論文の概要: Learning collision operators from plasma phase space data using differentiable simulators

• arxiv url: http://arxiv.org/abs/2601.10885v1
• Date: Thu, 15 Jan 2026 22:31:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.301684
• Title: Learning collision operators from plasma phase space data using differentiable simulators
• Title（参考訳）: 微分型シミュレータを用いたプラズマ位相空間データからの衝突作用素の学習
• Authors: Diogo D. Carvalho, Pablo J. Bilbao, Warren B. Mori, Luis O. Silva, E. Paulo Alves,
• Abstract要約: この研究は微分可能な運動シミュレータと勾配に基づく最適化法を組み合わせて、位相空間のダイナミクスを最もよく記述する衝突作用素を学習する。 本研究では,空間的に均一な熱プラズマの2次元粒子・セルシミュレーションデータを用いて実験を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a methodology to infer collision operators from phase space data of plasma dynamics. Our approach combines a differentiable kinetic simulator, whose core component in this work is a differentiable Fokker-Planck solver, with a gradient-based optimisation method to learn the collisional operators that best describe the phase space dynamics. We test our method using data from two-dimensional Particle-in-Cell simulations of spatially uniform thermal plasmas, and learn the collision operator that captures the self-consistent electromagnetic interaction between finite-size charged particles over a wide variety of simulation parameters. We demonstrate that the learned operators are more accurate than alternative estimates based on particle tracks, while making no prior assumptions about the relevant time-scales of the processes and significantly reducing memory requirements. We find that the retrieved operators, obtained in the non-relativistic regime, are in excellent agreement with theoretical predictions derived for electrostatic scenarios. Our results show that differentiable simulators offer a powerful and computational efficient approach to infer novel operators for a wide rage of problems, such as electromagnetically dominated collisional dynamics and stochastic wave-particle interactions.
• Abstract（参考訳）: プラズマ力学の位相空間データから衝突作用素を推定する手法を提案する。 本手法では, 微分可能動力学シミュレータと微分可能フォッカー・プランク解法を併用し, 位相空間のダイナミクスを最もよく記述する衝突作用素の勾配に基づく最適化手法を提案する。 本研究では、空間的に均一な熱プラズマの2次元粒子・セルシミュレーションのデータを用いて、有限サイズの荷電粒子間の自己持続電磁相互作用を様々なシミュレーションパラメータで捉える衝突作用素を学習する。 学習した演算子は、粒子トラックに基づく他の推定値よりも正確であることを示し、プロセスの時間スケールに関する事前の仮定は行わず、メモリ要求を大幅に削減する。 非相対論的条件下で得られた演算子は、静電気的シナリオから導出される理論的予測とよく一致している。 その結果, 微分可能シミュレータは, 電磁的に支配される衝突力学や確率波-粒子相互作用などの問題に対して, 新規演算子を推論するために, 強力かつ効率的な手法を提供することを示した。

関連論文リスト

• Fast spectral separation method for kinetic equation with anisotropic non-stationary collision operator retaining micro-model fidelity [13.462104954140088]
  分子動力学シミュレーションから学習した1成分プラズマに対するデータ駆動衝突演算子を提案する。 提案した演算子は、粒子相関を考慮に入れた異方性非定常衝突カーネルを特徴とする。 数値実験により,提案モデルが適度に結合された状態下でのプラズマ力学を正確に捉えることを示した。
  論文  参考訳（メタデータ） (2025-10-16T19:27:03Z)
• Reframing Generative Models for Physical Systems using Stochastic Interpolants [45.16806809746592]
  生成モデルは物理系の強力なサロゲートとして現れ、精度、安定性、および/または統計的忠実度が向上した。 ほとんどのアプローチは、PDEや気候などの力学系における自己回帰予測タスクにおいて、最も効果的でない選択であるガウシアンを反復的に飾ることに依存している。 本研究では,様々な物理領域やタスクにまたがる生成モデルをベンチマークし,補間剤の役割を強調した。
  論文  参考訳（メタデータ） (2025-09-30T14:02:00Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Electrostatics-based particle sampling and approximate inference [0.0]
  静電気学とニュートン力学の原理に基づく新しい粒子に基づくサンプリングおよび近似推論法が導入された。 より一般的な推論問題において、離散時間離散空間のアルゴリズム設計が使用される。
  論文  参考訳（メタデータ） (2024-06-28T16:53:06Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Simulating Scattering of Composite Particles [0.09208007322096534]
  古典的および量子コンピュータ上での散乱をシミュレーションするための非摂動的アプローチを開発する。 この構造は、2つの複合粒子が接触する粒子衝突を模倣するように設計されている。 このアプローチは、相対論的および非相対論的条件の両方において、強く結合したシステムを研究するのに適している。
  論文  参考訳（メタデータ） (2023-10-20T18:00:50Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
  本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。 これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。 力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
  論文  参考訳（メタデータ） (2021-09-07T20:01:22Z)
• Scalable nonparametric Bayesian learning for heterogeneous and dynamic velocity fields [8.744017403796406]
  速度場データの不均一および動的パターンを学習するモデルを開発した。 複雑な多車間相互作用のNGSIMデータセットに対して,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2021-02-15T17:45:46Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)

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。