論文の概要: Uncovering Extreme Event Mechanisms for Prediction and Control with Sensitivity-Balanced Projections
- arxiv url: http://arxiv.org/abs/2606.05618v1
- Date: Thu, 04 Jun 2026 02:41:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.503454
- Title: Uncovering Extreme Event Mechanisms for Prediction and Control with Sensitivity-Balanced Projections
- Title（参考訳）: 感度ベース投影による予測・制御のための極端事象機構の解明
- Authors: Nicholas Zolman, Sajeda Mokbel, Samuel E. Otto, Steven L. Brunton,
- Abstract要約: 我々は、極端な事象の背後にあるメカニズムを明らかにするための解釈可能な手法を開発した。
この手法を用いて、データ駆動予測と直感的なイベント抑圧コントローラを構築する。
我々の単純な予測モデルは、極端な事象を正確に予測し、根底にあるメカニズムは、これらの事象を防ぐための制御則を設計するために使われる可能性があることを示す。
- 参考スコア（独自算出の注目度）: 1.8604439248955573
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extreme events -- such as earthquakes and coronal mass ejections -- are common in many chaotic dynamical systems, yet are difficult to characterize and predict due to the subtle instability mechanisms that drive them. In this work, we develop an interpretable technique that reveals the underlying mechanisms behind extreme events and uses them to build data-driven forecasts and intuitive event suppression controllers. In particular, we utilize the covariance balancing reduction using adjoint snapshots (CoBRAS) method to identify linear oblique projections that best capture the sensitivity of a quantity of interest and reconstruct the original state. Importantly, we bypass the need for cumbersome adjoint calculations, instead using backpropagation via modern automatically differentiable numerical frameworks. To accommodate spatially localized events, we also introduce a new variant of CoBRAS to obtain local sensitivity-balanced projections. We demonstrate the utility of this approach to characterize extreme events across a diverse set of challenging systems, including turbulent bursts of energy dissipation in the 2D Kolmogorov Flow, spontaneous synchronization in networks of coupled FitzHugh-Nagumo oscillators, and the localized formation of ocean rogue waves from a modified nonlinear Schrödinger equation. For each example, we show that our simple forecast models accurately predict extreme events and that the underlying mechanisms may be used to design control laws to prevent these events. Finally, we demonstrate that by learning a neural network surrogate model of the dynamics directly from data, we may extend this approach to experimental systems and systems that are not natively written in an automatically differentiable programming language.
- Abstract（参考訳）: 地震やコロナ質量放出のような極端な出来事は、多くのカオス力学系でよく見られるが、それらを動かす微妙な不安定なメカニズムのために特徴付け予測することは困難である。
本研究では,極端な事象の背後にあるメカニズムを明らかにするための解釈可能な手法を開発し,データ駆動予測と直感的なイベント抑制コントローラを構築する。
特に、結合スナップショット(CoBRAS)法による共分散バランスの低減を利用して、興味のある量の感度を最もよく捉え、元の状態を再構築する線形斜め投影を同定する。
重要なことは、複雑な随伴計算の必要性を回避し、代わりに、現代的な微分可能な数値フレームワークによるバックプロパゲーションを使用することである。
また,空間的局所化イベントに対応するため,局所感度バランスプロジェクションを得るため,CoBRASの新たな変種を導入する。
本稿は,2次元コルモゴロフ流れにおけるエネルギー散逸の乱流バースト,FitzHugh-Nagumo振動子のネットワークにおける自然同期,改良された非線形シュレーディンガー方程式からのオーシャンローグ波の局所的生成など,様々な困難系の極端な事象を特徴付ける手法の有用性を実証する。
それぞれの例において、我々の単純な予測モデルは、極端な事象を正確に予測し、基礎となるメカニズムは、これらの事象を防ぐために制御法則を設計するために使われる可能性があることを示す。
最後に、データから直接ダイナミクスのニューラルネットワークサロゲートモデルを学習することにより、このアプローチを、自動微分可能なプログラミング言語でネイティブに記述されていない実験システムやシステムに拡張する可能性を実証する。
関連論文リスト
- PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - Target Parameterization in Diffusion Models for Nonlinear Spatiotemporal System Identification [0.0]
拡散に基づくモデルでは、最近乱流状態の堅牢性が改善されている。
物理的フィールド上で直接動作する自己完結型パッチベースのトランスフォーマについて検討する。
その結果, クリーンステート予測はロールアウト安定性を向上し, 長期誤差を低減できることがわかった。
論文 参考訳（メタデータ） (2026-04-19T18:11:14Z) - Dynamics-Informed Deep Learning for Predicting Extreme Events [0.0]
リアルタイム予測は、極端を駆動するメカニズムをエンコードする前駆体を要求する。
極端事象の長期予測のための,完全なデータ駆動型フレームワークを提案する。
断続乱流の標準モデルであるコルモゴロフ流の枠組みを実証する。
論文 参考訳（メタデータ） (2026-03-11T13:51:17Z) - Spatially-informed transformers: Injecting geostatistical covariance biases into self-attention for spatio-temporal forecasting [0.0]
本稿では,学習可能なコスタティクスカーネルを介して,地理的帰納バイアスを直接自己保持機構に注入するハイブリッドアーキテクチャを提案する。
本稿では,ネットワークがバックプロパゲーションによって下位プロセスの真の空間パラメータを復元する「Deep Variography'」現象を実証する。
論文 参考訳（メタデータ） (2025-12-19T15:32:24Z) - AERMANI-Diffusion: Regime-Conditioned Diffusion for Dynamics Learning in Aerial Manipulators [2.376629619475859]
空力マニピュレータは、慣性結合力と空力の迅速かつ構成に依存した変化を行う。
条件付き拡散プロセスと軽量時間エンコーダを用いて残留力の完全な分布をモデル化する状態条件拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-11T16:10:32Z) - Capturing Extreme Events in Turbulence using an Extreme Variational Autoencoder (xVAE) [2.393499494583]
Extreme variational Autoencoder (xVAE) は、重み付き分布を持つ最大無制限のプロセスを標準のVAEフレームワークに組み込む。
xVAEは、データの非線形潜在表現を学習することで、システム次元を減少させる。
論文 参考訳（メタデータ） (2025-02-07T06:17:31Z) - Predicting Cascading Failures with a Hyperparametric Diffusion Model [66.89499978864741]
拡散モデルのレンズによる電力グリッドのカスケード故障について検討する。
我々のモデルは、バイラル拡散原理と物理に基づく概念を統合する。
この拡散モデルはカスケード故障の痕跡から学習可能であることを示す。
論文 参考訳（メタデータ） (2024-06-12T02:34:24Z) - Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。
我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。
本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文 参考訳（メタデータ） (2023-06-06T09:12:49Z) - 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) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z)
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。