Fugu-MT 論文翻訳(概要): Physics-constrained neural networks for surrogate modeling of lossless periodic structures

論文の概要: Physics-constrained neural networks for surrogate modeling of lossless periodic structures

arxiv url: http://arxiv.org/abs/2606.28119v1
Date: Fri, 26 Jun 2026 14:19:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-29 18:24:25.5106
Title: Physics-constrained neural networks for surrogate modeling of lossless periodic structures
Title（参考訳）: 損失のない周期構造の代理モデリングのための物理拘束型ニューラルネットワーク
Abstract要約: 本研究では,厳密な結合波解析(RCWA)の出力をジョーンズ行列で高速に予測する物理拘束型ニューラルネットワーク(PCNN)を提案する。拡張現実メガネ用導波路コンバータの逆設計により,提案手法の性能と汎用性を実証した。
参考スコア（独自算出の注目度）: 3.662830964926654
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a physics-constrained neural network (PCNN) for the rapid prediction of rigorous coupled-wave analysis (RCWA) outputs in the form of Jones matrices. Starting from energy conservation in lossless layered periodic structures, we use the fact that RCWA outputs lie on a Stiefel manifold. This energy constraint is enforced as a hard condition by projecting onto the manifold using differentiable symmetric orthogonalization. The resulting surrogate enforces energy conservation by construction while preserving differentiability for gradient-based inverse design. The performance and generality of the proposed approach are demonstrated through the inverse design of a diffractive waveguide combiner for augmented reality glasses.
Abstract（参考訳）: 本研究では,厳密な結合波解析(RCWA)の出力をジョーンズ行列で高速に予測する物理拘束型ニューラルネットワーク(PCNN)を提案する。損失のない層状周期構造におけるエネルギー保存から始めると、RCWAの出力がスティーフェル多様体上にあるという事実を用いる。このエネルギー制約は、微分可能対称直交化を用いて多様体に射影することで硬い条件として強制される。結果として生じるサロゲートは、勾配に基づく逆設計の微分性を保ちながら、建設によるエネルギー保存を強制する。拡張現実メガネ用導波路コンバータの逆設計により,提案手法の性能と汎用性を実証した。

関連論文リスト

Controlled Dynamics Attractor Transformer [58.15454173718687]
トランスフォーマーアーキテクチャは自己認識機構を通じて深層モデルにおける高度な表現学習と推論を行う。並行して、連想記憶(AM)フレームワークはエネルギーランドスケープに表現をマッピングし、解釈可能な検索メカニズムを提供する。我々は,ミセス・フィッシャー (Mo-vMF) の注意エネルギーとホップフィールド精製エネルギーを混合した制御型ダイナミクス・アトラクタ変換器 (CCAT) を提案する。 CCATは、グラフ異常検出とグラフ分類において、複数のベンチマークで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-06-13T09:04:22Z)
Energy-Structured Low-Rank Adaptation for Continual Learning [78.5390284258307]
textbfEnergy-Concentrated and textbfEnergy-Ordered textbfLow-textbfRank textbfAdaptation (E$2$-LoRA)を提案する。 E$2$-LoRAは、知識を明示的に順序付けして上位のランクに集約することにより、その後のタスクの容量を解放する。
論文参考訳（メタデータ） (2026-05-26T12:55:02Z)
Multi-Headed Transformer Architectures as Time-dependent Wasserstein Gradient Flows [16.7218879608165]
マルチヘッドトランスアーキテクチャにおけるデータフローを時間依存勾配流として検討し、適切な相互作用エネルギーを求める。摂動相互作用エネルギーと摂動相互作用エネルギーとの$$-convergenceを証明し、対応する勾配流の収束をもたらす。これらの理論結果は、予測されたエネルギー散逸の同一性を確認し、自律的(オルンシュタイン-ウレンベック)と真に非自律的(振動重み)の双方における力学の挙動を明らかにする数値実験で補完する。
論文参考訳（メタデータ） (2026-05-15T15:32:18Z)
Classical counterparts of shortcuts to adiabaticity in nonlinear dissipative Lagrangian systems [3.479150231916641]
古典的非線形散逸的ラグランジアン系において、同じ考えがどのように実装できるかを示す。結合された$r$-$$マニピュレータを図形モデルとして、レイリー散逸を伴うオイラー・ラグランジュ方程式上で逆エンジニアリングを行う。また、スムーズなSTAプロトコルをアクチュエータ境界時間最適解と比例積分微分追跡と比較する。
論文参考訳（メタデータ） (2026-04-20T15:56:51Z)
Manifold-Orthogonal Dual-spectrum Extrapolation for Parameterized Physics-Informed Neural Networks [5.601252185916962]
物理インフォームドニューラルネットワーク(PINN)は、偏微分方程式(PDE)によって支配される力学系のモデリングにおいて顕著な成功を収めた。物理演算子適応のための軽量マイクロアーキテクチャであるManifold-Orthogonal Dual-spectrum Extrapolation (MODE)を提案する。
論文参考訳（メタデータ） (2026-03-14T04:52:50Z)
Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks [52.153950303594684]
交互勾配流(Alternating Gradient Flow, AGF)に着想を得た非結合型運動パラダイムを提案する。 AGFはネットワークの構造的「運動ユーティリティ」を正確にキャプチャする我々は、AGFに誘導されるオフライン構造探索を、ゼロコストの物理プリミティブを介してオンライン実行から切り離すハイブリッドルーティングフレームワークを設計する。
論文参考訳（メタデータ） (2026-03-12T18:19:21Z)
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)
Structure-Preserving Physics-Informed Neural Network for the Korteweg--de Vries (KdV) Equation [0.0]
本稿では,非線形カルテヴェーグ・ド・ヴリー(KdV)方程式に対するエンファン構造保存型PINNフレームワークを提案する。提案手法は、質量とハミルトンエネルギーの保存を直接損失関数に埋め込む。我々は保存不変量を維持しながらKdVダイナミクスの目印挙動をうまく再現する。
論文参考訳（メタデータ） (2025-11-01T06:07:24Z)
Rotating Majorana Zero Modes in a disk geometry [75.34254292381189]
マイクロ波超伝導体を用いて作製した薄板ディスクにおけるマヨラナゼロモードの操作について検討した。平面内磁場印加時に発生する2階位相角モードを解析する。零モードと励起状態の周波数独立結合により, 断熱相においても振動が持続することを示す。
論文参考訳（メタデータ） (2021-09-08T11:18:50Z)
The Limiting Dynamics of SGD: Modified Loss, Phase Space Oscillations, and Anomalous Diffusion [29.489737359897312]
勾配降下法(SGD)を訓練した深部ニューラルネットワークの限界ダイナミクスについて検討する。これらのダイナミクスを駆動する重要な要素は、本来のトレーニング損失ではなく、位相空間の振動を引き起こす速度と確率電流を暗黙的に規則化する修正損失の組み合わせであることを示す。
論文参考訳（メタデータ） (2021-07-19T20:18:57Z)
Probing eigenstate thermalization in quantum simulators via fluctuation-dissipation relations [77.34726150561087]
固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
論文参考訳（メタデータ） (2020-07-20T18:00:02Z)
Lorentz Group Equivariant Neural Network for Particle Physics [58.56031187968692]
ローレンツ群の下での変換に関して完全に同値なニューラルネットワークアーキテクチャを提案する。素粒子物理学における分類問題に対して、そのような同変構造は、比較的学習可能なパラメータの少ない非常に単純なモデルをもたらすことを実証する。
論文参考訳（メタデータ） (2020-06-08T17:54:43Z)

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。