論文の概要: Long-horizon prediction of three-dimensional wall-bounded turbulence with CTA-Swin-UNet and resolvent analysis

• arxiv url: http://arxiv.org/abs/2605.17888v1
• Date: Mon, 18 May 2026 05:53:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.900409
• Title: Long-horizon prediction of three-dimensional wall-bounded turbulence with CTA-Swin-UNet and resolvent analysis
• Title（参考訳）: CTA-Swin-UNetによる3次元壁境界乱流の長距離予測とリゾルダー解析
• Authors: Bo Chen, Yitong Fan, Jie Yao, Weipeng Li,
• Abstract要約: 3次元壁境界乱流の長距離予測は, 自己回帰誤差の急激な蓄積と計算コストの大幅な増大により, 困難な課題である。 本稿では,CTA-Swin-UNet (CTA-Swin-UNet) を用いて,壁並列平面内の乱流場を予測するハイブリッド機械学習フレームワークを提案する。 3次元流れ場は、予測された平面流から根付いたリゾルペントベースのスペクトル推定(SLSE)によって再構成される。
• 参考スコア（独自算出の注目度）: 4.959365341700369
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon prediction of three-dimensional (3D) wall-bounded turbulence with machine-learning methods remains a challenging task, due to the rapid accumulation of autoregressive errors and the substantially computational cost. To address these challenges, we present a hybrid machine-learning framework, in which a channel-time-attention Swin-UNet (CTA-Swin-UNet) and a multi-time-scale fusion correction (MTFC) strategy are developed to predict the turbulent flow fields in a wall-parallel plane, with affordable computational cost. Then, 3D flow fields are reconstructed via a resolvent-based spectral linear stochastic estimation (SLSE), rooting from the predicted planar flow. Results show that the CTA-Swin-UNet outperforms the baseline models (LSTM, FNO and traditional Swin-UNet) in both single-step prediction and autoregressive rollouts, indicating the effectiveness of introducing the CTA module into the Swin-UNet architecture. At the same temporal interval, the CTA-Swin-UNet remains stable for approximately 150 rollout steps, while the baseline models fail within 20 to 50 rollout steps. After introducing the MTFC strategy, a longer horizon upto 300 steps is achieved. Using the resolvent-based SLSE reconstruction further recovers the 3D flow structures and energy spectral distributions from the predicted planar inputs, which demonstrates that the proposed framework provides an effective and computationally efficient approach for long-horizon autoregressive prediction of 3D wall-bounded turbulence.
• Abstract（参考訳）: 機械学習手法を用いた3次元壁境界乱流の長期水平予測は, 自己回帰誤差の急速な蓄積と計算コストの大幅な増大により, 依然として困難な課題である。 これらの課題に対処するために,チャネルタイムアテンションSwin-UNet(CTA-Swin-UNet)とマルチタイムスケール融合補正(MTFC)の戦略を考案し,壁並列平面内の乱流場を,安価な計算コストで予測するハイブリッド機械学習フレームワークを提案する。 そして,3次元流れ場を,予測された平面流から根付いたリゾルペントベースのスペクトル線形確率推定(SLSE)により再構成する。 その結果、CTA-Swin-UNetは、単一ステップ予測と自動回帰ロールアウトの両方においてベースラインモデル(LSTM、FNO、従来のSwin-UNet)よりも優れており、CTAモジュールをSwin-UNetアーキテクチャに導入する効果が示されている。 同じ時間間隔で、CTA-Swin-UNetはおよそ150のロールアウトステップで安定し、ベースラインモデルは20から50のロールアウトステップで失敗する。 MTFC戦略を導入した後、300段まで長い地平線が達成される。 そこで, 提案手法は, 3次元壁面乱流の長期自己回帰予測に有効かつ効率的な手法であることを示す。

関連論文リスト

• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• Towards Scalable One-Step Generative Modeling for Autoregressive Dynamical System Forecasting [1.8396059589388676]
  MeLISA(MeanFlow Long-Term In Spatiotemporal Consistency Autoregressive Models) MeLISAは、ピクセル空間のMeanFlow上に構築された、潜伏のない自己回帰生成サロゲートである。 2つの高解像度ベンチマークで,コンパクトなUNetとスケーラブルなDiTflowを用いてMeLISAを評価した。
  論文  参考訳（メタデータ） (2026-05-07T00:41:47Z)
• Momentum-constrained Hybrid Heuristic Trajectory Optimization Framework with Residual-enhanced DRL for Visually Impaired Scenarios [4.735413508037063]
  本稿では,視覚障害者の補助ナビゲーションに適した運動量制約付きハイブリッド軌道最適化フレームワーク(MHHTOF)を提案する。 残留深部強化学習(DRL)による軌道サンプリング生成、最適化、評価の統合 実験の結果,提案したLSTM-BResPPOは,PPOが要求する約半数のトレーニングにおいて,安定な政策性能を実現することができることがわかった。
  論文  参考訳（メタデータ） (2025-09-19T04:33:39Z)
• Scale-Disentangled spatiotemporal Modeling for Long-term Traffic Emission Forecasting [10.643363557001955]
  本稿では,長期交通排出予測のためのSDSTM(Scale-Disd S-temporal Modeling)フレームワークを提案する。 提案手法は最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-08-16T06:06:47Z)
• Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
  Eucidated Rolling Diffusion Models (ERDM)を紹介する。 ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである 2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-06-24T21:44:31Z)
• Advanced long-term earth system forecasting by learning the small-scale nature [74.19833913539053]
  私たちは、この根本的な課題に対処するために設計されたAIフレームワークであるTritonを紹介します。 数値モデルにおける小さなスケールを明示的に解決するグリッドの増加に触発されたTritonは、スペクトルバイアスを軽減するために、複数の解像度にわたって階層的なアーキテクチャ処理情報を使用する。 我々は,トライトンによる挑戦的な予測課題における優れた性能,安定な1年間の世界気温予測,120日間の熟練した黒潮渦予測,高忠実乱流シミュレーションを実証した。
  論文  参考訳（メタデータ） (2025-05-26T02:49:00Z)
• An Adaptive Framework for Autoregressive Forecasting in CFD Using Hybrid Modal Decomposition and Deep Learning [3.1337872355726084]
  この研究は著者の知識を最大限に活用するために、ディープラーニング(DL)自己回帰予測モデルを長期間の地平線上で安定化させるために設計された、最初の一般化可能で完全なデータ駆動適応フレームワークを提示する。 提案手法は, (i) 訓練されたDLモデルを用いて, 選択した時間間隔で流れ場の進化を予測し, (ii) 安定度が低下した場合に新たに生成されたCFDデータを用いてモデルを更新することにより, 正確な長期予測を行う。 この枠組みは, 層流から乱流まで, より複雑化する3つの流路にまたがって検証され, 30%から95パーセントの範囲で実証された。
  論文  参考訳（メタデータ） (2025-05-02T18:33:41Z)
• An Efficient Occupancy World Model via Decoupled Dynamic Flow and Image-assisted Training [50.71892161377806]
  DFIT-OccWorldは、分離されたダイナミックフローとイメージアシストトレーニング戦略を活用する、効率的な3D占有世界モデルである。 提案モデルでは, 静止ボクセルはポーズ変換により容易に得られるのに対し, 既存のボクセルフローを用いて既存の観測を歪曲することで, 将来のダイナミックボクセルを予測できる。
  論文  参考訳（メタデータ） (2024-12-18T12:10:33Z)
• Model-Agnostic AI Framework with Explicit Time Integration for Long-Term Fluid Dynamics Prediction [7.740582267221137]
  本稿では,データ駆動AR予測に適した2段階微分Adams-Bashforth法の最初の実装について紹介する。 我々は、異なる将来のステップの重要性を動的に調整する3つの新しい適応重み付け戦略を開発した。 本フレームワークは,平均二乗誤差を0.125から0.002に削減する350のステップを正確に予測する。
  論文  参考訳（メタデータ） (2024-12-07T14:02:57Z)
• AdaOcc: Adaptive Forward View Transformation and Flow Modeling for 3D Occupancy and Flow Prediction [56.72301849123049]
  CVPR 2024 における nuScenes Open-Occ データセットチャレンジにおいて,視覚中心の3次元活動とフロー予測トラックのソリューションを提案する。 我々の革新的なアプローチは、適応的なフォワード・ビュー・トランスフォーメーションとフロー・モデリングを取り入れることで、3次元の占有率とフロー予測を向上させる2段階のフレームワークである。 提案手法は回帰と分類を組み合わせることで,様々な場面におけるスケールの変動に対処し,予測フローを利用して将来のフレームに現行のボクセル特徴をワープする。
  論文  参考訳（メタデータ） (2024-07-01T16:32:15Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)

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。