論文の概要: Physics-informed Diffusion Generation for Geomagnetic Map Interpolation
- arxiv url: http://arxiv.org/abs/2602.00709v1
- Date: Sat, 31 Jan 2026 13:10:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.350549
- Title: Physics-informed Diffusion Generation for Geomagnetic Map Interpolation
- Title（参考訳）: 地磁気マップ補間のための物理インフォームド拡散生成
- Authors: Wenda Li, Tongya Zheng, Kaixuan Chen, Shunyu Liu, Haoze Jiang, Yunzhi Hao, Rui Miao, Zujie Ren, Mingli Song, Hang Shi, Gang Chen,
- Abstract要約: 不完全な地磁気マップを補間する物理インフォームド拡散生成フレームワークを提案する。
まず,局所受容場に基づく拡散生成過程を導出する物理インフォームドマスク戦略を設計する。
第2に、地磁気マップのクリグ原理に従って、拡散生成結果に物理インフォームド制約を課す。
- 参考スコア（独自算出の注目度）: 46.1541319960911
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geomagnetic map interpolation aims to infer unobserved geomagnetic data at spatial points, yielding critical applications in navigation and resource exploration. However, existing methods for scattered data interpolation are not specifically designed for geomagnetic maps, which inevitably leads to suboptimal performance due to detection noise and the laws of physics. Therefore, we propose a Physics-informed Diffusion Generation framework~(PDG) to interpolate incomplete geomagnetic maps. First, we design a physics-informed mask strategy to guide the diffusion generation process based on a local receptive field, effectively eliminating noise interference. Second, we impose a physics-informed constraint on the diffusion generation results following the kriging principle of geomagnetic maps, ensuring strict adherence to the laws of physics. Extensive experiments and in-depth analyses on four real-world datasets demonstrate the superiority and effectiveness of each component of PDG.
- Abstract（参考訳）: 地磁気マップ補間は、観測されていない地磁気データを空間的に推定することを目的としており、ナビゲーションや資源探査に重要な応用をもたらす。
しかし、既存の散乱データ補間法は特に地磁気マップのために設計されていないため、検出ノイズや物理法則によって必然的に準最適性能をもたらす。
そこで,不完全な地磁気マップを補間する物理インフォームド拡散生成フレームワーク~(PDG)を提案する。
まず,局所受容場に基づく拡散生成過程を導出し,ノイズ干渉を効果的に除去する物理インフォームドマスク戦略を設計する。
第2に、地磁気マップのクリグ原理に従えば、拡散生成結果に物理インフォームド制約を課し、物理学の法則に厳密な従順性を確保する。
4つの実世界のデータセットに関する大規模な実験と詳細な分析により、PDGの各コンポーネントの優位性と有効性を示した。
関連論文リスト
- Distributed Quantum Magnetic Sensing for Infrastructure-free Geo-localization [2.9232295049733508]
我々は、量子磁気センサが地理的局在化にどのように役立つかを研究する。
高次領域において、勾配空間マハラノビス探索は、サブキロメートル中央位置推定誤差を達成する。
磁気的に滑らかな領域では、コーナースペース探索はより精度が高く、実行時の4〜8倍のコスト削減を提供する。
論文 参考訳（メタデータ） (2025-12-12T05:52:49Z) - Three-dimensional inversion of gravity data using implicit neural representations [2.7372527234669115]
重力データのインバージョンは、多様な応用に関連する地下密度の変動を研究する重要な方法である。
ここでは,三次元重力インバージョンを連続場として表す科学的機械学習手法を提案する。
論文 参考訳（メタデータ） (2025-10-17T03:55:08Z) - Physics-informed Attention-enhanced Fourier Neural Operator for Solar Magnetic Field Extrapolations [24.60472525182772]
本研究では,太陽物理学におけるフォースフリーフィールド(NLFFF)問題を解決するために,物理インフォームドアテンション強化ニューラル演算子(PIANO)を提案する。
繰り返し数値法に依存する従来の手法とは異なり,提案手法は2次元境界条件から直接3次元磁場構造を学習する。
ISEE NLFFFデータセットによる実験結果から、我々のPIANOは最先端のニューラル演算子を精度で上回るだけでなく、NLFFFデータの物理的特性と強い整合性も示している。
論文 参考訳（メタデータ） (2025-10-06T20:24:22Z) - Physics-Informed Extreme Learning Machine (PIELM) for Tunnelling-Induced Soil-Pile Interactions [2.686530156744263]
本研究では,物理インフォームド・エクストリーム・ラーニング・マシン (PIELM) フレームワークを提案する。
2つの応用例は、トンネル工事によって引き起こされる土壌と杭の相互作用に対する物理インフォームドおよびデータ駆動アプローチの重要な役割を強調している。
論文 参考訳（メタデータ） (2025-10-01T09:17:55Z) - RadioDiff-$k^2$: Helmholtz Equation Informed Generative Diffusion Model for Multi-Path Aware Radio Map Construction [76.24833675757033]
物理インフォームド・ジェネレーティブ・ラーニング・アプローチであるRadioDiff-$k2$を提案する。
提案するRadioDiff-$k2$フレームワークは,画像レベルのRM構成とローカライズタスクの両方において,最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2025-04-22T06:28:13Z) - 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) - Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。
本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。
設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
論文 参考訳（メタデータ） (2024-10-21T09:57:42Z) - 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)
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。