論文の概要: PSTNet: Physically-Structured Turbulence Network

• arxiv url: http://arxiv.org/abs/2603.07957v1
• Date: Mon, 09 Mar 2026 04:46:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.490565
• Title: PSTNet: Physically-Structured Turbulence Network
• Title（参考訳）: PSTNet: 物理的に変動する乱流ネットワーク
• Authors: Boris Kriuk, Fedor Kriuk,
• Abstract要約: 物理構造乱流ネットワーク(PSTNet)は、物理を直接その構造に埋め込む軽量アーキテクチャである。 PSTNetは平均ミス距離が2.8%向上し、78%の勝利率と統計的に有意な効果がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable real-time estimation of atmospheric turbulence intensity remains an open challenge for aircraft operating across diverse altitude bands, particularly over oceanic, polar, and data-sparse regions that lack operational nowcasting infrastructure. Classical spectral models encode climatological averages rather than the instantaneous atmospheric state, and generic ML regressors offer adaptivity but provide no guarantee that predictions respect fundamental scaling laws. This paper introduces the Physically-Structured Turbulence Network (PSTNet), a lightweight architecture that embeds physics directly into its structure. PSTNet couples four components: (i) a zero-parameter backbone derived from Monin-Obukhov theory, (ii) a regime-gated mixture of specialist sub-networks supervised by Richardson-number-derived soft targets, (iii) Feature-wise Linear Modulation layers conditioning hidden representations on local air-density ratio, and (iv) a Kolmogorov output layer enforcing inertial-subrange scaling as an architectural constraint. The entire model contains only 552 learnable parameters, requiring fewer than 2.5 kB of storage and executing in under 12s on a Cortex-M7 microcontroller. We validate PSTNet on 340 paired six-degree-of-freedom guidance simulations spanning three vehicle classes (Mach 2.8, 4.5, and 8.0) and six operational categories with real-time satellite weather ingestion. PSTNet achieves a mean miss-distance improvement of +2.8% with a 78% win rate and a statistically significant effect size. Our results demonstrate that encoding domain physics as architectural priors yields a more efficient and interpretable path to turbulence estimation accuracy than scaling model capacity, establishing PSTNet as a viable drop-in replacement for legacy look-up tables in resource-constrained, safety-critical on-board guidance systems.
• Abstract（参考訳）: 大気の乱流強度の信頼性の高いリアルタイム推定は、様々な高度帯、特に運用された流速インフラを欠く海洋、極性、およびデータスパース地域を横断する航空機にとって、未解決の課題である。 古典的なスペクトルモデルは、瞬間的な大気状態よりも気候平均を符号化し、一般的なML回帰器は適応性を提供するが、予測が基本的なスケーリング法則を尊重することを保証しない。 本稿では,物理を直接構造に埋め込む軽量アーキテクチャであるPSTNetを紹介する。 PSTNetは4つのコンポーネントを結合する。 (i)モニン・オブホフ理論から派生したゼロパラメータのバックボーン (II)リチャードソン数由来のソフトターゲットによって監督される専門的なサブネットワークのレギュラーゲート混合物。 三 局所空気密度比の隠蔽表現を条件とした特徴量線形変調層 (iv) アーキテクチャ制約として慣性-部分スケーリングを強制するコルモゴロフ出力層。 全モデルには552の学習可能なパラメータしか含まれておらず、2.5kB未満のストレージが必要であり、Cortex-M7マイクロコントローラ上で12秒未満で実行される。 PSTNetを3種類の車種(Mach 2.8,4.5,8.0)にまたがる340対の6自由度誘導シミュレーションと,リアルタイムな衛星気象観測を行う6つの運用カテゴリで検証した。 PSTNetは平均ミス距離が2.8%向上し、78%の勝利率と統計的に有意な効果がある。 本研究は,ドメイン物理をアーキテクチャ上の先行概念として符号化することで,モデルキャパシティのスケーリングよりも乱流推定精度の高い経路が得られ,PSTNetを資源制約付き安全クリティカルな誘導システムにおけるレガシーなルックアップテーブルの代替として実現可能であることを示す。

関連論文リスト

• KAN-FIF: Spline-Parameterized Lightweight Physics-based Tropical Cyclone Estimation on Meteorological Satellite [22.99496587694237]
  熱帯性サイクロンのタイムリーなモニタリングは、生命と財産の損失を減らすために重要である。 現在の物理誘導モデルは、TC属性間の高次関係を捕捉できない線形特徴相互作用に悩まされている。 本研究では,KAN-FIF(Kolmogorov-Arnold Network-based Network-based Interaction Feature Framework)を紹介する。
  論文  参考訳（メタデータ） (2026-02-12T16:07:39Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Adaptive Fusion Graph Network for 3D Strain Field Prediction in Solid Rocket Motor Grains [4.379802056393599]
  固体ロケットモータ粒子の局所的な高ひずみは、構造的故障の主な原因である。 本稿では,構造的に重要な領域の機械的特徴を保存するための適応グラフネットワークGrainGNetを提案する。 GrainGNetは、ベースライングラフのU-Netモデルと比較して平均2乗誤差を62.8%削減する。
  論文  参考訳（メタデータ） (2025-12-29T13:02:04Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• FourCastNet 3: A geometric approach to probabilistic machine-learning weather forecasting at scale [91.84761739154366]
  FourCastNet 3は、確率的アンサンブル予測にスケーラブルで幾何学的な機械学習(ML)アプローチを実装することで、グローバルな気象モデリングを推進している。 FourCastNet 3は、従来のアンサンブルモデルを上回る予測精度を提供し、最良の拡散ベースのメソッドに匹敵する。 その計算効率、中距離確率的スキル、スペクトルの忠実度、およびサブシーズンタイムスケールでのロールアウト安定性は、大規模なアンサンブル予測を通じて気象予知と早期警報システムを改善するための強力な候補となる。
  論文  参考訳（メタデータ） (2025-07-16T11:22:18Z)
• A Dynamic Fuzzy Rule and Attribute Management Framework for Fuzzy Inference Systems in High-Dimensional Data [7.960582417281041]
  本稿では,神経ファジィ推論システムにおける高次元データによる課題に対処するために,適応動的属性とルールの枠組みを提案する。 二重重み付け機構を統合することで、ADARは性能や解釈性を犠牲にすることなく、複雑なファジィモデルを適応的に合理化する。 4つの多様なデータセットの実験的評価により、ADARベースのモデルは、最先端のベースラインに比べて一貫して低いRoot Mean Square Error(RMSE)を達成することが示された。
  論文  参考訳（メタデータ） (2025-04-27T08:02:10Z)
• DS-Net++: Dynamic Weight Slicing for Efficient Inference in CNNs and Transformers [105.74546828182834]
  本稿では,様々な難易度を持つ入力に対して,ネットワークパラメータの一部を適応的にスライスする動的ウェイトスライシングという,ハードウェア効率のよい動的推論方式を示す。 我々は、CNNのフィルタ数とCNNと変換器の多重次元を入力依存的に調整することで、動的スライム可能なネットワーク(DS-Net)と動的スライス可能なネットワーク(DS-Net++)を提案する。
  論文  参考訳（メタデータ） (2021-09-21T09:57:21Z)

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。