論文の概要: Feature-preserving Latent-EnKF for Data Assimilation of Flows with Shocks

• arxiv url: http://arxiv.org/abs/2606.12559v1
• Date: Wed, 10 Jun 2026 18:09:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.397114
• Title: Feature-preserving Latent-EnKF for Data Assimilation of Flows with Shocks
• Title（参考訳）: 衝撃を受ける流れのデータ同化のための特徴保存型潜伏型EnKF
• Authors: Hemanth Chandravamsi, Hangchuan Hu, Ponkrshnan Thiagarajan, Tamer A. Zaki,
• Abstract要約: アンサンブルカルマンフィルタ(EnKF)はシーケンシャルなデータ同化に広く採用されているが、不連続性のある解には失敗する。 学習した低次元ラテント空間でアンサンブル更新を行う機能保存型ラテントEnKFを提案する。 更新された潜伏状態は、すべてのアンサンブルメンバーのための共有デコーダを介して物理状態にマッピングされる。
• 参考スコア（独自算出の注目度）: 0.5219568203653523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ensemble Kalman filter (EnKF) is widely adopted for sequential data assimilation, but fails for solutions with discontinuities, such as shocks in compressible flows. Uncertainty in shock location induces multimodal ensemble statistics that violate the Gaussian assumptions underlying the EnKF, producing large-scale spurious oscillations in the analysis state. We introduce a feature-preserving latent-EnKF that performs the ensemble update in a learned low-dimensional latent space, where shock and flow features admit a smooth manifold representation, thereby preserving sharp features during EnKF analysis. The updated latent state is mapped back to physical state through a shared decoder for all ensemble members. The algorithm eliminates the member-specific ordered training and positivity flooring used in prior approaches. Numerical experiments on a Sod shock tube and Mach 2 shock interaction with a 2D cylinder, using sparse and noisy observations, show accurate feature recovery of shocks and contact discontinuities without spurious oscillations.
• Abstract（参考訳）: アンサンブルカルマンフィルタ(EnKF)は逐次データ同化に広く採用されているが、圧縮性流れの衝撃のような不連続性のある解には失敗する。 衝撃位置の不確かさは、EnKFの基盤となるガウスの仮定に反するマルチモーダルアンサンブル統計を誘導し、解析状態において大規模なスプリアス振動を発生させる。 学習した低次元ラテント空間でアンサンブル更新を行う機能保存型ラテントEnKFを導入し、そこではショックとフローの特徴が滑らかな多様体表現を許容し、EnKF解析中に鋭い特徴を保存する。 更新された潜伏状態は、すべてのアンサンブルメンバーのための共有デコーダを介して物理状態にマッピングされる。 このアルゴリズムは、事前のアプローチで使用されるメンバー固有の順序付きトレーニングと肯定的なフロアリングを除去する。 2次元シリンダーを用いたソッド衝撃管とマッハ2の衝撃相互作用に関する数値実験は、スパースとノイズの観測により、スプリアス振動を伴わない衝撃と接触不連続の正確な特徴回復を示す。

関連論文リスト

• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• On the Stability of Spherical Hellinger-Kantorovich Flows and Their Implications for Differential Privacy [3.251449696624754]
  我々は、SHK勾配流の摂動理論を開発し、時間とともに潜在的な不一致がどのように伝播するかを定量化する。 一様境界は、対数様比とレニイ発散の次元自由、点ワイズ制御をもたらす。 これらの結果を差分プライバシーの指数的メカニズムの近似サンプリングに適用する。
  論文  参考訳（メタデータ） (2026-05-22T17:38:20Z)
• The impact of observation density on Bayesian inversion of latent dynamics in shock-dominated flows [0.6008132390640294]
  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。
  論文  参考訳（メタデータ） (2026-05-18T20:05:52Z)
• Neural ensemble Kalman filter: Data assimilation for compressible flows with shocks [7.666411993703509]
  本稿では,ニューラル関数近似をアンサンブルDA内に埋め込んだ新しいニューラルEnKFを紹介する。 このようなスムーズなネットワークパラメータの変動は,物理インフォームド・トランスファー・ラーニングによって実現可能であることを示す。 このようにして、神経性 EnKF は標準 EnKF を悩ませる刺激的な振動や非物理的特徴を避ける。
  論文  参考訳（メタデータ） (2026-02-26T19:35:52Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Beyond Lipschitz Continuity and Monotonicity: Fractal and Chaotic Activation Functions in Echo State Networks [0.0]
  現代の貯水池計算は、スムーズでグローバルなリプシッツ連続活性化関数に大きく依存している。 エコー状態ネットワークにおけるカオス,フラクタル変種を含む非滑らかな活性化関数について検討する。 数個の非滑らか関数は収束速度やスペクトル半径耐性において従来の滑らかな活性化よりも優れている。
  論文  参考訳（メタデータ） (2025-12-16T18:41:01Z)
• Dissipative Kondo physics in the Anderson Impurity Model with two-body losses [0.0]
  我々は、相互作用する不純物がマルコフの散逸に露呈するアンダーソン不純物モデルの散逸版について研究する。 我々は,強いクーロン反発と相関散逸の相互作用が,近藤物理学の強固な署名をもたらすことを示した。
  論文  参考訳（メタデータ） (2025-06-27T15:13:44Z)
• Clarifying the Ti-V Phase Diagram Using First-Principles Calculations and Bayesian Learning [42.418429168532406]
  チタン-バナジウム(Ti-V)二元合金が体中心立方晶(BCC)の相違点を示すか、あるいは完全に可溶であるかについては、対立する実験は意見が一致しない。 先導的な仮説は、合金の調製時の酸素汚染の相違によるものである。 我々は、活発に訓練されたモーメント図と自由エネルギー表面の推測を結合するab initio + machine-learningワークフローを使用する。
  論文  参考訳（メタデータ） (2025-06-21T14:09:15Z)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)
• On the Practicality of Differential Privacy in Federated Learning by Tuning Iteration Times [51.61278695776151]
  フェデレートラーニング(FL)は、分散クライアント間で機械学習モデルを協調的にトレーニングする際のプライバシ保護でよく知られている。 最近の研究では、naive flは勾配リーク攻撃の影響を受けやすいことが指摘されている。 ディファレンシャルプライバシ(dp)は、勾配漏洩攻撃を防御するための有望な対策として現れる。
  論文  参考訳（メタデータ） (2021-01-11T19:43:12Z)

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。