論文の概要: Multiscale Hypersonic Boundary Layer Reconstruction via Spectral Binning and Subdomain-wise Conditional Diffusion

• arxiv url: http://arxiv.org/abs/2606.15023v1
• Date: Fri, 12 Jun 2026 23:40:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.652923
• Title: Multiscale Hypersonic Boundary Layer Reconstruction via Spectral Binning and Subdomain-wise Conditional Diffusion
• Title（参考訳）: スペクトル結合とサブドメイン単位条件拡散による超音速境界層再構成
• Authors: Hojin Kim, Dibyajyoti Chakraborty, Takahiko Toki, Carlo Scalo, Romit Maulik,
• Abstract要約: 本稿では,超音速クーエット流に対するマルチスケール確率的再構成フレームワークを提案する。 近壁状態は条件拡散モデルを用いた限られた上壁観測から推定される。 ソフトオーバーラップ塗装戦略は、サブドメイン予測をフルボリュームの再構成に組み立てる。
• 参考スコア（独自算出の注目度）: 1.689433487573205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a multiscale probabilistic reconstruction framework for hypersonic Couette flow, where near-wall states are inferred from limited top-wall observations using conditional diffusion model. The boundary layer is divided into overlapping wall-normal subdomains, and a single height- and Mach-conditioned Elucidating Diffusion Model (EDM) is trained jointly for M=6,7,8 to sample velocity, density, pressure, and temperature fields conditioned on a top-wall boundary slice. A soft overlap inpainting strategy assembles subdomain predictions into full-volume reconstructions while maintaining inter-subdomain continuity and small-scale variability. To improve the spectral fidelity of the generated fields, we introduce a novel bounded binned spectral power (BSP) loss that preserves high-wavenumber content while remaining numerically stable across the diffusion noise schedule. Validation against direct numerical simulation data shows that the model recovers instantaneous structures, spectra, statistical profiles, correlations, and wall quantities across all training Mach numbers, while providing spatially structured uncertainty estimates. The reconstructed Mach-conditioned profiles also collapse under the Trettel-Larsson transformation, indicating consistency with compressibility scaling. These results establish the domain decomposed conditional diffusion model with a bounded binned spectral loss as an effective probabilistic surrogate for near-wall reconstruction in hypersonic wall-bounded turbulence.
• Abstract（参考訳）: 本研究では,超音速クーエット流に対するマルチスケール確率的再構成手法を提案する。 境界層を重なり合う壁正規サブドメインに分割し,M=6,7,8のサンプル速度,密度,圧力,温度場を最上壁境界スライス上に条件付した1つの高さおよびマッハ条件の楕円拡散モデル(EDM)を共同で訓練する。 ソフトオーバーラップ塗装戦略は、サブドメイン間の連続性と小さな変動性を維持しつつ、サブドメイン予測をフルボリュームの再構成に組み立てる。 生成したフィールドのスペクトル忠実度を改善するために,拡散雑音のスケジュールを通して数値的に安定しながら,高波長コンテンツを保存できる新しい有界結合型スペクトルパワー(BSP)損失を導入する。 直接数値シミュレーションデータに対する検証は、このモデルが空間的に構造化された不確実性推定を提供しながら、すべての訓練されたマッハ数にわたって、瞬時構造、スペクトル、統計プロファイル、相関、壁量を取り戻すことを示している。 再構成されたマッハ条件プロファイルもトレッテル・ラーソン変換の下で崩壊し、圧縮性スケーリングとの整合性を示した。 これらの結果は,超音速壁境界乱流における近接壁再構成に有効な確率的サロゲートとして,有界スペクトル損失を持つ領域分解拡散モデルを確立した。

関連論文リスト

• GLIDE: Graph-guided Leap Inference for Diffusion Estimation of Spatio-Temporal Point Processes [19.756452407351986]
  時空間点過程(STPP)のための条件拡散フレームワークを提案する。 GLIDEは、歴史的イベントをマルチスケールの履歴グラフに整理し、二重ストリームアーキテクチャを通して空間トポロジを符号化する。 複数の実世界のデータセットでの実験では、GLIDEは分布の適合性と次点の予測の両方を改善し、空間側で最大のゲインが現れる。
  論文  参考訳（メタデータ） (2026-05-31T14:56:24Z)
• McLachlan-projected reduced dynamics for ill-posed Schrödingerized backward diffusion [0.0]
  シュルディンガー化は半離散生成器を拡張空間上のエルミート力学に埋め込む。 固定された低次元フレームへのマクラクラン射影が構造正規化器を提供するかどうかを問う。 我々は, 流れの減少, グラムノルム保存, 揚力-還元ギャップの特異性を, その欠陥の観点から証明した。
  論文  参考訳（メタデータ） (2026-05-18T07:51:15Z)
• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• Parallel Complex Diffusion for Scalable Time Series Generation [50.01609741902786]
  PaCoDiは周波数領域における生成モデリングを分離するスペクトルネイティブアーキテクチャである。 本研究では,PaCoDiが生成品質と推論速度の両方において,既存のベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-10T14:31:53Z)
• WADEPre: A Wavelet-based Decomposition Model for Extreme Precipitation Nowcasting with Multi-Scale Learning [10.39382090254482]
  WADEPre はウェーブレットに基づく極度の降水に対する分解モデルであり、モデリングをウェーブレット領域に遷移させる。 SEVIRとShanghai Radarデータセットの実験は、WADEPreが最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-02-02T13:40:57Z)
• Cross-Domain Transfer with Self-Supervised Spectral-Spatial Modeling for Hyperspectral Image Classification [5.784164305429653]
  本稿では,自己管理型クロスドメイン転送フレームワークを提案する。 ソースラベルなしで伝送可能なスペクトル-空間結合表現を学習する。 実験結果は、安定した分類性能と強いクロスドメイン適応性を示す。
  論文  参考訳（メタデータ） (2026-01-26T02:52:35Z)
• Improving Vector-Quantized Image Modeling with Latent Consistency-Matching Diffusion [55.185588994883226]
  VQ-LCMDは、学習を安定させる埋め込み空間内の連続空間潜在拡散フレームワークである。 VQ-LCMDは、関節埋め込み拡散変動下界と整合整合性(CM)損失を組み合わせた新しいトレーニング目標を使用する。 実験により,提案したVQ-LCMDは離散状態潜伏拡散モデルと比較して,FFHQ,LSUN教会,LSUNベッドルームにおいて優れた結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-10-18T09:12:33Z)
• Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
  連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。 本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。 我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
  論文  参考訳（メタデータ） (2024-10-03T09:07:13Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)

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。