論文の概要: TurPy: a physics-based and differentiable optical turbulence simulator for algorithmic development and system optimization

• arxiv url: http://arxiv.org/abs/2604.07248v2
• Date: Fri, 10 Apr 2026 13:44:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 13:51:27.750623
• Title: TurPy: a physics-based and differentiable optical turbulence simulator for algorithmic development and system optimization
• Title（参考訳）: TurPy:アルゴリズム開発とシステム最適化のための物理に基づく微分可能な光乱流シミュレータ
• Authors: Joseph L. Greene, Alfred Moore, Iris Ochoa, Emily Kwan, Patrick Marano, Christopher R. Valenta,
• Abstract要約: TurPyは、エンドツーエンドの光学系設計で高忠実度シミュレーションを橋渡しするための、GPUで加速し、完全に微分可能な光波乱流シミュレータである。 TurPyには、サブハーモニックフェーズ画面生成、自動回帰時間進化、自動画面配置ルーチンが含まれている。 本研究では,第2次ガウスビーム拡大と第4次平面波シンチレーションを一致させて,確立した大気乱流理論に対するTurPyの検証を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing optical systems for free-space applications requires simulation tools that accurately capture turbulence-induced wavefront distortions and support gradient-based optimization. Here we introduce TurPy, a GPU-accelerated, fully differentiable wave optics turbulence simulator to bridge high fidelity simulation with end-to-end optical system design. TurPy incorporates subharmonic phase screen generation, autoregressive temporal evolution, and an automated screen placement routine balancing Fourier aliasing constraints and weak-turbulence approximations into a unified, user-ready framework. Because TurPy's phase screen generation is parameterized through a media-specific power spectral density, the framework extends to atmospheric, oceanic, and biological propagation environments with minimal modification. We validate TurPy against established atmospheric turbulence theory by matching 2nd order Gaussian beam broadening and 4th order plane wave scintillation to closed-form models with 98% accuracy across weak to strong turbulence regimes, requiring only the medium's refractive index structure constant and power spectral density as inputs. To demonstrate TurPy as a gradient-based training platform, we optimize a dual-domain diffractive deep neural network (D2NN) in a two-mask dual-domain architecture to recover a Gaussian beam from a weakly turbulent path and achieving over 20x reduction in scintillation relative to an uncompensated receiver in simulation. TurPy is released as an open-source package to support synthetic data generation, turbulence-informed algorithm development, and the end-to-end design of optical platforms operating in turbulent environments.
• Abstract（参考訳）: 自由空間アプリケーションのための光学系の開発には、乱流による波面歪みを正確に捉え、勾配に基づく最適化をサポートするシミュレーションツールが必要である。 本稿では、エンドツーエンドの光学系設計で高忠実度シミュレーションをブリッジするために、GPUを高速化し、完全に微分可能な波動光学乱流シミュレータTurPyを紹介する。 TurPyは、低調波位相画面生成、自己回帰時間進化、およびフーリエエイリアス制約と弱い乱流近似のバランスをとる自動画面配置ルーチンを、統一されたユーザ対応フレームワークに組み込んでいる。 TurPyのフェーズスクリーン生成はメディア固有のパワースペクトル密度によってパラメータ化されているため、このフレームワークは最小限の変更で大気、海洋、生物の伝播環境にまで拡張される。 本研究では,第2次ガウス波の拡大と第4次平面波シンチレーションを,弱い乱流と強い乱流にまたがる98%の精度で,媒体の屈折率構造と出力密度密度だけを入力として求める閉形式モデルに適合させることにより,確立された大気乱流理論に対してTurPyを検証した。 勾配に基づくトレーニングプラットフォームとしてTurPyを実証するため,2マスクのデュアルドメインアーキテクチャでD2NNを最適化し,弱い乱流経路からガウスビームを回収し,非補償受信機に対するシンチレーションの20倍以上の低減を実現した。 TurPyは、合成データ生成、乱流インフォームドアルゴリズム開発、乱流環境で動作する光学プラットフォームのエンドツーエンド設計をサポートするオープンソースパッケージとしてリリースされた。

関連論文リスト

• A solver-in-the-loop framework for end-to-end differentiable coastal hydrodynamics [4.010598744735379]
  深度積分された非定常浅水方程式に基づいて, 微分可能な流体力学解法である AegirJAX を紹介する。 AegirJAX は連続計算グラフとしてタイムマーチング物理ループを扱う。 我々は、科学的な機械学習タスクのスイートでフレームワークの汎用性を実証する。
  論文  参考訳（メタデータ） (2026-04-08T14:21:47Z)
• Continuous Exposure-Time Modeling for Realistic Atmospheric Turbulence Synthesis [65.19146708498346]
  大気の乱流は、幾何学的なワープと露光時間依存のぼかしを導入することで、長距離イメージングを著しく劣化させる。 既存の乱流効果の方法は、しばしばぼやけと露出時間の関係を単純化する。 我々は,連続露光時間モデリングを明示的に組み込んだ大規模合成乱流データセットET-Turbを構築した。
  論文  参考訳（メタデータ） (2026-03-02T02:58:44Z)
• Lazy Diffusion: Mitigating spectral collapse in generative diffusion-based stable autoregressive emulation of turbulent flows [0.0]
  標準DDPMは基本的な赤外崩壊を引き起こすことを示す。 拡散時間内に微細構造を深く保存するパワー・ロー・スケジュールを導入する。 これらの手法はレイノルズ数2Dコルモゴロフ乱流とメキシコ湾の1/12円の海面再解析に応用される。
  論文  参考訳（メタデータ） (2025-12-10T12:05:32Z)
• RMFAT: Recurrent Multi-scale Feature Atmospheric Turbulence Mitigator [4.021926055330021]
  大気の乱流は、幾何学的歪み、ぼかし、時間的ひねりなどの歪みを導入することで、映像の品質を著しく低下させる。 我々は,AT条件下での高効率かつ時間的に一貫したビデオ復元を目的としたRMFAT: Recurrent Multi-scale Feature Atmospheric Turbulence Mitigatorを提案する。
  論文  参考訳（メタデータ） (2025-08-15T11:20:18Z)
• UltraRay: Introducing Full-Path Ray Tracing in Physics-Based Ultrasound Simulation [40.609593860836554]
  レイトレーシングアルゴリズムを用いてエコーデータを生成する新しい超音波シミュレーションパイプラインを提案する。 先進的な超音波イメージングを再現するため,平面波イメージングに最適化されたレイエミッション方式を導入し,遅延とステアリング機能を取り入れた。 提案手法であるUltraRayは,視覚的品質の向上だけでなく,シミュレーション画像のリアリズムの向上にも寄与する。
  論文  参考訳（メタデータ） (2025-01-10T10:07:41Z)
• Dynamic Frame Interpolation in Wavelet Domain [57.25341639095404]
  ビデオフレームは、より流動的な視覚体験のためにフレームレートを上げることができる、重要な低レベルな計算ビジョンタスクである。 既存の手法は、高度なモーションモデルと合成ネットワークを利用することで大きな成功を収めた。 WaveletVFIは、同様の精度を維持しながら最大40%の計算を削減できるため、他の最先端技術に対してより効率的に処理できる。
  論文  参考訳（メタデータ） (2023-09-07T06:41:15Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)

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。