論文の概要: An automatic-differentiation framework for time-lapse electrical resistivity tomography inversion of hydrologic dynamics

• arxiv url: http://arxiv.org/abs/2608.14661v1
• Date: Fri, 31 Jul 2026 23:41:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-23 14:54:39.949801
• Title: An automatic-differentiation framework for time-lapse electrical resistivity tomography inversion of hydrologic dynamics
• Title（参考訳）: 水理力学の時間ラプス電気比抵抗トモグラフィインバージョンのための自動微分フレームワーク
• Abstract要約: 本稿では,自動微分に基づくリアルタイムETRインバージョンのためのGPUアクセラレーションフレームワークであるAD-TLERTを提案する。 このフレームワークは、モデルパラメータ化、微分可能な石油物理変換、フォワードモデリング、データミスフィット、正規化、補助的制約を単一の計算チェーンに統合する。 テストされた構成では、AD-TLERTは約51倍のスピードアップを達成した。
• 参考スコア（独自算出の注目度）: 13.55457998316958
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time-lapse electrical resistivity tomography (TL-ERT) provides spatially distributed information on subsurface hydrologic changes. However, inversion of long monitoring sequences is computationally demanding. Modifying the data misfit, regularization, model parameterization, or petrophysical transformation may also require new gradient derivations and separate implementations. Here, we present AD-TLERT, a unified, GPU-accelerated framework for time-lapse ERT inversion based on automatic differentiation. The framework integrates model parameterization, differentiable petrophysical transformations, forward modeling, data misfit, regularization and auxiliary constraints into a single computational chain. Alternative inversion formulations can therefore reuse the same PDE derivative implementation without re-deriving the complete ERT sensitivity for each case. Comparisons with pyGIMLi showed close agreement in the forward responses, gradients, and recovered resistivity models. Under the tested configuration, AD-TLERT achieved an approximately 51-fold speedup. Synthetic experiments showed that inversion choices affect the amplitude, geometry, and temporal behavior of recovered anomalies. By propagating gradients through the embedded petrophysical relationship, AD-TLERT enabled direct water-content inversion and yielded more accurate estimates than post-inversion conversion for the tested model. A field application further demonstrated how ERT, temperature, and soil-moisture observations can be combined to image snowmelt-driven hillslope wetting. AD-TLERT provides an efficient and flexible framework for time-lapse ERT inversion and hydrologic interpretation.
• Abstract（参考訳）: 時間ラプス電気比抵抗トモグラフィー (TL-ERT) は地下の水理変化に関する空間分布情報を提供する。 しかし、長い監視シーケンスの反転は計算的に要求される。 データミスフィット、正規化、モデルパラメータ化、あるいは石油物理学変換を変更するには、新しい勾配導出と別の実装が必要になるかもしれない。 本稿では,自動微分に基づく時間ラプスETRインバージョンのためのGPUアクセラレーションフレームワークであるAD-TLERTを提案する。 このフレームワークは、モデルパラメータ化、微分可能な石油物理変換、フォワードモデリング、データミスフィット、正規化、補助的制約を単一の計算チェーンに統合する。 代替の反転式は、それぞれのケースに対して完全なETR感度を再導出することなく、同じPDE微分実装を再利用することができる。 pyGIMLiとの比較では, 前向き反応, 勾配, 回復比抵抗モデルによく一致していた。 テストされた構成では、AD-TLERTは約51倍のスピードアップを達成した。 合成実験により、逆選択は回復した異常の振幅、幾何学、時間的挙動に影響を及ぼすことが示された。 AD-TLERTは, 埋込み石油物理関係による勾配の伝播により直接水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水-水 ERT, 温度, 土壌水分の観測を併用して, 融雪による斜面湿潤を画像化した。 AD-TLERTは、タイムラプスETRインバージョンと水理解釈のための効率的で柔軟なフレームワークを提供する。

関連論文リスト

• TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs [83.78708832901194]
  大規模ビデオ言語モデル(LVLM)は、野生のマルチモーダル感情認識(ER)のようなマルチモーダルタスクにおいて顕著なパフォーマンスを示している。 しかし、現実のデプロイメントは依然として困難であり、テスト時にモダリティが欠落したりうる。 凍結した教師が自己蒸留により適応的な低学級の生徒を指導する手法を提案する。 MELD, DFEW, BAHを0%-50%のモダリティで実験した結果, この統一型適応復元設計はエントロピーベースの適応, RAG, およびパープレキシティベースの生成より一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-18T23:40:28Z)
• LC-GRPO: Bridging Train-Inference Gap for Flow-Based GRPO with Langevin Correction [59.32834240526981]
  フローベース生成モデルは典型的には、決定論的常微分方程式(ODE)を解くことによってサンプリングされる 既存の流れモデルのためのGRPO法は、訓練中にオイラー時間ODEを非等方微分方程式(SDE)に置き換える。 本稿では,フローベースGRPOフレームワークであるLC-GRPOを紹介する。
  論文  参考訳（メタデータ） (2026-08-06T04:47:57Z)
• ReFP-AD: Rectified Flow Preconditioning for Energy-Based Anomaly Detection [5.928947106987821]
  統一された異常検出には、異常なサンプルにアクセスすることなく、高度に異質な正規データをモデル化する必要がある。 本稿では,ReFP-AD(Rectified Flow Preconditioning for Anomaly Detection)を提案する。 厳格な統一プロトコルの下では、ReFP-ADはMVTec-AD上で98.6%/97.9%のImage/Pixel AUROC、VisAで97.3%/99.0%を獲得し、画像AUROCにおいて、以前の統一されたEBMベースラインを+10.8%上回っている。
  論文  参考訳（メタデータ） (2026-08-03T07:03:51Z)
• Adaptive Recurrent Message Passing for Test Time Computing on Graphs [80.56829418752513]
  繰り返しグラフモデルでは,グラフデータとアーキテクチャ設計の固有のミスマッチを克服できることを示す。 本稿では,アダプティブ・リカレントグラフモデルであるAdaRを提案する。
  論文  参考訳（メタデータ） (2026-06-21T12:14:11Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• AE-ViT: Stable Long-Horizon Parametric Partial Differential Equations Modeling [0.0]
  本稿では、畳み込みエンコーダと、潜在表現を操作するトランスフォーマーと、再構成のためのデコーダからなるジョイントモデルを提案する。 提案手法は,潜在進化の効率と全フィールドモデルの忠実さを組み合わせ,多フィールド予測におけるDL-ROM,潜伏変圧器,平VTの性能を向上する。
  論文  参考訳（メタデータ） (2026-04-07T21:19:45Z)
• Efficient Real-Time Adaptation of ROMs for Unsteady Flows Using Data Assimilation [7.958594167693376]
  パラメータ化還元次数モデル(ROM)の効率的な再学習戦略を提案する。 この戦略は計算時間の一部を必要としながら、完全再訓練に匹敵する精度を得る。 力学系を考えると、アウト・オブ・サンプル予測における誤差の主な原因は、潜在多様体の歪みに起因することが示される。
  論文  参考訳（メタデータ） (2026-02-26T16:43:28Z)
• Deep Delta Learning [91.75868893250662]
  本稿では,標準残差接続を一般化した新しいアーキテクチャであるDeep Delta Learning(DDL)を紹介する。 我々はこの演算子のスペクトル解析を行い、ゲート$(mathbfX)$がアイデンティティマッピング、投影、幾何反射のダイナミックな相互作用を可能にすることを示した。 この統合により、ネットワークは階層的な遷移作用素のスペクトルを明示的に制御することができ、複雑な非単調力学のモデリングを可能にする。
  論文  参考訳（メタデータ） (2026-01-01T18:11:38Z)
• EntroPE: Entropy-Guided Dynamic Patch Encoder for Time Series Forecasting [50.794700596484894]
  IntroPE(Entropy-Guided Dynamic Patch)は,条件付きエントロピーによる遷移点を動的に検出する新しい時間情報フレームワークである。 これは、パッチの計算上の利点を維持しながら、時間構造を保存する。 長期予測ベンチマークによる実験では、EntroPEは精度と効率の両方を改善している。
  論文  参考訳（メタデータ） (2025-09-30T12:09:56Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Real-time Inference and Extrapolation via a Diffusion-inspired Temporal Transformer Operator (DiTTO) [1.5728609542259502]
  本稿では,時間依存偏微分方程式(PDE)を時間的離散化を伴わずに時間外挿で連続的に解く演算子学習法を提案する。 Diffusion-inspired Temporal Transformer Operator (DiTTO) と呼ばれる提案手法は,遅延拡散モデルとその条件付け機構に着想を得たものである。 我々は,地球上の温度を数年間推定し,気候問題に対する外挿能力を示すとともに,二重円錐周りの超音速流れをモデル化する。
  論文  参考訳（メタデータ） (2023-07-18T08:45:54Z)

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。