論文の概要: Enforcing Reciprocity in Operator Learning for Seismic Wave Propagation
- arxiv url: http://arxiv.org/abs/2602.11631v1
- Date: Thu, 12 Feb 2026 06:28:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.674958
- Title: Enforcing Reciprocity in Operator Learning for Seismic Wave Propagation
- Title（参考訳）: 地震波伝搬のための演算子学習における相互性強化
- Authors: Caifeng Zou, Yaozhong Shi, Zachary E. Ross, Robert W. Clayton, Kamyar Azizzadenesheli,
- Abstract要約: 本稿では地震波伝搬をモデル化するトランスフォーマアーキテクチャであるReciprocity-Enforced Neural Operator (RENO)を紹介する。
単力下での粒子速度場に対する相互関係を用いた関数の実証を行った。
このアーキテクチャは、拡張的ソースの下での圧力場や、エイコナル方程式によって支配される走行時間場にも適用できる。
- 参考スコア（独自算出の注目度）: 10.698164504306732
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate and efficient wavefield modeling underpins seismic structure and source studies. Traditional methods comply with physical laws but are computationally intensive. Data-driven methods, while opening new avenues for advancement, have yet to incorporate strict physical consistency. The principle of reciprocity is one of the most fundamental physical laws in wave propagation. We introduce the Reciprocity-Enforced Neural Operator (RENO), a transformer-based architecture for modeling seismic wave propagation that hard-codes the reciprocity principle. The model leverages the cross-attention mechanism and commutative operations to guarantee invariance under swapping source and receiver positions. Beyond improved physical consistency, the proposed architecture supports simultaneous realizations for multiple sources without crosstalk issues. This yields an order-of-magnitude inference speedup at a similar memory footprint over an reciprocity-unenforced neural operator on a realistic configuration. We demonstrate the functionality using the reciprocity relation for particle velocity fields under single forces. This architecture is also applicable to pressure fields under dilatational sources and travel-time fields governed by the eikonal equation, paving the way for encoding more complex reciprocity relations.
- Abstract（参考訳）: 高精度で効率的な波動場モデリングは、地震構造と震源研究を支える。
伝統的な手法は物理法則に従っているが、計算集約的である。
データ駆動方式は、進歩のための新たな道を開く一方で、厳密な物理的一貫性を組み込んでいない。
相互性の原理は波動伝播における最も基本的な物理法則の1つである。
本稿では,Reciprocity-Enforced Neural Operator (RENO)について紹介する。
このモデルはクロスアテンション機構と可換演算を利用して、ソースと受信位置の交換による不変性を保証する。
物理的整合性の改善に加えて、提案アーキテクチャはクロストーク問題なく複数のソースの同時実現をサポートする。
これにより、現実的な構成で相互に無力なニューラル演算子よりも、同じメモリフットプリントでのオーダーオブマグニチュード推論のスピードアップが得られる。
単力下での粒子速度場に対する相互関係を用いた関数の実証を行った。
このアーキテクチャは、拡張的ソースの下での圧力場や、より複雑な相互関係を符号化する方法を編み出したエイコラル方程式によって支配される旅行時間場にも適用できる。
関連論文リスト
- PRISM: Parallel Residual Iterative Sequence Model [52.26239951489612]
我々はこの緊張を解決するためにPRISM(Parallel Residual Iterative Sequence Model)を提案する。
PRISMは、パラレル化可能な形で多段階精製の重要な構造特性を捉える、ソルバに着想を得た帰納バイアスを導入している。
この定式化が Rank-$L$ の蓄積を達成することを証明し、更新多様体を単一ステップの Rank-$1$ ボトルネックを超えて構造的に拡張する。
論文 参考訳（メタデータ） (2026-02-11T12:39:41Z) - Optimal Effective Hamiltonian for Quantum Computing and Simulation [1.0359978670015826]
実効モデルの基本原理としてLast Action Unitary Transformationを確立します。
この枠組みを超伝導量子プロセッサの実験データに対して検証する。
この研究は、高精度なシステム学習とハミルトン工学のための体系的で実験的に検証されたルートを提供する。
論文 参考訳（メタデータ） (2026-02-03T15:09:29Z) - HFNO: an interpretable data-driven decomposition strategy for turbulent flows [0.0]
乱流の低次モデリングに適した新しいFNOアーキテクチャを提案する。
提案したアーキテクチャは、波数ビンを並列に処理し、分散関係と非線形相互作用の近似を可能にする。
より複雑な力学系における提案モデルの評価を行った。
論文 参考訳（メタデータ） (2025-11-03T12:57:19Z) - Wave-Based Semantic Memory with Resonance-Based Retrieval: A Phase-Aware Alternative to Vector Embedding Stores [51.56484100374058]
本稿では,波動パターン$psi(x) = A(x) eiphi(x)$として知識をモデル化し,共振に基づく干渉によってそれを検索する新しいフレームワークを提案する。
このアプローチは振幅情報と位相情報の両方を保存し、より表現的かつ堅牢な意味的類似性を実現する。
論文 参考訳（メタデータ） (2025-08-21T10:13:24Z) - Universal Physics Simulation: A Foundational Diffusion Approach [0.0]
境界条件データから直接物理法則を学習する普遍物理学シミュレーションのための最初の基礎的AIモデルを提案する。
本手法は,シミュレーションを条件付き生成問題として扱うことにより,計算物理を再現する。
繰り返しにわたってエラーを蓄積するシーケンシャルなタイムステッピングメソッドとは異なり、私たちのアプローチは時間的統合を完全にバイパスします。
論文 参考訳（メタデータ） (2025-07-13T18:12:34Z) - 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) - ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。
Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。
モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
論文 参考訳（メタデータ） (2025-03-27T16:39:40Z) - Efficient dynamic modal load reconstruction using physics-informed Gaussian processes based on frequency-sparse Fourier basis functions [0.0]
本稿では,物理インフォームドガウス法(GP)を用いた効率的な動的負荷再構成法を提案する。
GPの共分散行列はシステム力学の記述を用いて構築され、構造応答測定を用いてモデルを訓練する。
開発されたモデルは, 構造的健康モニタリング, 損傷予後, 負荷モデル検証に応用できる可能性を秘めている。
論文 参考訳（メタデータ） (2025-03-12T14:16:27Z) - Transformer Meets Boundary Value Inverse Problems [4.165221477234755]
変圧器を用いた深部直接サンプリング法は境界値逆問題のクラスを解くために提案される。
慎重に設計されたデータと再構成された画像の間に学習した逆演算子を評価することにより、リアルタイムな再構成を実現する。
論文 参考訳（メタデータ） (2022-09-29T17:45:25Z)
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。