測地に関する定常RANSシミュレーションのデータセットを用いて評価する。 メッシュベースの逆問題における局所的幾何処理と大域的注意機構の相対的重要性に関する実験と知見を提供する。
  論文  参考訳（メタデータ） (2025-01-28T17:06:09Z)
• GeoCoder: Solving Geometry Problems by Generating Modular Code through Vision-Language Models [10.443672399225983]
  視覚パラメトリックモデル(VLM)は、様々なマルチモーダルタスクにおいて大きな進歩を遂げた。 彼らはいまだに幾何学的な問題に悩まされており、事前訓練中に見えない数学的操作を行うことができないため、著しく制限されている。 モジュール型コードファインタニングを利用して,事前に定義された幾何関数ライブラリを使用してコードの生成と実行を行うGeoCoderを提案する。
  論文  参考訳（メタデータ） (2024-10-17T12:56:52Z)
• Transolver: A Fast Transformer Solver for PDEs on General Geometries [66.82060415622871]
  本稿では, 離散化された測地の背後に隠れた本質的な物理状態を学習するTransolverについて述べる。 スライスから符号化された物理認識トークンに注意を向けることで、Transovlerは複雑な物理的相関を効果的に捉えることができる。 Transolverは6つの標準ベンチマークで22%の相対的な利得で一貫した最先端を実現し、大規模産業シミュレーションでも優れている。
  論文  参考訳（メタデータ） (2024-02-04T06:37:38Z)
• A Physics-guided Generative AI Toolkit for Geophysical Monitoring [13.986582633154226]
  フルウェーブフォーム・インバージョン(FWI)は地下探査において重要な役割を担っている。 物理原理で導かれる拡散モデルを用いて高忠実度速度マップを生成するEdGeoツールキットを提案する。
  論文  参考訳（メタデータ） (2024-01-06T06:09:05Z)
• Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
  この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。 本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。 本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
  論文  参考訳（メタデータ） (2021-12-14T13:14:24Z)
• TransMOT: Spatial-Temporal Graph Transformer for Multiple Object Tracking [74.82415271960315]
  映像内の物体間の空間的・時間的相互作用を効率的にモデル化するソリューションであるTransMOTを提案する。 TransMOTは従来のTransformerよりも計算効率が高いだけでなく、トラッキング精度も向上している。 提案手法は、MOT15、MOT16、MOT17、MOT20を含む複数のベンチマークデータセット上で評価される。
  論文  参考訳（メタデータ） (2021-04-01T01:49:05Z)

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。