論文の概要: One-shot learning for the complex dynamical behaviors of weakly nonlinear forced oscillators
- arxiv url: http://arxiv.org/abs/2604.15181v1
- Date: Thu, 16 Apr 2026 16:10:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 21:29:31.997926
- Title: One-shot learning for the complex dynamical behaviors of weakly nonlinear forced oscillators
- Title（参考訳）: 弱非線形強制振動子の複素力学挙動のワンショット学習
- Abstract要約: 本稿では,MEv-SINDy (Multi- frequency Sparse Identification of Evolutionary Dynamics)を導入し,非自律系と多周波系の支配方程式を推定する。
2つの重要なマイクロ・エレクトロ・メカニカル・システムにおけるMEv-SINDyの有効性を検証した。
- 参考スコア（独自算出の注目度）: 10.038220687588117
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Extrapolative prediction of complex nonlinear dynamics remains a central challenge in engineering. This study proposes a one-shot learning method to identify global frequency-response curves from a single excitation time history by learning governing equations. We introduce MEv-SINDy (Multi-frequency Evolutionary Sparse Identification of Nonlinear Dynamics) to infer the governing equations of non-autonomous and multi-frequency systems. The methodology leverages the Generalized Harmonic Balance (GHB) method to decompose complex forced responses into a set of slow-varying evolution equations. We validated the capabilities of MEv-SINDy on two critical Micro-Electro-Mechanical Systems (MEMS). These applications include a nonlinear beam resonator and a MEMS micromirror. Our results show that the model trained on a single point accurately predicts softening/hardening effects and jump phenomena across a wide range of excitation levels. This approach significantly reduces the data acquisition burden for the characterization and design of nonlinear microsystems.
- Abstract（参考訳）: 複雑な非線形力学の補間予測は、工学における中心的な課題である。
本研究では,単一励起時間履歴から大域的な周波数応答曲線を学習する一括学習法を提案する。
非線形ダイナミクスの多周波進化スパース同定法(MEv-SINDy)を導入し,非自律・多周波系の制御方程式を推定する。
この手法は一般化調和バランス(GHB)法を利用して、複雑な強制応答をゆっくり変化する進化方程式の集合に分解する。
我々は,MEMS(Micro-Electro-Mechanical Systems)におけるMEv-SINDyの有効性を検証した。
これらの用途には非線形ビーム共振器とMEMSマイクロミラーが含まれる。
実験の結果, 単一点で訓練したモデルでは, 軟化・硬化効果や跳躍現象を広範囲の励起レベルにわたって正確に予測できることがわかった。
このアプローチは、非線形マイクロシステムの特性と設計のためのデータ取得の負担を大幅に削減する。
関連論文リスト
- Precision quantum simulation of magnon spectra and interactions [94.30337065819249]
最大97量子ビットのアナログデジタル超伝導プロセッサを用いて, 2次元XYスピン-1/2マグネットにおける線形および非線形応答関数の高精度シミュレーションを行った。
以上の結果から,ブリュアン帯におけるマグノンの崩壊速度の変動が明らかとなり,バンホーブ特異点付近の増大とエッジ局在モードの抑制が認められた。
論文 参考訳（メタデータ） (2026-07-14T22:11:22Z) - Multi-Fidelity SINDy: Sparse Discovery of Nonlinear Dynamical Systems with Fidelity-Weighted Measurements [2.545017481717325]
シミュレーションや実験のデータはノイズのないことはめったになく、しばしば不均一な忠実度を示す。
この研究は、そのような不均一なデータから非線形力学系を発見する問題に対処する。
Weak Dynamical Systems (SINDy) フレームワークのスパース同定を可変雑音レベルに拡張する。
論文 参考訳（メタデータ） (2026-06-14T09:10:00Z) - Disordered Dynamics in High Dimensions: Connections to Random Matrices and Machine Learning [52.26396748560348]
ランダム行列によって駆動される高次元力学系について概説する。
機械学習理論における学習と一般化の単純なモデルへの応用に焦点を当てる。
論文 参考訳（メタデータ） (2026-01-03T00:12:32Z) - Parametric resonance and nonlinear dynamics in a coupled double-pendulum system [4.364587148820591]
ラグランジュ力学の枠組みにおける衝突結合型二重振り子系について検討する。
実験により、パラメトリック共鳴は特性周波数比範囲内で一貫して起こることが示された。
また、適度な周波数での周期運転では、周期状態に安定化するためには、初期摂動が必要となる。
論文 参考訳（メタデータ） (2025-09-10T11:29:30Z) - Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。
線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。
数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
論文 参考訳（メタデータ） (2025-04-16T10:39:43Z) - Deep Generative Modeling for Identification of Noisy, Non-Stationary Dynamical Systems [3.1484174280822845]
非線形・雑音・非自律力学系に対する擬似常微分方程式(ODE)モデルを求めることに集中する。
提案手法は,SINDyとSINDy(非線形力学のスパース同定)を結合し,スパースODEの時間変化係数をモデル化する。
論文 参考訳（メタデータ） (2024-10-02T23:00:00Z) - Recurrent Deep Kernel Learning of Dynamical Systems [0.5825410941577593]
デジタル双対は計算効率の低い低次モデル(ROM)を必要とし、物理的資産の複雑な力学を正確に記述することができる。
データから低次元の潜伏空間を発見するために,データ駆動型非侵入型深層学習法(SVDKL)を提案する。
その結果,本フレームワークは, (i) 測定値の復調と再構成, (ii) システム状態のコンパクトな表現の学習, (iii) 低次元潜在空間におけるシステム進化の予測, (iv) 不確実性をモデル化できることがわかった。
論文 参考訳（メタデータ） (2024-05-30T07:49:02Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Macroscopic noise amplification by asymmetric dyads in non-Hermitian
optical systems for generative diffusion models [55.2480439325792]
非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。
このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
論文 参考訳（メタデータ） (2022-06-24T10:19:36Z) - Virtual twins of nonlinear vibrating multiphysics microstructures:
physics-based versus deep learning-based approaches [0.0]
深層学習手法を応用して,精度,効率的,リアルタイムな縮小順序モデルを生成する。
提案手法の信頼性を,マイクロミラー,アーチ,ジャイロスコープで広範囲に検証した。
電気メカニカルジャイロスコープに対処することにより、非侵入的深層学習アプローチが複雑な多物理問題に容易に一般化できることが示される。
論文 参考訳（メタデータ） (2022-05-12T07:40:35Z) - Using scientific machine learning for experimental bifurcation analysis
of dynamic systems [2.204918347869259]
本研究は、極限サイクルを持つ物理非線形力学系に対する普遍微分方程式(UDE)モデルの訓練に焦点をあてる。
数値シミュレーションによりトレーニングデータを生成する例を考察するとともに,提案するモデリング概念を物理実験に適用する。
ニューラルネットワークとガウス過程の両方を、力学モデルと共に普遍近似器として使用し、UDEモデリングアプローチの正確性と堅牢性を批判的に評価する。
論文 参考訳（メタデータ） (2021-10-22T15:43:03Z) - Designing Kerr Interactions for Quantum Information Processing via
Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。
非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。
その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
論文 参考訳（メタデータ） (2021-07-14T15:11:05Z) - Controlling nonlinear dynamical systems into arbitrary states using
machine learning [77.34726150561087]
機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。
最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。
必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
論文 参考訳（メタデータ） (2021-02-23T16:58:26Z)
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。