論文の概要: Toward AI-Driven Digital Twins for Metropolitan Floods: A Conditional Latent Dynamics Network Surrogate of the Shallow Water Equations

• arxiv url: http://arxiv.org/abs/2605.13761v1
• Date: Wed, 13 May 2026 16:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.186063
• Title: Toward AI-Driven Digital Twins for Metropolitan Floods: A Conditional Latent Dynamics Network Surrogate of the Shallow Water Equations
• Title（参考訳）: 大都市洪水に対するAI駆動型ディジタル双極子に向けて:浅水方程式の条件付き潜在ダイナミクスネットワーク
• Authors: Phillip Si, Yuan Qiu, Omar Sallam, Jeremy Feinstein, Ziang He, Eugene Yan, Peng Chen,
• Abstract要約: Conditional Latent Dynamics Network (CLDNet) は降雨によって駆動される低次元潜在ニューラルネットワークである。 任意のクエリポイントで深さと放電を再構築する。 960ドル(約9,600円)の流域全体の予測を29ドル(約2,300円)で、スピードアップを115ドル(約1,300円)で提供する。
• 参考スコア（独自算出の注目度）: 5.797205612752907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-driven flood digital twins demand fast hydrodynamic surrogates for ensemble forecasting and observation assimilation. Yet even GPU-accelerated two-dimensional shallow water equation (SWE) solvers still require $\sim 55$ minutes per $96$-hour run on a $\sim 4.2$-million-active-cell metropolitan basin (the Des~Plaines River basin at $30\,\mathrm{m}$ resolution), making such workloads prohibitive at native resolution. We present the Conditional Latent Dynamics Network (CLDNet): a low-dimensional latent neural ODE driven by rainfall, paired with a coordinate-based decoder conditioned on static terrain (elevation, slope, Manning roughness) that reconstructs depth and discharge at arbitrary query points. Pointwise decoding decouples memory from grid size and handles irregular watersheds natively, enabling metropolitan-scale training on a single compute node and direct queries at exact gauge coordinates without raster snapping. We evaluate CLDNet on a synthetic $250{,}000$-cell Texas benchmark and on a new Des~Plaines case study of $114$ real-rainfall Stage~IV storms whose reference simulator we validate against United States Geological Survey (USGS) gauges at the April~2013 flood-of-record (Nash--Sutcliffe efficiency $0.57$--$0.94$ on mean-recentered water-surface elevation). CLDNet roughly halves the relative root-mean-squared error of an unconditional baseline, outperforms regular-grid VAE--ConvLSTM and FNO baselines on the Texas benchmark (both presuppose a Cartesian grid and do not apply to the irregular Des~Plaines watershed), reaches a critical success index of $\approx 86\%$ at the $0.5\,\mathrm{m}$ inundation threshold, and produces a full $96$-hour basin-wide forecast in $\sim 29$ seconds -- a $\sim 115\times$ speedup.
• Abstract（参考訳）: AI駆動の洪水デジタルツインは、アンサンブル予測と観測同化のために高速な流体力学的サロゲートを要求する。 しかし、GPUで加速された2次元浅水方程式 (SWE) さえも、$\sim 4.2$-million-active-cell urban basin (Des~Plaines River basin at 30\,\mathrm{m}$ resolution) で、9,6$時間に$\sim 55$ minutes を必要とする。 降雨により駆動される低次元潜伏型ニューラルネットワーク(CLDNet: Conditional Latent Dynamics Network)を,静的地形(標高,斜面,マニング粗さ)に条件付き座標ベースのデコーダと組み合わせて,任意の問合せ点における深さと放電を再構成する。 ポイントワイズでメモリをグリッドサイズから切り離し、不規則な流域をネイティブに処理することで、1つの計算ノードでの大都市圏でのトレーニングと、ラスタースナッピングなしで正確なゲージ座標での直接クエリを可能にする。 我々は,CLDNetを合成250{,}000$-cell Texasベンチマークと,2013年4月から2013年4月にかけてのアメリカ合衆国地質調査所(USGS)測度に対する基準シミュレータ(Nash-Sutcliffe efficiency $0.57$--0.94$ on mean-recentered water-ground elevation)に対して検証した114$real-rainfall Stage~IVStormsの新しいDes~Plainesケーススタディで評価した。 CLDNetは、非条件ベースラインの相対的なルート平均二乗誤差を概ね上回り、テキサスのベンチマークで正規グリッドのVAE--ConvLSTMとFNOベースラインを上回り(どちらもカルト格子を前提としており、不規則なDes~Plaines流域には適用しない)、$0.5\,\mathrm{m}$インダクションしきい値で$\approx 86\%の臨界成功指数に達した。

関連論文リスト

• Finite Volume-Informed Neural Network Framework for 2D Shallow Water Equations: Rugged Loss Landscapes and the Importance of Data Guidance [3.04375043248235]
  データガイドFVM-PINN'は,非構造化メッシュ上で評価された強形式残差を,微分可能でバランスの取れた有限体積損失(FVM)に置き換えるフレームワークである。 このフレームワークは、SRH-2Dアンカーデータから正確なサロゲートを構築する。
  論文  参考訳（メタデータ） (2026-05-09T22:03:56Z)
• DualTCN: A Physics-Constrained Temporal Convolutional Network for 2 Time-Domain Marine CSEM Inversion [1.2031796234206138]
  DualTCNは、時間領域の海洋電磁制御源(MCSEM)過渡データを反転させるための最初のディープラーニングフレームワークである。 このフレームワークは、4つのアースモデルパラメータを回帰し、微分可能なソフトステップデコーダを用いてプロファイルを再構成する。 このフレームワークは、カリキュラムベースの振幅増大によるノイズに対する高い堅牢性を示し、平均$barR2$ 0.858 at $pm2%$ランダム振幅誤差を維持している。
  論文  参考訳（メタデータ） (2026-05-06T14:58:17Z)
• Toward an Operational GNN-Based Multimesh Surrogate for Fast Flood Forecasting [0.5833117322405447]
  我々は、Tt川下流(フランス)で、合成だが運用上は接地した洪水の学習可能なデータベースを構築した。 我々は、投影メッシュとマルチメッシュ接続に基づくグラフニューラルサロゲートを開発する。 この境界駆動設定において、$Q(t)$の条件付けが不可欠であることを示す。
  論文  参考訳（メタデータ） (2026-04-03T08:42:51Z)
• Fourier Neural Operator based surrogates for $CO_2$ storage in realistic geologies [57.23978190717341]
  我々は,$CO$ plume マイグレーションのリアルタイム・高分解能シミュレーションのためのニューラル演算子(FNO)モデルを開発した。 このモデルは、現実的な地下パラメータから生成された包括的なデータセットに基づいて訓練される。 本稿では,実際の地質学的位置を評価する上で重要なモデルから予測の信頼性を向上させるための様々な戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-14T02:58:24Z)
• Neural and Time-Series Approaches for Pricing Weather Derivatives: Performance and Regime Adaptation Using Satellite Data [0.0]
  本稿では,温度と降水量に関する気象デリバティブ(WD)契約の価格について検討する。 我々は、フィードフォワードニューラルネットワーク(NN)に対してハーモニック回帰/ARMAモデルをベンチマークし、NNがサンプル外平均二乗誤差(MSE)を低減することを発見した。 降水には多季にわたる30日間の降雨シーケンスでトレーニングされた畳み込みニューラルネットワーク(CNN)を用いて,形状とスケールパラメータを最大推定(MLE)および推定する。
  論文  参考訳（メタデータ） (2024-11-18T19:54:28Z)
• A Mean-Field Analysis of Neural Stochastic Gradient Descent-Ascent for Functional Minimax Optimization [90.87444114491116]
  本稿では,超パラメトリック化された2層ニューラルネットワークの無限次元関数クラス上で定義される最小最適化問題について検討する。 i) 勾配降下指数アルゴリズムの収束と, (ii) ニューラルネットワークの表現学習に対処する。 その結果、ニューラルネットワークによって誘導される特徴表現は、ワッサーシュタイン距離で測定された$O(alpha-1)$で初期表現から逸脱することが許された。
  論文  参考訳（メタデータ） (2024-04-18T16:46:08Z)
• An Edge Map based Ensemble Solution to Detect Water Level in Stream [3.2308803546329137]
  米国だけでも毎年、洪水で130ドル(約1万3000円)以上の死者が出ている。 我々は,クリークの水位を連続的に検出する効率的な視覚ベースアンサンブルソリューションを設計し,実装した。 提案されたソリューションは広範に正確であり、水面に追加のインフラを設置する必要はなく、容易に他の場所に適応できる。
  論文  参考訳（メタデータ） (2022-01-16T17:43:12Z)
• AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
  畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である 適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:50:37Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。