論文の概要: Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations

• arxiv url: http://arxiv.org/abs/2606.17180v1
• Date: Mon, 15 Jun 2026 18:19:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.094073
• Title: Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations
• Title（参考訳）: 複雑な地質層におけるCO2マイグレーションのための高速GNNサロゲートを目指して
• Abstract要約: 本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
• 参考スコア（独自算出の注目度）: 58.079925240809644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This chapter discusses how a data-driven machine learning approach can reproduce key aspects of the physical behavior of multiphase flows in complex geological formations. We propose an end-to-end graph neural surrogate tailored to CO$_2$ plume migration forecasting in geological storage. The method is evaluated on the SPE11A benchmark, a well-known industry test case designed to assess CO$_2$ storage scenarios and characterized by sharp gas-water interfaces, strong advective transport, and rapid convective mixing with fingering development. The benchmark is reformulated as a graph in which nodes represent computational cells and edges encode transmissibility-based interactions enriched with geometric attributes. Directional transport arising from grid geometry, permeability contrasts, and geological heterogeneity is captured through an anisotropic message-passing mechanism, where interaction weights are computed via geometry-conditioned edge embeddings, biasing message aggregation toward physically relevant transport directions. Temporal evolution is modeled in latent space using an autoregressive residual formulation trained with multi-step supervision. The proposed model produces competitive forecasts of gas saturation and liquid-phase density, which are key indicators for CO$_2$ storage monitoring, with cumulative errors that remain moderate over extended forecasting horizons.
• Abstract（参考訳）: この章では、複雑な地質構造における多相流の物理的挙動を、データ駆動機械学習アプローチがいかにして再現できるかを論じる。 本研究では, 地質保存におけるCO$2$プルームマイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$2$の貯蔵シナリオを評価するために設計されたよく知られた業界試験ケースであるSPE11Aベンチマークで評価され、鋭いガス-水界面、強い対流輸送、フィンガーグ開発を伴う急速対流混合によって特徴付けられる。 このベンチマークは、ノードが計算セルを表現し、エッジが幾何学的属性に富んだ透過性に基づく相互作用を符号化するグラフとして再構成される。 グリッド幾何学、透過性コントラスト、および地質異質性から生じる方向輸送は異方性メッセージパッシング機構によって捉えられる。 時間的進化は、多段階の監督によって訓練された自己回帰残差の定式化を用いて、潜時空間でモデル化される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, CO$2$ストレージモニタリングの指標となる。

関連論文リスト

• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• A Unified Geometric Framework for Developmental Analysis of Spatial Transcriptomic Data [38.40052829128497]
  高分解能単一細胞および転写技術は、不均一な細胞状態のスナップショットを提供する。 時間的および空間的ダイナミクスは、独立にサンプリングされた無秩序な細胞集団から推測されなければならない。 本稿では,Gromov-Wasserstein(GW)空間への埋め込みによる遺伝子発現ネットワークの時間的進化を解析するための幾何学的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-08-15T16:19:58Z)
• Deep Gaussian Processes on Directed Acyclic Graphs [11.74273181198187]
  多くの実世界のプロセスは、有向非巡回グラフ(DAG)に沿った関数の合成として表現できる。 これらの機能はDAG全体で部分的に観察され、ノイズや不均一なサンプル測定が行われる。 理論的には, その事前崩壊挙動と, グラフトポロジと中間観測が情報保存に及ぼす影響について検討する。 グラフ依存を保ち、構成の不確実性を保ち、衝突者の説明的振る舞いを捉える構造的変動近似を提供する。
  論文  参考訳（メタデータ） (2026-07-10T17:41:11Z)
• Embedded Polygon Symbolic Transfer Entropy (EPSTE): A Geometric Token and Deep Learning Approach to Estimating Transfer Entropy in Neuroimaging Time Series [2.1575136240463597]
  この研究は、TE推定を学習可能な問題として再設計するフレームワークであるEmbeded Polygon Transfer Entropy (EPSTE)を導入している。 注意に基づくマルチインスタンス学習を備えたリカレントニューラルネットワークをトレーニングし、シンボル時間窓の袋から代理値のTE値を予測する。 その結果、局所的なウィンドウレベルの予測はノイズが多いが、試行錯誤とチャネルペア間のアグリゲーションにより、安定した指向性が得られることが示された。
  論文  参考訳（メタデータ） (2026-06-19T21:13:56Z)
• Physics-Guided Dual-Stream Heterogeneous Graph Neural Network for Predicting Full-Field Structural Response of Stiffened Panels [0.0]
  大規模で複雑な構造の反復的な設計と最適化には、応力、変位、その他の分野の高速かつ正確な予測が必要である。 既存のニューラルネットワークは、様々なトポロジや複雑な境界条件に悩まされることが多い。 本研究では,薄肉構造物のフルフィールド応力と変位予測のための新しいDualStream Heterogeneous Graph Neural Network (DS-HGNN)を提案する。
  論文  参考訳（メタデータ） (2026-06-18T20:12:18Z)
• Topological Flow Matching [56.16372813551555]
  フローマッチングは強力な生成モデリングフレームワークであり、そのシンプルさと強力な経験的パフォーマンスに価値がある。 トポロジカルフローマッチング(トポロジカルフローマッチング)は,トポロジカルフローマッチングの一般化である。 脳のfMRI、海流、地震イベント、交通流など、さまざまな構造化されたデータセットに対して、その効果を実証する。
  論文  参考訳（メタデータ） (2026-06-14T16:29:33Z)
• Crash Assessment via Mesh-Based Graph Neural Networks and Physics-Aware Attention [0.0]
  ニューラルサロゲートが、十分な精度、空間的規則性、および工学的解釈のための構造的妥当性で、フルフィールド・クラッシュ・キネマティクスを再現できるかどうかを評価する。 提案アーキテクチャは, 局所メッシュメッセージパッシング, ジオメトリ対応のグローバルアテンション, 自動回帰クラッシュロールアウトのための疎接触対応補正を組み合わせたものである。
  論文  参考訳（メタデータ） (2026-05-12T08:50:49Z)
• Beyond Distance: Quantifying Point Cloud Dynamics with Persistent Homology and Dynamic Optimal Transport [29.979662030541146]
  本稿では,最近提案されたトポロジカル・オプティカル・トランスポート(TpOT)距離を拡張して,時間進化点雲のトポロジカル・ティッピングを解析するためのフレームワークを提案する。 この制限を克服するために、新しいトポロジとハイパーグラフ再構成戦略によって駆動される階層的動的評価フレームワークを提案する。 この測地線とともに、グローバルシフトを捉えるためのマクロメトリクス(トポロジカル歪みとパーシスタンスエントロピー)と、高感度で非同期な局所的な変更を検出するための新しいメソスコピック双対パースペクティブハイパーグラフエントロピーを導入する。
  論文  参考訳（メタデータ） (2026-03-15T07:56:56Z)
• GeodesicNVS: Probability Density Geodesic Flow Matching for Novel View Synthesis [54.39598154430305]
  本稿では,ペアビュー間の決定論的変換を直接学習するデータ間フローマッチングフレームワークを提案する。 PDG-FMは、事前訓練された拡散モデルの確率密度測定値から導かれる測地的補間剤を用いて流れの軌跡を制約する。 これらの結果は、一貫した新しいビュー生成のための決定論的フローマッチングにデータ依存の幾何正規化を組み込むことの利点を強調している。
  論文  参考訳（メタデータ） (2026-03-01T09:30:11Z)
• GeoGNN: Quantifying and Mitigating Semantic Drift in Text-Attributed Graphs [59.61242815508687]
  テキスト分散グラフ(TAG)上のグラフニューラルネットワーク(GNN)は、事前訓練された言語モデル(PLM)を使用してノードテキストを符号化し、これらの埋め込みを線形近傍アグリゲーションを通じて伝播する。 本研究は,意味的ドリフトの度合いを計測する局所PCAベースの計量を導入し,異なる凝集機構が多様体構造にどのように影響するかを解析するための最初の定量的枠組みを提供する。
  論文  参考訳（メタデータ） (2025-11-12T06:48:43Z)
• EHGCN: Hierarchical Euclidean-Hyperbolic Fusion via Motion-Aware GCN for Hybrid Event Stream Perception [57.54227977352417]
  イベントカメラは、知覚タスクのための高速なイベントストリームを出力する。 ユークリッド空間と双曲空間の両方においてイベントストリームを知覚するためのEHGCNという新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-23T11:01:03Z)
• Diffusion-based subsurface CO$_2$ multiphysics monitoring and forecasting [4.2193475197905705]
  本稿では,ビデオ拡散モデルを用いた新しい地下マルチ物理モニタリングおよび予測フレームワークを提案する。 このアプローチは、CO$2$進化の高品質な表現と、それに伴う地下弾性特性の変化を生成することができる。 コンパスモデルに基づく実験では,CO$モニタリングに関連する本質的に複雑な物理現象を,提案手法がうまく捉えることができた。
  論文  参考訳（メタデータ） (2024-07-25T23:04:37Z)
• Physical-Virtual Collaboration Modeling for Intra-and Inter-Station Metro Ridership Prediction [116.66657468425645]
  本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。 特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。 類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
  論文  参考訳（メタデータ） (2020-01-14T16:47:54Z)

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。