論文の概要: NUCLEUS-MoE: Unified Model of Pool Boiling for Liquid Cooling
- arxiv url: http://arxiv.org/abs/2605.27722v1
- Date: Tue, 26 May 2026 21:49:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:55.567286
- Title: NUCLEUS-MoE: Unified Model of Pool Boiling for Liquid Cooling
- Title（参考訳）: NUCLEUS-MoE:液体冷却用プール沸騰統一モデル
- Authors: Arthur Feeney, Xianwei Zou, Sheikh Md Shakeel Hassan, Siddhartha Rachabathuni, Aparna Chandramowlishwaran,
- Abstract要約: 二相沸騰により、熱伝達速度は単相冷却よりも桁違いに高い。
既存の学習ベースのサロゲートは条件固有か流体固有かのいずれかであり、一般化を制限し、別々のモデルを必要とする。
NUCLEUSは、特殊なサロゲートの集合を単一のアーキテクチャで置き換える、プール沸騰の混合実験モデルである。
- 参考スコア（独自算出の注目度）: 1.749087665973699
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Two-phase boiling enables heat transfer rates an order of magnitude higher than single-phase cooling, but it remains difficult to model due to the strong coupling between phase change, turbulence, and transport, as well as extreme sensitivity to fluid properties and thermodynamic conditions. Existing learning-based surrogates are either condition- or fluid-specific, limiting generalization and requiring separate models. We present NUCLEUS, a mixture-of-experts model for pool boiling that replaces collections of specialized surrogates with a single architecture. NUCLEUS combines neighborhood attention, signed distance field reinitialization for interface consistency, and expert routing that exhibits emergent specialization across distinct boiling dynamics. Trained on high-fidelity simulations of pool boiling, NUCLEUS jointly models saturated and subcooled boiling across three fluid classes (dielectrics, refrigerants, and cryogens), resolving failure modes of prior models on extreme fluids. We show that expert routing exhibits coherent spatial structure and specialization without explicit supervision. Quantitatively, NUCLEUS matches or exceeds baselines while maintaining physical consistency across heterogeneous boiling configurations. We also show zero-shot and few-shot generalization capabilities on downstream tasks such as a new fluid (Opteon 2P50 developed for immersion cooling). These results demonstrate that mixture-of-experts models are a scalable pathway toward unified surrogate modeling of boiling dynamics and lay the groundwork for broader generalization across scientific ML.
- Abstract（参考訳）: 二相沸騰は単相冷却より1桁高い熱伝達速度を可能にするが, 相変化, 乱流, 輸送の強い結合や, 流体特性や熱力学条件に対する過度な感度によりモデル化は困難である。
既存の学習ベースのサロゲートは条件固有か流体固有かのいずれかであり、一般化を制限し、別々のモデルを必要とする。
NUCLEUSは、特殊なサロゲートの集合を単一のアーキテクチャで置き換える、プール沸騰の混合実験モデルである。
NUCLEUSは、近隣の注意、インターフェイスの整合性のための符号付き距離場再初期化、および異なる沸騰力学にまたがる創発的な特殊化を示すエキスパートルーティングを組み合わせる。
プール沸騰の高忠実度シミュレーションに基づいて、NUCLEUSは3つの流体クラス(誘電体、冷媒、低温発生器)で飽和・亜冷却沸騰し、過酷な流体上で以前のモデルの故障モードを解消した。
専門的なルーティングは、明確な監督なしに、コヒーレントな空間構造と特殊化を示す。
定量的には、NUCLEUSは不均一な沸騰構成の物理的整合性を維持しながら、基準線を一致または超過する。
また,新しい流体 (Opteon 2P50 は浸漬冷却のために開発された) のような下流タスクに対してゼロショットおよび少数ショットの一般化機能を示す。
これらの結果は, 混合実験モデルが沸騰力学の統一代理モデルへのスケーラブルな経路であることを示し, 科学MLにおける広範な一般化の基礎を築いた。
関連論文リスト
- Impossibility of Refrigeration and Engine Operation in Minimal Qubit Repeated-Interaction Models [39.146761527401424]
繰り返し相互作用フレームワークにおける量子熱デバイスとしての量子ビットの動作について検討する。
我々は、交互結合セットアップと同時結合セットアップの2つの最小モデルを分析する。
この結果は、マルコフの繰り返し相互作用の下で動作している量子ビットベースの量子熱機械の基本的な制限を定めている。
論文 参考訳（メタデータ） (2026-02-20T15:53:52Z) - Learning Transient Convective Heat Transfer with Geometry Aware World Models [41.969427056765014]
本稿では,映像生成アーキテクチャ(LongVideoGAN)を応用し,一貫した物理を学習する幾何学的世界モデルアーキテクチャを提案する。
本研究では, 固体構造内の熱流に結合した浮力駆動流れからの対流熱伝達を伴う2次元過渡流体力学 (CFD) 問題について検討した。
論文 参考訳（メタデータ） (2026-01-29T18:24:24Z) - Multi-Stage Graph Neural Networks for Data-Driven Prediction of Natural Convection in Enclosed Cavities [0.0]
グラフニューラルネットワーク(GNN)は、シミュレーションデータから直接熱流体挙動を学ぶための新しい代替手段を提供する。
本稿では,階層的なプールとアンプール操作を利用してグローバル-ローカル相互作用を段階的にモデル化する,新しい多段階GNNアーキテクチャを提案する。
実験により,提案モデルにより予測精度が向上し,訓練効率が向上し,長期誤差の蓄積が減少した。
論文 参考訳（メタデータ） (2025-09-07T13:05:39Z) - Bubbleformer: Forecasting Boiling with Transformers [2.343575298020989]
既存のモデルは、過去の状態から核生成を学習できないため、推論中に将来の入力を必要とする。
本稿では,安定および長距離沸騰力学を予測するトランスモデルであるBubbleformerを紹介する。
さまざまな動作流体にまたがる高忠実度データセットであるBubbleML 2.0もリリースしています。
論文 参考訳（メタデータ） (2025-07-28T18:02:57Z) - Few-Shot Learning by Explicit Physics Integration: An Application to Groundwater Heat Transport [41.94295877935867]
ローカルGlobal Convolutional Neural Network (LGCNN) アプローチが導入された。
モデルはまずランダムな入力場に基づいて系統的に解析される。
そして、このモデルは、ドイツのミュンヘン地域の現実世界の古典地図から、いくつかのカットアウトで訓練される。
論文 参考訳（メタデータ） (2025-07-08T15:06:15Z) - Diff-PIC: Revolutionizing Particle-In-Cell Nuclear Fusion Simulation with Diffusion Models [38.46100610494588]
核融合は究極的な解決策と見なされ、ほぼ1世紀にわたって集中的な研究の焦点となっている。
慣性凝縮核融合の最近の進歩は核融合研究に大きな注目を集めている。
レーザー-プラズマ相互作用は核融合安定性と効率を確保するために重要である。
論文 参考訳（メタデータ） (2024-08-03T19:42:31Z) - Deep generative modelling of canonical ensemble with differentiable thermal properties [0.9421843976231371]
標準アンサンブルの温度の異なる変分モデルを提案する。
深部生成モデルを用いて、連続した温度範囲で自由エネルギーを推定し、同時に最小化する。
トレーニングプロセスはデータセットを必要とせず、任意の明示的な密度生成モデルで動作する。
論文 参考訳（メタデータ） (2024-04-29T03:41:49Z) - Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains
at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。
正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文 参考訳（メタデータ） (2021-05-11T14:08:02Z) - Accurate simulation and thermal tuning by temperature-adaptive boundary
interactions on quantum many-body systems [2.13230439190003]
本研究では, 1次元(1次元)多体系の熱力学を模倣し, 調整する温度適応型エンタングルメントシミュレータ(TAES)を提案する。
1Dスピンチェーンのベンチマークでは、TAESは既存の有限温度アプローチと比較して最先端の精度を上回っている。
論文 参考訳（メタデータ） (2021-04-30T15:21:06Z) - Probing eigenstate thermalization in quantum simulators via
fluctuation-dissipation relations [77.34726150561087]
固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。
本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。
我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
論文 参考訳（メタデータ） (2020-07-20T18:00:02Z)
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。