論文の概要: The impact of observation density on Bayesian inversion of latent dynamics in shock-dominated flows

• arxiv url: http://arxiv.org/abs/2605.19076v1
• Date: Mon, 18 May 2026 20:05:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.971248
• Title: The impact of observation density on Bayesian inversion of latent dynamics in shock-dominated flows
• Title（参考訳）: 衝撃支配流れにおける潜時力学のベイズ反転に及ぼす観測密度の影響
• Authors: Bipin Tiwari, Muhammad Abid, Omer San,
• Abstract要約: スパースおよびノイズ測定による衝撃支配圧縮性流れの未知の初期状態の推測は、困難な逆問題である。 本研究では,不確実性を伴うベイズ初期状態の効率的なインバージョンのための非侵襲的低次モデリングフレームワークを開発する。
• 参考スコア（独自算出の注目度）: 0.6008132390640294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inferring unknown initial states in shock-dominated compressible flows from sparse and noisy measurements is a challenging ill-posed inverse problem due to nonlinear wave interactions and limited sensing. In this work, we develop a non-intrusive reduced-order modeling framework for efficient Bayesian initial-state inversion with uncertainty quantification. The framework combines a convolutional autoencoder with a learned latent-space forward operator. The autoencoder compresses high-dimensional flow fields into a compact nonlinear latent representation, while the forward operator predicts final-time latent states from encoded initial conditions. This AE-ROM surrogate enables rapid forward evaluations and is embedded within a No-U-Turn Sampler (NUTS) for posterior exploration. The framework is demonstrated using 500 high-fidelity Sod shock tube simulations generated through Latin hypercube sampling and solved using a fifth-order WENO scheme. The inverse problem seeks to recover unknown left and right density and pressure states from sparse noisy observations of final-time density and pressure fields. Results show that the AE-ROM accurately reconstructs key shock-tube structures, including the rarefaction wave, contact discontinuity, and shock front. A latent dimension of 32 provides an effective balance between reconstruction accuracy and reduced-space compactness, while 250 training simulations are sufficient for accurate reconstruction. Increasing observation density significantly contracts posterior uncertainty, reducing the mean posterior standard deviation by approximately 78% for density and 76% for pressure. Overall, the proposed framework provides a computationally efficient and uncertainty-aware approach for inverse analysis of shock-dominated flows, with potential extensions to multidimensional compressible-flow and digital-twin applications.
• Abstract（参考訳）: スパースおよびノイズ測定による衝撃支配圧縮性流れの未知の初期状態の推測は、非線形波動相互作用と限定センシングによる不測の逆問題である。 本研究では,不確実な定量化を伴うベイズ初期状態の効率的なインバージョンのための非侵襲的低次モデリングフレームワークを開発する。 このフレームワークは、畳み込みオートエンコーダと学習された潜在空間フォワード演算子を組み合わせる。 オートエンコーダは、高次元流れ場をコンパクトな非線形潜時表現に圧縮し、フォワード演算子は符号化初期条件から最終時間潜時状態を予測する。 このAE-ROMサロゲートは、高速な前方評価を可能にし、後部探査のためにNo-U-Turn Sampler (NUTS)内に埋め込まれる。 The framework is demonstrated using 500 high-fidelity Sod shock tube Simulations generated through Latin hypercube sample and solve using a five-order WENO scheme。 逆問題では、最終時間密度と圧力場のスパースノイズ観測から未知の左右密度と圧力状態の回復を求める。 その結果,AE-ROMは,レアファクション波,接触不連続性,ショックフロントなどのキーショック管構造を正確に再構成することがわかった。 遅延次元32は、再現精度と縮小空間のコンパクトさの効果的なバランスを提供し、250のトレーニングシミュレーションは正確な再構成に十分である。 観測密度の増加は後部不確実性を著しく低下させ, 平均後部標準偏差は密度が約78%, 圧力が約76%減少した。 提案するフレームワークは, 衝撃支配流れの逆解析に対して, 計算効率が高く不確実性を意識した手法であり, 多次元圧縮可能流およびデジタルツイン応用への潜在的拡張を提供する。

関連論文リスト

• Signal-Aware Conditional Diffusion Surrogates for Transonic Wing Pressure Prediction [0.0]
  本研究は,NASAコモン・リサーチ・モデル翼の表面圧力を予測するための条件付き拡散確率モデルを提案する。 拡散過程を通じて再構成損失を伝播させることにより、信号認識訓練目標を導出する。 定式化では, 平均絶対誤差を低減し, 吸込ピーク, 衝撃構造, 制御面の不連続性の再構築を改善する。
  論文  参考訳（メタデータ） (2026-04-13T10:18:07Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• Online Inertia Tensor Identification for Non-Cooperative Spacecraft via Augmented UKF [0.0]
  本稿では,非協調ターゲット宇宙船の相対的な6-DOFポーズと全慣性テンソルを共同で推定するための拡張アンセント・カルマンフィルタ(UKF)フレームワークを提案する。 提案アーキテクチャは,単眼視に基づく畳み込みニューラルネットワーク(CNN)の視覚計測をLiDARの深度情報と融合させて,剛体力学の結合を制約する。 慣性テンソルの6つの独立要素を含む状態ベクトルを増大させることで、基底ベースの事前校正を必要とせず、ターゲットの正規化質量分布をリアルタイムで動的に復元する。
  論文  参考訳（メタデータ） (2026-03-28T18:13:03Z)
• Data-Free PINNs for Compressible Flows: Mitigating Spectral Bias and Gradient Pathologies via Mach-Guided Scaling and Hybrid Convolutions [0.0]
  本稿では,圧縮不能なインビシッドフローを解くことができる完全データフリーな物理情報ニューラルネットワーク(PINN)を提案する。 提案するフレームワークは,参照データなしで離弓衝撃を捕捉する。
  論文  参考訳（メタデータ） (2026-03-01T09:04:18Z)
• Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
  高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。 本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。 提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
  論文  参考訳（メタデータ） (2026-01-30T03:14:01Z)
• Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
  天気予報は、大気のカオス的な性質によって根本的に挑戦されている。 ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。 気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
  論文  参考訳（メタデータ） (2025-11-18T07:49:52Z)
• Low-Order Flow Reconstruction and Uncertainty Quantification in Disturbed Aerodynamics Using Sparse Pressure Measurements [0.0]
  本稿では,低次グステンカウンタ流場と昇降係数をスパース・ノイズ表面圧力測定から再構成する新しい機械学習フレームワークを提案する。 本研究では,センサのガス-空気相互作用に対する応答の時間変化を徹底的に検討し,センサ配置に関する貴重な知見を明らかにする。
  論文  参考訳（メタデータ） (2025-01-06T22:02:06Z)
• Density-Regression: Efficient and Distance-Aware Deep Regressor for Uncertainty Estimation under Distribution Shifts [11.048463491646993]
  密度回帰は不確実性推定において密度関数を利用する手法であり、単一の前方通過による高速な推論を実現する。 本研究では,現代の深部回帰器を用いた分布シフトにおいて,密度回帰が競合不確実性評価性能を有することを示す。
  論文  参考訳（メタデータ） (2024-03-07T23:20:34Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Noise-resilient Edge Modes on a Chain of Superconducting Qubits [103.93329374521808]
  量子系の遺伝対称性は、それ以外は脆弱な状態を保護することができる。 非局所マヨラナエッジモード(MEM)を$mathbbZ$パリティ対称性で表す一次元キックドイジングモデルを実装した。 MEMは、予熱機構により特定の対称性を破るノイズに対して弾力性があることが判明した。
  論文  参考訳（メタデータ） (2022-04-24T22:34:15Z)

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。