論文の概要: A Shortcut to Statistically Steady-State Turbulence with Flow Matching
- arxiv url: http://arxiv.org/abs/2607.13022v1
- Date: Tue, 14 Jul 2026 17:58:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.245572
- Title: A Shortcut to Statistically Steady-State Turbulence with Flow Matching
- Title（参考訳）: 流れマッチングによる統計的定常乱流のショートカット
- Abstract要約: 本稿では,5次元位相空間におけるジャイロ運動乱流の定常統計を直接推定する潜在生成モデルであるGyroFlowを紹介する。
生成品質を評価するために,事前学習されたジャイロキネティックモデルの潜在空間で計算された分布計量FGyDを提案する。
- 参考スコア（独自算出の注目度）: 18.320829792574738
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many nonlinear physical systems exhibit an initial transient phase in which perturbations grow before nonlinear interactions lead to a statistically steady state. While this saturated regime is of primary interest, direct numerical simulations must resolve the full transient dynamics before reaching it, incurring significant computational cost. In Computational Fluid Dynamics, reduced-order approaches such as Large Eddy Simulation mitigate computational cost by modeling small-scale dynamics, enabling tractable approximations of turbulent flows. In contrast, for systems such as gyrokinetics, comparably effective closures for the full dynamics are not generally available, and high-fidelity simulations remain necessary. Existing surrogate modeling approaches for these systems are autoregressive, hence they suffer from accumulating error. We instead propose to bypass explicit time evolution by directly modeling the distribution of saturated states under an ergodicity assumption, stating that ensemble averages over samples are equivalent to time averages of a single long simulation. We introduce GyroFlow, a latent generative model that directly estimates steady-state statistics of gyrokinetic turbulence in 5D phase space, without resolving the transient phase. GyroFlow generates saturated snapshots from noise, conditioned on dimensionless operating parameters and outperforms autoregressive, reduced-order, and other generative approaches, while providing substantial speedup. To evaluate generation quality we propose FGyD, a distributional metric computed in the latent space of a pretrained gyrokinetic model, and show that it correlates with downstream flux accuracy and solver convergence. Finally, GyroFlow can be used to warm-start the numerical code used to produce the data.
- Abstract（参考訳）: 多くの非線形物理系は、非線形相互作用が統計的に安定な状態に導く前に摂動が成長する初期過渡相を示す。
この飽和状態は主要な関心事であるが、直接数値シミュレーションはそれに到達する前に完全な過渡的ダイナミクスを解決し、計算コストを大幅に上回らなければならない。
計算流体力学では、大渦シミュレーションのような低次法により、小規模の力学をモデル化することで計算コストを軽減し、乱流のトラクタブルな近似を可能にする。
対照的に、ジャイロキネティクスのようなシステムでは、フルダイナミックスに対する比較可能な効果的なクロージャは一般には利用できず、高忠実度シミュレーションは依然として必要である。
これらのシステムに対する既存の代理モデルアプローチは自己回帰的であるため、エラーの蓄積に悩まされる。
その代わりに、エルゴード性仮定の下で飽和状態の分布を直接モデル化することにより、明示的な時間進化を回避し、サンプルに対するアンサンブル平均は、単一の長期シミュレーションの時間平均と等価であることを示す。
本稿では,5次元位相空間におけるジャイロ運動乱流の定常統計を直接推定する潜在生成モデルであるGyroFlowを紹介する。
GyroFlowは、ノイズから飽和スナップショットを生成し、次元のない操作パラメータに条件付けされ、自動回帰、縮小順序、その他の生成的アプローチよりも優れ、大幅なスピードアップを提供する。
生成品質を評価するために,事前学習されたジャイロキネティックモデルの潜時空間で計算された分布距離であるFGyDを提案する。
最後に、GyroFlowを使用して、データの生成に使用される数値コードをウォームスタートすることができる。
関連論文リスト
- Improving Reduced-Order Rotating Detonation Engine Models with Data Assimilation and Machine Learning [2.225353152447347]
1次元コッホ・クッツモデルのような低次モデルでは波動の動きを捉えるが、高周波コンテンツに対する表現性が欠如している。
連続データ同化(ニュジング)を用いて,Koch-Kutzソルバと処理された高忠実度温度データとを同期させる。
強度が増大するにつれて、縮小されたモデルが高忠実度軌道に徐々に描画される。
論文 参考訳（メタデータ） (2026-09-14T19:05:23Z) - Adaptive Diffusion Posterior Sampling for Data and Model Fusion of Complex Nonlinear Dynamical Systems [1.9800280967139285]
カオス・高次元非線形力学系の高忠実度数値シミュレーションは計算コストが高い。
このような系のほとんどの代理モデルは決定論的であり、例えば、ニューラル作用素が関与する場合である。
この研究は、生成機械学習を利用した代理モデリングの定式化を提案する。
論文 参考訳（メタデータ） (2026-03-13T04:11:37Z) - Is Flow Matching Just Trajectory Replay for Sequential Data? [46.770624059457724]
時系列生成には、フローマッチング(FM)がますます使われている。
一般的な力学構造を学ぶのか、それとも単に効果的な「軌道再生」を行うのかはよく分かっていない。
インプリッドサンプリングは、非パラメトリックなメモリ拡張型連続時間力学系を構成するODEであることを示す。
論文 参考訳（メタデータ） (2026-02-09T06:48:45Z) - Generative emulation of chaotic dynamics with coherent prior [0.129182926254119]
拡散モデルを用いて乱流の原理を統一した動的エミュレーションのための効率的な生成フレームワークを提案する。
具体的には,デノナイジング過程の指導として,基礎となる力学の大規模コヒーレント構造を推定する。
結合性に優れた長距離予測技術は、部分的に観察されたガイダンスが存在する場合でも、物理的に一貫性のあるシミュレーションを効率的に生成することができる。
論文 参考訳（メタデータ） (2025-04-19T11:14:40Z) - Learning Effective Dynamics across Spatio-Temporal Scales of Complex Flows [4.798951413107239]
本稿では,グラフニューラルネットワーク(GNN)とアテンションに基づく自己回帰モデルを活用したグラフベース効果的ダイナミクス学習(Graph-LED)を提案する。
本研究では,シリンダーを過ぎる流れや,レイノルズ数の範囲の後方方向のステップを流れる流れなど,流体力学の一連の問題に対する提案手法を評価する。
論文 参考訳（メタデータ） (2025-02-11T22:14:30Z) - Trajectory Flow Matching with Applications to Clinical Time Series Modeling [77.58277281319253]
Trajectory Flow Matching (TFM) は、シミュレーションのない方法でニューラルSDEを訓練し、ダイナミックスを通してバックプロパゲーションをバイパスする。
絶対的性能と不確実性予測の観点から,3つの臨床時系列データセットの性能向上を実証した。
論文 参考訳（メタデータ） (2024-10-28T15:54:50Z) - Fourier neural operators for spatiotemporal dynamics in two-dimensional turbulence [3.0954913678141627]
フーリエ・ニューラル演算子(FNO)に基づくモデルと偏微分方程式(PDE)を組み合わせれば,流体力学シミュレーションを高速化できる。
また、乱流の長期シミュレーションのために、機械学習モデルによって回避される必要のある純粋にデータ駆動アプローチの落とし穴についても論じる。
論文 参考訳（メタデータ） (2024-09-23T02:02:02Z) - Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳（メタデータ） (2024-07-18T15:44:23Z) - Unfolding Time: Generative Modeling for Turbulent Flows in 4D [49.843505326598596]
本研究では,4次元生成拡散モデルと物理インフォームドガイダンスを導入し,現実的な流れ状態列の生成を可能にする。
提案手法は, 乱流多様体からのサブシーケンス全体のサンプリングに有効であることが示唆された。
この進展は、乱流の時間的進化を分析するために生成モデリングを適用するための扉を開く。
論文 参考訳（メタデータ） (2024-06-17T10:21:01Z) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳（メタデータ） (2023-10-11T18:38:28Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳（メタデータ） (2022-06-29T22:19:03Z)
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。