論文の概要: Do Diffusion Models Dream of Electric Planes? Discrete and Continuous Simulation-Based Inference for Aircraft Design

• arxiv url: http://arxiv.org/abs/2603.13284v1
• Date: Fri, 27 Feb 2026 18:27:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.265757
• Title: Do Diffusion Models Dream of Electric Planes? Discrete and Continuous Simulation-Based Inference for Aircraft Design
• Title（参考訳）: 拡散モデルは電界を夢見るか? -航空機設計における離散的・連続的シミュレーションに基づく推論-
• Authors: Aurelien Ghiglino, Daniel Elenius, Anirban Roy, Ramneet Kaur, Manoj Acharya, Colin Samplawski, Brian Matejek, Susmit Jha, Juan Alonso, Adam Cobb,
• Abstract要約: 我々は、電動垂直離着陸(eVTOL)航空機の概念設計を作成する。 我々のアプローチは、航空機設計における既知のトレンドと物理法則を再検討する。
• 参考スコア（独自算出の注目度）: 10.585425572744354
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we generate conceptual engineering designs of electric vertical take-off and landing (eVTOL) aircraft. We follow the paradigm of simulation-based inference (SBI), whereby we look to learn a posterior distribution over the full eVTOL design space. To learn this distribution, we sample over discrete aircraft configurations (topologies) and their corresponding set of continuous parameters. Therefore, we introduce a hierarchical probabilistic model consisting of two diffusion models. The first model leverages recent work on Riemannian Diffusion Language Modeling (RDLM) and Unified World Models (UWMs) to enable us to sample topologies from a discrete and continuous space. For the second model we introduce a masked diffusion approach to sample the corresponding parameters conditioned on the topology. Our approach rediscovers known trends and governing physical laws in aircraft design, while significantly accelerating design generation.
• Abstract（参考訳）: 本稿では,電動垂直離着陸機(eVTOL)の概念設計を行う。 我々はシミュレーションベース推論(SBI)のパラダイムに従い、完全なeVTOL設計空間上の後部分布を学習する。 この分布を学習するために、離散的な航空機構成(位相)とその対応する連続パラメータの集合をサンプリングする。 そこで,2つの拡散モデルからなる階層的確率モデルを提案する。 最初のモデルは、Riemannian Diffusion Language Modeling(RDLM)とUnified World Models(UWM)に関する最近の研究を活用し、離散的かつ連続的な空間からトポロジをサンプリングできるようにする。 2つ目のモデルでは、トポロジで条件付けられた対応するパラメータをサンプリングするために、マスク付き拡散法を導入する。 我々のアプローチは、航空機設計における既知のトレンドと物理法則を再検討し、設計生成を著しく加速する。

関連論文リスト

• Continuous Diffusion Model for Language Modeling [64.7425225935854]
  離散的データに対する既存の連続拡散モデルは離散的手法と比較して性能が劣る。 本稿では,下層の分類分布の幾何学を組み込んだ言語モデリングのための連続拡散モデルを提案する。 本手法は,既存の離散拡散モデルより優れ,自己回帰モデルの性能にアプローチする。
  論文  参考訳（メタデータ） (2025-02-17T08:54:29Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Diff-Instruct: A Universal Approach for Transferring Knowledge From Pre-trained Diffusion Models [77.83923746319498]
  本稿では,任意の生成モデルの学習を指導するDiff-Instructというフレームワークを提案する。 Diff-Instructは、最先端の単一ステップ拡散モデルであることを示す。 GANモデルの精製実験により、Diff-InstructはGANモデルの事前訓練されたジェネレータを一貫して改善できることが示されている。
  論文  参考訳（メタデータ） (2023-05-29T04:22:57Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• A Stochastic Graph-based Model for the Simulation of SARS-CoV-2 Transmission [0.0]
  本稿では,SARS-CoV-2伝送シミュレーションのためのグラフベースモデルを提案する。 提案手法には,空間モデル,移動モデル,伝播モデルという3つのサブモデルが組み込まれている。
  論文  参考訳（メタデータ） (2021-11-10T16:50:00Z)

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。