Fugu-MT 論文翻訳(概要): Fourier Neural Operators for Rayleigh-Bénard Convection

論文の概要: Fourier Neural Operators for Rayleigh-Bénard Convection

arxiv url: http://arxiv.org/abs/2607.02088v1
Date: Thu, 02 Jul 2026 12:28:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-03 19:45:08.824842
Title: Fourier Neural Operators for Rayleigh-Bénard Convection
Title（参考訳）: Rayleigh-Bénard対流に対するフーリエニューラル演算子
Abstract要約: 2次元レイリー・ベナード対流をモデル化するための改良されたフーリエニューラル演算子(FNO)を提案する。 FNOはより微細なメッシュに一般化するが、トレーニングデータの解像度によって精度が制限されることが示されている。
参考スコア（独自算出の注目度）: 0.4352150129970979
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We propose an improved Fourier Neural Operator (FNO) for modeling two-dimensional Rayleigh-Bénard convection by predicting time increments instead of full solutions, achieving higher accuracy than a standard FNO baseline. The resulting model is compact (314k parameters, 1.26 MB) and fast (7 ms inference), while maintaining similar accuracy as demonstrated in previous benchmarks. We show that although FNOs generalize to finer meshes, accuracy remains limited by the resolution of the training data.
Abstract（参考訳）: 本研究では, 2次元レイリー・ベナード対流をモデル化するための改良されたフーリエニューラル演算子 (FNO) を提案する。得られたモデルはコンパクト(314kパラメータ、1.26MB)で高速(7ms推論)で、以前のベンチマークと同様の精度を維持している。 FNOはより微細なメッシュに一般化するが、トレーニングデータの解像度によって精度が制限されることが示されている。

関連論文リスト

A Defense of the Quadratic Model [71.57026347416729]
最も単純な最適化モデル -- 二次モデル -- をテストする。 1億5000万のパラメータと3Bのトレーニングトークンを持つLLM設定で驚くほど予測可能であることを示す。
論文参考訳（メタデータ） (2026-07-23T18:02:03Z)
TMPDiff: Temporal Mixed-Precision for Diffusion Models [10.106598516648418]
TMPDiffは拡散モデルのための時間混合精度フレームワークである。異なる数値の精度を異なる識別タイムステップに割り当てる。一致したスピードアップで一様精度のベースラインを一貫して上回る。
論文参考訳（メタデータ） (2026-03-14T18:06:46Z)
Beyond the Ideal: Analyzing the Inexact Muon Update [54.70108543057578]
本報告では,Muonコアにおける不正確な更新の初回解析について述べる。この不正確さと最適なステップサイズと運動量との基本的な結合を明らかにする。
論文参考訳（メタデータ） (2025-10-22T18:01:07Z)
Physics-informed waveform inversion using pretrained wavefield neural operators [9.048550821334116]
フルウェーブフォームインバージョン(FWI)は高分解能地下モデルの再構築に不可欠である。学習波動場ニューラル演算子を用いてFWIを加速する最近の試みは、効率と微分可能性の有望性を示している。ニューラル演算子に基づくFWIの効率を維持しつつ、精度の反転を高める新しい物理インフォームドFWIフレームワークを提案する。
論文参考訳（メタデータ） (2025-09-10T19:57:18Z)
Full waveform inversion with CNN-based velocity representation extension [4.255346660147713]
フルウェーブフォームインバージョン(FWI)は、観測データとシミュレーションデータとの差を最小限にして速度モデルを更新する。数値モデリングおよび不完全地震データ取得における離散化誤差は、隣接演算子を介して伝搬するノイズを導入することができる。我々は、前方シミュレーションを実行する前に速度モデルを洗練するために畳み込みニューラルネットワーク(CNN)を用いる。速度とネットワークパラメータの両方を更新するために、同じデータ不適合損失を使用して、自己教師付き学習手順を作成します。
論文参考訳（メタデータ） (2025-04-22T12:14:38Z)
Solving Turbulent Rayleigh-Bénard Convection using Fourier Neural Operators [4.248022697109535]
我々は自然と産業で発生する対流過程のモデルを訓練する。流体力学におけるFNO置換体の予測精度とモデル特性を比較した。 FNOモデルは、RBCのフロー制御のような下流タスクで使用される可能性が高い。
論文参考訳（メタデータ） (2025-01-27T17:01:27Z)
Generalizing Deep Surrogate Solvers for Broadband Electromagnetic Field Prediction at Unseen Wavelengths [0.0]
我々は新しいタイプの電磁代用ソルバを提案する。特定のシミュレーション条件下でマクスウェル方程式の解を訓練する。従来の数値シミュレーションと比較して42倍以上の高速化を実現している。
論文参考訳（メタデータ） (2024-08-06T06:00:17Z)
Guaranteed Approximation Bounds for Mixed-Precision Neural Operators [83.64404557466528]
我々は、ニューラル演算子学習が本質的に近似誤差を誘導する直感の上に構築する。提案手法では,GPUメモリ使用量を最大50%削減し,スループットを58%向上する。
論文参考訳（メタデータ） (2023-07-27T17:42:06Z)
Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
論文参考訳（メタデータ） (2023-07-25T14:09:53Z)
Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
論文参考訳（メタデータ） (2023-01-19T20:04:36Z)
Factorized Fourier Neural Operators [77.47313102926017]
Factorized Fourier Neural Operator (F-FNO) は偏微分方程式をシミュレートする学習法である。我々は,数値解法よりも桁違いに高速に動作しながら,誤差率2%を維持していることを示す。
論文参考訳（メタデータ） (2021-11-27T03:34:13Z)
Physics-aware deep neural networks for surrogate modeling of turbulent natural convection [0.0]
Rayleigh-B'enard乱流流に対するPINNのサーロゲートモデルの使用を検討する。標準ピンの精度が低いゾーンであるトレーニング境界に近い正規化として、どのように機能するかを示す。 50億のDNS座標全体のサロゲートの予測精度は、相対的なL2ノルムで[0.3% -- 4%]の範囲のすべてのフロー変数のエラーをもたらします。
論文参考訳（メタデータ） (2021-03-05T09:48:57Z)

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。