論文の概要: Neural-Parameterized Cellular Automata for Wildfire Spread

• arxiv url: http://arxiv.org/abs/2606.11676v1
• Date: Wed, 10 Jun 2026 05:40:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.309736
• Title: Neural-Parameterized Cellular Automata for Wildfire Spread
• Title（参考訳）: ワイルドファイアスプレッドのためのニューラルパラメータセルオートマタ
• Authors: Maksym Zhenirovskyy, Ion Matei, Rohit Vuppala, Takuya Kurihana, Hon Yung Wonga,
• Abstract要約: 本稿では、JAXで実装されたハイブリッドなディープラーニングパラメータ化確率セルラーオートマタフレームワークについて紹介する。 提案手法はマルチスケール畳み込みニューラルネットワークを用いて, 火災の確率, 風向, 斜面の影響を制御できる空間的変動パラメータを生成する。 このハイブリッド設計は、基礎となる3状態CAの物理的解釈可能性を維持しながら、複雑な非線形な環境相互作用を捉えている。
• 参考スコア（独自算出の注目度）: 1.1287316240400744
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional wildfire models rely on rigid, low-dimensional parameters and static fuel maps, frequently underpredicting fire spread. To address this weakness, we introduce a hybrid deep-learning parameterized Probabilistic Cellular Automata (CA) framework implemented in JAX. Our approach employs a Multi-Scale Convolutional Neural Network to dynamically generate spatially varying parameters that govern fire-spread probability, wind alignment, and slope influence. This hybrid design captures complex, nonlinear environmental interactions while preserving the physical interpretability of the underlying three-state CA. The JAX implementation enables hardware acceleration and gradient-based parameter calibration. Evaluated on six large-scale wildfires in the western United States, the model maintains IoU > 0.6 over 72-hour forecast horizons after a 10-day data assimilation window during which the model is fitted incrementally to observed perimeters; the resulting forecast is a conditional projection of fire growth under the suppression regime already ncoded in those observations.
• Abstract（参考訳）: 伝統的な山火事モデルは厳密で低次元のパラメータと静的な燃料マップに依存しており、しばしば火の拡散を予測できない。 この弱点に対処するために、JAXで実装されたハイブリッドなディープラーニングパラメータ化確率セルラーオートマタ(CA)フレームワークを導入する。 提案手法では,マルチスケール畳み込みニューラルネットワークを用いて,火災の発火確率,風のアライメント,斜面の影響を動的に制御するパラメータを動的に生成する。 このハイブリッド設計は、基礎となる3状態CAの物理的解釈可能性を維持しながら、複雑な非線形な環境相互作用を捉えている。 JAXの実装はハードウェアアクセラレーションと勾配に基づくパラメータキャリブレーションを可能にする。 米国西部の6つの大規模山火事で評価されたこのモデルは、10日間のデータ同化ウィンドウの後に72時間以上の予報地平線をIoU > 0.6 として維持し、その結果予測はこれらの観測で既に符号化されている抑制体制下での火災成長の条件予測である。

関連論文リスト

• FireSenseNet: A Dual-Branch CNN with Cross-Attentive Feature Interaction for Next-Day Wildfire Spread Prediction [1.1417805445492082]
  次回の山火事拡大の正確な予測は、災害対応と資源配分に不可欠である。 本稿では,新しい相互干渉モジュールを備えた二分岐畳み込みニューラルネットワークFireSenseNetを提案する。 我々は、FireSenseNetがF1の0.4176とAUC-PRの0.3435を達成し、すべての代替品を上回っていることを示した。
  論文  参考訳（メタデータ） (2026-04-09T00:39:03Z)
• Probabilistic Forecasting of Localized Wildfire Spread Based on Conditional Flow Matching [0.0]
  本研究では, 条件付き流れマッチングアルゴリズムに基づく局所的な山火事拡散の確率的サロゲートモデルを提案する。 この手法は、着火時刻の条件分布を学習することにより、火災進行をプロセスとしてモデル化する。 以上の結果から, 火災発生の多様性を把握し, 正確なアンサンブル予測を行うことができた。
  論文  参考訳（メタデータ） (2026-03-27T20:39:02Z)
• Target Concept Tuning Improves Extreme Weather Forecasting [51.43578341469291]
  気象予報のための深層学習モデルは、台風のような珍しいが高影響の出来事でしばしば失敗する。 既存の微調整手法は、これらの極端な出来事を見落とし、全体的なパフォーマンスを犠牲にしてそれらを過度に適合させるというトレードオフに直面します。 モデルの改良によって上記の問題を解決するための,解釈可能な概念付き微調整フレームワークであるTaCTを提案する。
  論文  参考訳（メタデータ） (2026-03-17T15:34:05Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Leveraging Cellular Automata for Real-Time Wildfire Spread Modeling in California [0.0]
  本研究では,重要な環境変数を組み込んだ細胞性オートマトン(CA)に基づく予測モデルを開発した。 2025年太平洋パラセード火災の火傷跡に対する混乱行列を用いたモデルの評価では, 0.860, 精度0.605, 総合F1スコア0.711を得た。
  論文  参考訳（メタデータ） (2025-10-10T02:31:57Z)
• FourCastNet 3: A geometric approach to probabilistic machine-learning weather forecasting at scale [91.84761739154366]
  FourCastNet 3は、確率的アンサンブル予測にスケーラブルで幾何学的な機械学習(ML)アプローチを実装することで、グローバルな気象モデリングを推進している。 FourCastNet 3は、従来のアンサンブルモデルを上回る予測精度を提供し、最良の拡散ベースのメソッドに匹敵する。 その計算効率、中距離確率的スキル、スペクトルの忠実度、およびサブシーズンタイムスケールでのロールアウト安定性は、大規模なアンサンブル予測を通じて気象予知と早期警報システムを改善するための強力な候補となる。
  論文  参考訳（メタデータ） (2025-07-16T11:22:18Z)
• Recurrent Diffusion for Large-Scale Parameter Generation [52.98888368644455]
  リカレント拡散(Recurrent Diffusion for Large Scale Generation)は、単一のGPU上で最大数億のニューラルネットワークパラメータを生成する新しいフレームワークである。 RPGはAI生成において重要な進歩であり、以前は不可能と考えられていたスケールでの効率的な重量生成を可能にする可能性がある。
  論文  参考訳（メタデータ） (2025-01-20T16:46:26Z)
• Adaptive Federated Pruning in Hierarchical Wireless Networks [69.6417645730093]
  Federated Learning(FL)は、サーバがプライベートデータセットにアクセスすることなく、複数のデバイスによって更新されたモデルを集約する、プライバシ保護の分散学習フレームワークである。 本稿では,無線ネットワークにおけるHFLのモデルプルーニングを導入し,ニューラルネットワークの規模を小さくする。 提案するHFLは,モデルプルーニングを伴わないHFLと比較して学習精度が良く,通信コストが約50%削減できることを示す。
  論文  参考訳（メタデータ） (2023-05-15T22:04:49Z)
• A Neural Emulator for Uncertainty Estimation of Fire Propagation [12.067753469557598]
  ワイルドファイアは、風速や方向といった環境条件の変化が観察された行動に大きな変化をもたらす、非常に高いプロセスである。 ファイアフロント進行における不確実性を定量化する伝統的なアプローチは、シミュレーションのアンサンブルを通して確率マップを生成することである。 本稿では,入力パラメータの不確実性を考慮した火災伝播確率を直接推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-10T13:42:52Z)
• Convolutional LSTM Neural Networks for Modeling Wildland Fire Dynamics [0.0]
  森林火災伝播のダイナミクスをモデル化するために,畳み込み長短期記憶リカレントニューラルネットワークの有効性を評価する。 その結果,convlstmsは局所的な火災伝達イベントを捕捉できるだけでなく,火の拡散率など全体の火災動態を把握できることがわかった。
  論文  参考訳（メタデータ） (2020-12-11T23:31:43Z)

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。