論文の概要: From Rubble Simulation to Active Magnetic Mapping: Quantum Sensing for Disaster Response
- arxiv url: http://arxiv.org/abs/2606.25957v1
- Date: Wed, 24 Jun 2026 15:29:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.384591
- Title: From Rubble Simulation to Active Magnetic Mapping: Quantum Sensing for Disaster Response
- Title(参考訳): バブルシミュレーションからアクティブ磁気マッピングへ:災害対応のための量子センシング
- Abstract要約: 既存のセンシングモダリティは、瓦の下の構造に関する部分的な情報のみを提供する。
本稿では,ドローンによる量子磁気計測を相補的モダリティとして提案する。
- 参考スコア(独自算出の注目度): 0.764671395172401
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Locating survivors of building collapses within the first 72 hours is a critical challenge in disaster response, and existing sensing modalities provide only partial information about the structure beneath the rubble. This paper proposes drone-based quantum magnetometry as a complementary modality and develops a simulation pipeline spanning rubble physics, sensor-array deployment, and active spatial reconstruction. We use Unreal Engine to generate a steel-reinforced concrete parking-garage collapse and compute the induced magnetic field via a per-triangle dipole approximation, establishing that meaningful magnetic structure is recoverable in the sub-pT to sub-nT range from roughly 1 m above the roofline. Then, we feed sparse multi-sensor samples into a Gaussian Process Regression back-end driven by Bayesian active sampling and validate the pipeline across multiple independent collapse realizations; a three-sensor array optimizes the trade-off between gradient resolution and UAV payload constraints, and active sampling reaches peak structural correlation in roughly $100$ samples. Together, these results indicate that quantum-grade sensing could become a useful tool for drone-based structural analysis and potentially void detection in collapsed buildings.
- Abstract(参考訳): 最初の72時間以内に建物崩壊の生存者を配置することは、災害対応にとって重要な課題であり、既存のセンシングモードは、瓦の下にある構造物に関する部分的な情報のみを提供する。
本稿では, ドローンによる量子磁気計測を相補性として提案し, ブロード物理, センサアレイ展開, アクティブ空間再構成を対象とするシミュレーションパイプラインを開発した。
我々はUnreal Engineを用いて鋼鉄強化コンクリート駐車場崩壊を発生させ,その誘導磁場を三角形当たりの双極子近似を用いて計算し,屋根線より約1m上のpTからサブnTの範囲で有意な磁気構造が回復可能であることを確認した。
次に,ベイジアン・アクティブ・サンプリングによって駆動されるガウス・プロセス・レグレッション・バックエンドにスパース・マルチセンサ・サンプルを供給し,複数の独立崩壊実現におけるパイプラインの検証を行う。3センサ・アレイは勾配分解能とUAVペイロードのトレードオフを最適化し,アクティブ・サンプリングは100ドル程度のサンプルでピーク構造相関に達する。
これらの結果は、崩壊した建物において、量子グレードのセンシングがドローンによる構造解析や空洞検出に有用なツールになりうることを示唆している。
関連論文リスト
- Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。
相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。
まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
論文 参考訳(メタデータ) (2026-07-13T14:03:26Z) - Accelerating Bayesian inverse design in computational fluid dynamics using neural operators [0.24554686192257422]
後部構造を保ちながらMCMC推論ループに直接神経オペレーターを埋め込むことができることを示す。
完全に観察された間、代理ベースの推論はCFD参照の後方幾何学と不確実性傾向を再現する。
論文 参考訳(メタデータ) (2026-05-25T17:18:18Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳(メタデータ) (2026-05-23T06:17:23Z) - Sequential Spatiotemporal Magnetic-Field Reconstruction via Quantum Hamiltonian Learning with NV-Center Spin-1 Hamiltonians [0.0]
動的2次元磁場マップのための量子ハミルトニアン学習に基づく逐次再構成フレームワークを提案する。
局所的な測定は、局所磁場値と共有双極子結合パラメータによって支配される窒素空隙スピンダイナミクスによって生成される。
その結果、試験対象のフィールドクラスの実現可能性を示し、結合推定を主な識別可能性ボトルネックとして同定した。
論文 参考訳(メタデータ) (2026-05-22T10:13:04Z) - Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
MRI再建は本質的に不完全な逆問題である。
この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。
提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
論文 参考訳(メタデータ) (2026-05-19T04:40:50Z) - Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。
タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。
DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
論文 参考訳(メタデータ) (2026-05-12T06:57:41Z) - A saturation-absorption rubidium magnetometer with multilevel optical Bloch-equation modeling for intermediate-to-high fields [0.054175212412726444]
精密磁場計測のための原子センサSASHMAGについて述べる。
センサーは超微細なパスチェン-バック系で動作し、超微細な相互作用とゼーマン相互作用は分離される。
この強磁場依存状態におけるスペクトルの解釈のために,我々は包括的多レベル光ブロッホ方程式モデルを開発した。
論文 参考訳(メタデータ) (2026-01-14T03:29:40Z) - Reconstructing Multi-Scale Physical Fields from Extremely Sparse Measurements with an Autoencoder-Diffusion Cascade [38.28865883904372]
Cascaded Sensing (Cas-Sensing)は、自動エンコーダ拡散カスケードを統合する階層的な再構築フレームワークである。
マスクカスケード戦略で訓練された条件拡散モデルにより,大規模構造物に条件付された微細な詳細情報を生成する。
シミュレーションと実世界のデータセットの両方の実験により、Cas-Sensingは様々なセンサー構成と幾何学的境界をまたいでうまく一般化することを示した。
論文 参考訳(メタデータ) (2025-12-01T11:46:14Z) - Continuous subsurface property retrieval from sparse radar observations using physics informed neural networks [0.3580891736370874]
本研究では, 地下誘電率を, 深さの完全なニューラルかつ連続的な関数として再構成する機械学習フレームワークを提案する。
このアプローチは境界駆動から連続特性推定への地下反転を再構成し、滑らかな誘電率変動の正確なキャラクタリゼーションを可能にする。
論文 参考訳(メタデータ) (2025-10-29T16:09:24Z) - Taming Anomalies with Down-Up Sampling Networks: Group Center Preserving Reconstruction for 3D Anomaly Detection [59.822737536103155]
グループ中心幾何構造を保存して3次元異常検出のための高精度点雲を再構成するために,ダウンアップサンプリングネットワーク(DUS-Net)を提案する。
提案手法は、オブジェクトレベルのAUROCの79.9%と79.5%、Real3D-ADおよびAnomaly-ShapeNetデータセットの71.2%と84.7%のポイントレベルのAUROCを用いて、最先端(SOTA)性能を実現する。
論文 参考訳(メタデータ) (2025-07-05T05:05:36Z) - Neurons for Neutrons: A Transformer Model for Computation Load Estimation on Domain-Decomposed Neutron Transport Problems [48.35237609036802]
本稿では, 独自の3次元入力埋め込みを持つトランスフォーマーモデルと, 領域分解中性子輸送問題のための入力表現を提案する。
本研究では,ドメイン分割型小型モジュールリアクタ(SMR)シミュレーションでトレーニングしたモデルが98.2%の精度を実現し,小型シミュレーションのステップを完全にスキップできることを実証する。
論文 参考訳(メタデータ) (2024-11-05T18:17:51Z) - Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。
このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。
nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-06-30T01:44:30Z)
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。