論文の概要: Operator Learning for Surrogate Modeling of Wave-Induced Forces from Sea Surface Waves

• arxiv url: http://arxiv.org/abs/2604.06433v1
• Date: Tue, 07 Apr 2026 20:16:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.225763
• Title: Operator Learning for Surrogate Modeling of Wave-Induced Forces from Sea Surface Waves
• Title（参考訳）: 海底波からの波動誘起力のサロゲートモデリングのための演算子学習
• Abstract要約: 波のセットアップは、波によるエネルギーを電流に伝達し、水位上昇を引き起こす重要な役割を担っている。 従来の数値波モデルは複雑で計算コストが高い。 本研究では,Deep Operator Networks (DeepONets) をシミュレーションWAves Nearshore数値波モデルの代用として利用する方法について検討する。
• 参考スコア（独自算出の注目度）: 1.8679286257105776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wave setup plays a significant role in transferring wave-induced energy to currents and causing an increase in water elevation. This excess momentum flux, known as radiation stress, motivates the coupling of circulation models with wave models to improve the accuracy of storm surge prediction, however, traditional numerical wave models are complex and computationally expensive. As a result, in practical coupled simulations, wave models are often executed at much coarser temporal resolution than circulation models. In this work, we explore the use of Deep Operator Networks (DeepONets) as a surrogate for the Simulating WAves Nearshore (SWAN) numerical wave model. The proposed surrogate model was tested on three distinct 1-D and 2-D steady-state numerical examples with variable boundary wave conditions and wind fields. When applied to a realistic numerical example of steady state wave simulation in Duck, NC, the model achieved consistently high accuracy in predicting the components of the radiation stress gradient and the significant wave height across representative scenarios.
• Abstract（参考訳）: 波のセットアップは、波によるエネルギーを電流に伝達し、水位上昇を引き起こす重要な役割を担っている。 この余剰運動量フラックスは、放射応力として知られるもので、循環モデルと波動モデルとの結合を動機付け、ストームサージ予測の精度を向上させるが、従来の数値波モデルは複雑で計算コストが高い。 その結果、実用的な結合シミュレーションでは、ウェーブモデルは循環モデルよりもはるかに粗い時間分解能で実行される。 本研究では,Simulating WAves Nearshore (SWAN)数値波モデルにおいて,Deep Operator Networks (DeepONets) を代用する方法について検討する。 提案手法は,3つの異なる1次元および2次元定常数値例に対して,変動境界波条件と風場を用いて実験を行った。 NCのダックにおける定常波シミュレーションの現実的な数値的な例に適用すると, 放射応力勾配の成分と, 代表シナリオ間の有意波高の予測において, 連続的に精度の高いモデルが得られた。

関連論文リスト

• Sampling sea state using a diffusion model [28.05527563772365]
  海の状態予測は、海洋の運用と地球系の結合モデルに不可欠である。 現在のスペクトル波モデルは、多くのユースケースで計算的に禁止されている。 本研究では,大域海況推定のための拡散モデルを提案する。
  論文  参考訳（メタデータ） (2026-06-24T21:19:59Z)
• Detecting Deepfakes via Hamiltonian Dynamics [58.881686693914446]
  本稿では,静的パターン認識から動的安定性解析へ移行するディープフェイク検出の新しい視点を提案する。 私たちのアプローチは、物理学にインスパイアされた先駆者によって動機付けられています。 Hamiltonian Action Anomaly Detection (HAAD) は、最先端のベースラインの評価に優れる。
  論文  参考訳（メタデータ） (2026-05-06T01:55:38Z)
• A Causality- and Frequency-Aware Deep Learning Framework for Wave Elevation Prediction Behind Floating Breakwaters [7.667077185318874]
  既存のディープラーニングアプローチは、目に見えない操作条件下での限定的な一般化能力を示す。 E2E-FANetは、波と構造物の関係をモデル化するために設計された、新しいエンドツーエンドニューラルネットワークである。 主流モデルと比較して予測精度とロバストな一般化を実現している。
  論文  参考訳（メタデータ） (2025-05-10T16:28:48Z)
• MotionWavelet: Human Motion Prediction via Wavelet Manifold Learning [57.078168638373874]
  MotionWaveletは、空間周波数領域における人間の動きパターンを研究する人間の動き予測フレームワークである。 ウェーブレット拡散モデルでは、動作データにウェーブレット変換を適用することでウェーブレット多様体を学習する。 ウェーブレット空間形状誘導機構は、デノナイジングプロセスを洗練し、多様体構造との整合性を改善する。
  論文  参考訳（メタデータ） (2024-11-25T22:09:19Z)
• High Resolution Seismic Waveform Generation using Denoising Diffusion [3.633418605694802]
  HighFEMは高周波地震波形生成のための生成モデルである。 地震波形データのスペクトログラム表現をオートエンコーダを介して低次元多様体に還元する。 キー入力パラメータに条件付き潜在表現を生成するために、最先端拡散モデルが訓練される。
  論文  参考訳（メタデータ） (2024-10-25T07:01:48Z)
• A Physics-informed machine learning model for time-dependent wave runup prediction [0.0]
  物理インフォームド・機械学習に基づく手法を提案し,時系列波の効率的なシミュレートを行った。 条件生成対向ネットワーク(cGAN)を用いて、XBSBからのウェーブランアップの画像表現をXBNHからの対応する画像にマッピングする。 cGANモデルは、XBSBからの物理知識を取り入れることで、画像と画像のマッピングタスクの性能を向上させる。
  論文  参考訳（メタデータ） (2024-01-12T18:58:37Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• Variational waveguide QED simulators [58.720142291102135]
  導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。 ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
  論文  参考訳（メタデータ） (2023-02-03T18:55:08Z)
• Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
  パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。 本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-18T11:29:49Z)
• Photoinduced prethermal order parameter dynamics in the two-dimensional large-$N$ Hubbard-Heisenberg model [77.34726150561087]
  2次元相関電子モデルにおいて、競合する秩序相の微視的ダイナミクスについて検討する。 2つの競合する位相間の光誘起遷移をシミュレートする。
  論文  参考訳（メタデータ） (2022-05-13T13:13:31Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)

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。