論文の概要: Learning Temporally Consistent Turbulence Between Sparse Snapshots via Diffusion Models
- arxiv url: http://arxiv.org/abs/2512.24813v1
- Date: Wed, 31 Dec 2025 11:58:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-01 23:27:28.645904
- Title: Learning Temporally Consistent Turbulence Between Sparse Snapshots via Diffusion Models
- Title（参考訳）: 拡散モデルによるスパーススナップショット間の時間連続乱流の学習
- Authors: Mohammed Sardar, Małgorzata J. Zimoń, Samuel Draycott, Alistair Revell, Alex Skillen,
- Abstract要約: 乱流のスパーススナップショット間のコヒーレントダイナミクスを再構成するために,条件付き拡散確率モデルを用いる。
統計的乱流のレンズを通して発生した流れ列を解析し, 乱流構造の時間平均乱流エネルギースペクトル, 速度論的および時間的減衰について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We investigate the statistical accuracy of temporally interpolated spatiotemporal flow sequences between sparse, decorrelated snapshots of turbulent flow fields using conditional Denoising Diffusion Probabilistic Models (DDPMs). The developed method is presented as a proof-of-concept generative surrogate for reconstructing coherent turbulent dynamics between sparse snapshots, demonstrated on a 2D Kolmogorov Flow, and a 3D Kelvin-Helmholtz Instability (KHI). We analyse the generated flow sequences through the lens of statistical turbulence, examining the time-averaged turbulent kinetic energy spectra over generated sequences, and temporal decay of turbulent structures. For the non-stationary Kelvin-Helmholtz Instability, we assess the ability of the proposed method to capture evolving flow statistics across the most strongly time-varying flow regime. We additionally examine instantaneous fields and physically motivated metrics at key stages of the KHI flow evolution.
- Abstract（参考訳）: 条件付き拡散確率モデル (DDPMs) を用いて, 乱流場のスパース・デコラート・スナップショット間の時間補間時空間流列の統計的精度について検討した。
本手法は,2次元コルモゴロフフローと3次元ケルビン・ヘルムホルツ不安定性(KHI)で実証されたスパーススナップショット間のコヒーレント乱流ダイナミクスを再構築するための概念生成サロゲートとして提示された。
統計的乱流のレンズを通して発生した流れ列を解析し, 発生配列上での時間平均の乱流運動エネルギースペクトル, 乱流構造の時間減衰について検討した。
非定常Kelvin-Helmholtz不安定性について、最も強い時間変化のフローレシスタンスで進化するフロー統計を捉えるための提案手法の能力を評価する。
また,KHIフローの進化の重要な段階において,瞬時フィールドと物理的動機付けの指標についても検討した。
関連論文リスト
- FlowMo: Variance-Based Flow Guidance for Coherent Motion in Video Generation [51.110607281391154]
FlowMoは、テキスト・ビデオ・モデルにおける動きコヒーレンスを高めるためのトレーニング不要のガイダンス手法である。
時間次元のパッチワイドな分散を測定して動きのコヒーレンスを推定し、サンプリング中にこの分散を動的に減少させるためにモデルを導く。
論文 参考訳（メタデータ） (2025-06-01T19:55:33Z) - Dynamical Diffusion: Learning Temporal Dynamics with Diffusion Models [71.63194926457119]
動的拡散(DyDiff, Dynamical Diffusion)は, 時間的に意識された前と逆のプロセスを含む理論的に健全なフレームワークである。
科学的時間的予測、ビデオ予測、時系列予測に関する実験は、動的拡散が時間的予測タスクのパフォーマンスを一貫して改善することを示した。
論文 参考訳（メタデータ） (2025-03-02T16:10:32Z) - Unfolding Time: Generative Modeling for Turbulent Flows in 4D [49.843505326598596]
本研究では,4次元生成拡散モデルと物理インフォームドガイダンスを導入し,現実的な流れ状態列の生成を可能にする。
提案手法は, 乱流多様体からのサブシーケンス全体のサンプリングに有効であることが示唆された。
この進展は、乱流の時間的進化を分析するために生成モデリングを適用するための扉を開く。
論文 参考訳（メタデータ） (2024-06-17T10:21:01Z) - Gaussian Interpolation Flows [11.340847429991525]
本研究は,ガウス分極上に構築されたシミュレーションフリー連続正規化流れの健全性について検討する。
我々は,流れ速度場のリプシッツ正則性,流れの存在と特異性,流れマップの連続性を確立する。
また、2次ワッサーシュタイン距離を計量として、これらの流れの震源分布と速度場の摂動の安定性についても検討した。
論文 参考訳（メタデータ） (2023-11-20T00:59:20Z) - Benchmarking Autoregressive Conditional Diffusion Models for Turbulent Flow Simulation [26.520247496906492]
本研究では,条件付き拡散モデルに基づく自動回帰ロールアウトを利用した完全データ駆動型流体解法が,この問題に対処するための有効な選択肢であるかどうかを解析する。
各種流速予測手法の性能を定量的に定性的に評価するために, 非圧縮性および超音速流を含む3つの難解な2次元シナリオと等方性乱流を用いる。
単純な拡散に基づくアプローチであっても、トレーニング時のアンロールのような最先端の安定化技術と同等でありながら、精度と時間的安定性の観点から、複数の確立したフロー予測手法より優れていることが判明した。
論文 参考訳（メタデータ） (2023-09-04T18:01:42Z) - Predicting the temporal dynamics of turbulent channels through deep
learning [0.0]
最小乱流チャネル流の時間的進化を再現するニューラルネットワークの能力を評価することを目的としている。
長期記憶(LSTM)ネットワークとクープマンベースのフレームワーク(KNF)は、最小チャネルフローモードの時間ダイナミクスを予測するために訓練される。
論文 参考訳（メタデータ） (2022-03-02T09:31:03Z) - A Numerical Proof of Shell Model Turbulence Closure [41.94295877935867]
本稿では, 統計誤差, ユーレリアおよびラグランジアン構造関数, エネルギーカスケードの断続統計を定量的に再現するディープリカレントニューラルネットワークに基づく閉包を提案する。
本研究は,3次元ナビエ-ストークス乱流に対する類似した手法の開発を奨励するものである。
論文 参考訳（メタデータ） (2022-02-18T16:31:57Z)
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。