論文の概要: A Neural Score-Based Particle Method for the Vlasov-Maxwell-Landau System
- arxiv url: http://arxiv.org/abs/2603.25832v1
- Date: Thu, 26 Mar 2026 18:55:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.239462
- Title: A Neural Score-Based Particle Method for the Vlasov-Maxwell-Landau System
- Title（参考訳）: フラソフ-マクスウェル-ランダウ系に対するニューラルスコア法
- Abstract要約: スコア・ベース・トランスポート・モデリング(SBTM)によるブロブスコア推定器の置き換え
近似衝突作用素は運動量と運動エネルギーを保ち、推定エントロピーを放出することを示す。
3つの標準ベンチマークでは、SBTMはブロブ法よりも正確であり、マクスウェル平衡に対する正しい長時間緩和を実現し、50ドル以上の高速ランタイムと4ドル以下の低ピークメモリを提供する。
- 参考スコア（独自算出の注目度）: 1.5803668863183458
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Plasma modeling is central to the design of nuclear fusion reactors, yet simulating collisional plasma kinetics from first principles remains a formidable computational challenge: the Vlasov-Maxwell-Landau (VML) system describes six-dimensional phase-space transport under self-consistent electromagnetic fields together with the nonlinear, nonlocal Landau collision operator. A recent deterministic particle method for the full VML system estimates the velocity score function via the blob method, a kernel-based approximation with $O(n^2)$ cost. In this work, we replace the blob score estimator with score-based transport modeling (SBTM), in which a neural network is trained on-the-fly via implicit score matching at $O(n)$ cost. We prove that the approximated collision operator preserves momentum and kinetic energy, and dissipates an estimated entropy. We also characterize the unique global steady state of the VML system and its electrostatic reduction, providing the ground truth for numerical validation. On three canonical benchmarks -- Landau damping, two-stream instability, and Weibel instability -- SBTM is more accurate than the blob method, achieves correct long-time relaxation to Maxwellian equilibrium where the blob method fails, and delivers $50\%$ faster runtime with $4\times$ lower peak memory.
- Abstract（参考訳）: VML (Vlasov-Maxwell-Landau) システムは、非線形で非局所的なランダウ衝突作用素とともに、自励電磁場の下での6次元の位相空間輸送を記述している。
最近のフルVMLシステムにおける決定論的粒子法では, ブロブ法を用いて速度スコア関数を推定し, カーネルによる近似を$O(n^2)$コストで行う。
本研究では,Blobスコア推定器をスコアベーストランスポートモデリング(SBTM)に置き換え,ニューラルネットワークを暗黙的なスコアマッチングによってオンザフライでトレーニングする。
近似衝突作用素は運動量と運動エネルギーを保ち、推定エントロピーを放出することを示す。
また、VMLシステムの一意なグローバルな定常状態と静電気還元を特徴付け、数値検証の基礎的真理を提供する。
ランダウの減衰、2ストリームの不安定性、ワイベルの不安定性の3つの標準ベンチマークでは、SBTMはブロブ法よりも正確であり、ブロブ法が失敗するマクスウェル平衡への正しい長時間緩和を実現し、より高速なランタイムを4.99倍の低ピークメモリで提供する。
関連論文リスト
- Generative Nested Sampling of Atomistic Thermodynamic Landscapes [37.547720439639015]
フローベースネストサンプリングは重力波(GW)推論のボトルネックを取り除く。
PBC の LJ ディスクは, エネルギー評価を2桁以上, 壁面時を約3分の1以上削減することを示した。
PBCのLJディスクの場合、このアルゴリズムはエネルギー評価を2桁以上、壁時計時間はおよそ3分の1以上削減する。
論文 参考訳（メタデータ） (2026-09-02T22:21:10Z) - Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - A Numerical Method for Coupling Parameterized Physics-Informed Neural Networks and FDM for Advanced Thermal-Hydraulic System Simulation [0.0]
MELCORのようなシステムレベルのコードを用いた重大事故解析は、核安全性評価には不可欠である。
既存のサロゲートモデルはこれらの解析を加速するが、大量のシミュレーションデータに依存する。
物理インフォームドニューラルネットワーク(PINN)は、データフリーなトレーニングを可能にするが、問題パラメータの変更毎に再トレーニングする必要がある。
論文 参考訳（メタデータ） (2026-04-03T02:50:58Z) - Learning Where the Physics Is: Probabilistic Adaptive Sampling for Stiff PDEs [0.0]
PIELMのカーネルを適応的にサンプリングする「物理の位置を表す確率密度関数」を学習するフレームワークを提案する。
重み付き期待最大化(EM)アルゴリズムを用いることで,GMM-PIELMは高数値誤差領域の放射基底関数中心を自律的に集中する。
論文 参考訳（メタデータ） (2026-03-06T13:46:38Z) - Physics-informed neural particle flow for the Bayesian update step [0.8220217498103312]
本稿では,物理インフォームド・ニューラル粒子フローを提案する。
制御偏微分方程式(PDE)を損失関数に埋め込むことで、ニューラルネットワークをトレーニングして輸送速度場を近似する。
ニューラルネットワークのパラメータ化は暗黙の正則化器として機能し,解析フローに固有の剛性を緩和することを示した。
論文 参考訳（メタデータ） (2026-02-26T15:10:45Z) - Surrogate Modeling for Neutron Transport: A Neural Operator Approach [7.289597749952393]
この研究は、中性子輸送計算のためのニューラルネットワークに基づく代理モデリングフレームワークを導入する。
Deep Operator Network (DeepONet) と Fourier Neural Operator (FNO) の2つのアーキテクチャが、固定ソース問題のために訓練された。
両神経オペレーターは、DeepONetで135 pcm、FNOで112 pcmまでずれた基準固有値を再現した。
論文 参考訳（メタデータ） (2026-02-07T00:56:07Z) - Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching [60.37045080890305]
本稿では,フローマッチングに基づく生成モデルにおいて,サンプルの複雑さを初めて解析する。
速度場推定誤差をニューラルネットワーク近似誤差、有限標本サイズによる統計的誤差、速度場推定のための有限個の最適化ステップによる最適化誤差に分解する。
論文 参考訳（メタデータ） (2025-12-01T05:14:25Z) - FFT-Accelerated Auxiliary Variable MCMC for Fermionic Lattice Models: A Determinant-Free Approach with $O(N\log N)$ Complexity [52.3171766248012]
量子多体系のシミュレーションを劇的に高速化するマルコフ連鎖モンテカルロ(MCMC)アルゴリズムを導入する。
我々は,量子物理学のベンチマーク問題に対するアルゴリズムの有効性を検証し,既知の理論結果を正確に再現する。
我々の研究は、大規模確率的推論のための強力なツールを提供し、物理学に着想を得た生成モデルのための道を開く。
論文 参考訳（メタデータ） (2025-10-13T07:57:21Z) - Simulation-free Schr\"odinger bridges via score and flow matching [89.4231207928885]
シミュレーションフリースコアとフローマッチング([SF]$2$M)を提案する。
本手法は,拡散モデルのトレーニングに使用するスコアマッチング損失と,連続流のトレーニングに使用されるフローマッチング損失の両方を一般化する。
特に、[SF]$2$Mは、高次元の細胞動態を正確にモデル化し、既知の遺伝子制御ネットワークをシミュレートする最初の方法である。
論文 参考訳（メタデータ） (2023-07-07T15:42:35Z) - Faster spectral density calculation using energy moments [77.34726150561087]
我々は、最近提案されたガウス積分変換法を、ハミルトニアン系のフーリエモーメントの観点から再構成する。
このフレームワークの主な利点の1つは、計算コストの大幅な削減を可能にすることである。
論文 参考訳（メタデータ） (2022-11-01T23:57:58Z) - Mean-field Floquet theory for a three-level cold-atom laser [0.0]
本稿では,3つの内部レベルを持つ原子のラシングスキームを$V$-configurationで理論的に記述する。
この研究は、狭い直線遷移を持つ冷たい原子レーザーで起こる複雑な物理学を理解するための単純な方法を提供する。
論文 参考訳（メタデータ） (2022-05-09T17:17:42Z) - A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。
フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。
既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
論文 参考訳（メタデータ） (2019-10-31T02:26:20Z)
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。