論文の概要: Investigating Nonlinear Quenching Effects on Polar Field Buildup in the Sun Using Physics-Informed Neural Networks

• arxiv url: http://arxiv.org/abs/2602.16656v1
• Date: Wed, 18 Feb 2026 17:54:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.67257
• Title: Investigating Nonlinear Quenching Effects on Polar Field Buildup in the Sun Using Physics-Informed Neural Networks
• Title（参考訳）: 物理インフォームドニューラルネットワークによる太陽の極磁場上昇に対する非線形クレンチング効果の解明
• Authors: Jithu J. Athalathil, Mohammed H. Talafha, Bhargav Vaidya,
• Abstract要約: 太陽ダイナモは、非線形フィードバックによって強く変調された過程を通じて、水球磁場の再生に依存する。 これらのメカニズムは、太陽の極域の形成と将来の太陽周期の振幅を調節する決定的な役割を担っている。 本研究では,表面フラックス輸送(SFT)方程式の解法として物理情報ニューラルネットワーク(PINN)を用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The solar dynamo relies on the regeneration of the poloidal magnetic field through processes strongly modulated by nonlinear feedbacks such as tilt quenching (TQ) and latitude quenching (LQ). These mechanisms play a decisive role in regulating the buildup of the Sun's polar field and, in turn, the amplitude of future solar cycles. In this work, we employ Physics-Informed Neural Networks (PINN) to solve the surface flux transport (SFT) equation, embedding physical constraints directly into the neural network framework. By systematically varying transport parameters, we isolate the relative contributions of TQ and LQ to polar dipole buildup. We use the residual dipole moment as a diagnostic for cycle-to-cycle amplification and show that TQ suppression strengthens with increasing diffusivity, while LQ dominates in advection-dominated regimes. The ratio $ΔD_{\mathrm{LQ}}/ΔD_{\mathrm{TQ}}$ exhibits a smooth inverse-square dependence on the dynamo effectivity range, refining previous empirical fits with improved accuracy and reduced scatter. The results further reveal that the need for a decay term is not essential for PINN set-up due to the training process. Compared with the traditional 1D SFT model, the PINN framework achieves significantly lower error metrics and more robust recovery of nonlinear trends. Our results suggest that the nonlinear interplay between LQ and TQ can naturally produce alternations between weak and strong cycles, providing a physical explanation for the observed even-odd cycle modulation. These findings demonstrate the potential of PINN as an accurate, efficient, and physically consistent tool for solar cycle prediction.
• Abstract（参考訳）: 太陽ダイナモは、傾きクレンチング(TQ)や緯度クレンチング(LQ)といった非線形フィードバックによって強く変調される過程を通じて、水球磁場の再生に依存する。 これらのメカニズムは、太陽の極域の上昇と将来の太陽周期の振幅を調節する決定的な役割を担っている。 本研究では,物理インフォームドニューラルネットワーク(PINN)を用いて表面フラックス輸送(SFT)方程式を解く。 輸送パラメータを系統的に変化させることで,極性双極子形成に対するTQとLQの相対的寄与を分離する。 我々は,残双極子モーメントをサイクル・ツー・サイクル増幅の診断として使用し,TQ抑制は拡散度の増加とともに強化され,LQは対流支配のレギュレーションにおいて支配的であることを示す。 ΔD_{\mathrm{LQ}}/ΔD_{\mathrm{TQ}}$の比は、ダイナモ効果範囲へのスムーズな逆二乗依存を示し、以前の経験的適合を精度の向上と散乱の低減とともに精製する。 さらに, トレーニングプロセスによるPINNセットアップには, 崩壊項の必要性は不可欠ではないことが明らかとなった。 従来の1D SFTモデルと比較して、PINNフレームワークはエラーメトリクスが著しく低く、非線形トレンドのより堅牢な回復を実現している。 以上の結果から,LQとTQの非線形相互作用は自然に弱周期と強周期の交互化を生じさせる可能性が示唆された。 これらの結果は、PINNが太陽周期予測の正確で効率的で物理的に一貫したツールとしての可能性を示している。

関連論文リスト

• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Unconditional stability of a recurrent neural circuit implementing divisive normalization [0.0]
  任意次元ORGaNICs回路における非条件局所安定性の顕著な特性を証明した。 ORGaNICsは、勾配のクリッピング/スケーリングなしで、時間経過によるバックプロパゲーションによって訓練できることを示す。
  論文  参考訳（メタデータ） (2024-09-27T17:46:05Z)
• HarmonICA: Neural non-stationarity correction and source separation for motor neuron interfaces [37.0279893661798]
  本研究では、教師なし学習アルゴリズムを用いて、信号非定常性を駆動する潜在過程の効果を盲目的に補正する潜在的な解決策を提案する。 提案した設計であるHarmonICAは、非線形ICAの識別可能性問題を脇に置いている。 模擬・実の両方の侵襲的・非侵襲的記録に対してHarmonICAを試験した。
  論文  参考訳（メタデータ） (2024-06-28T00:08:13Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Rotating Majorana Zero Modes in a disk geometry [75.34254292381189]
  マイクロ波超伝導体を用いて作製した薄板ディスクにおけるマヨラナゼロモードの操作について検討した。 平面内磁場印加時に発生する2階位相角モードを解析する。 零モードと励起状態の周波数独立結合により, 断熱相においても振動が持続することを示す。
  論文  参考訳（メタデータ） (2021-09-08T11:18:50Z)
• Feedback-induced instabilities and dynamics in the Jaynes-Cummings model [62.997667081978825]
  時間遅延コヒーレントフィードバックを受けるJaynes-Cummingsモデルのコヒーレンスと定常状態特性について検討する。 導入されたフィードバックは、システムの動的応答と定常量子特性を質的に修正する。
  論文  参考訳（メタデータ） (2020-06-20T10:07:01Z)
• Dissipative dynamics of an interacting spin system with collective damping [1.3980986259786221]
  量子系におけるハミルトン力学とリンドブラッド力学は、非平衡現象を引き起こす。 本論文では,非マルコフ浴に結合した無限範囲ハイゼンベルクモデルにおける力学の相互作用について検討する。
  論文  参考訳（メタデータ） (2018-03-03T14:13:28Z)

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。