論文の概要: Physics Attention Transformer Surrogate for Rapid Vertical Instability Growth Rate Prediction: Alcator C-Mod to SPARC
- arxiv url: http://arxiv.org/abs/2608.24785v1
- Date: Tue, 25 Aug 2026 16:30:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:35.104844
- Title: Physics Attention Transformer Surrogate for Rapid Vertical Instability Growth Rate Prediction: Alcator C-Mod to SPARC
- Title（参考訳）: 高速垂直不安定成長予測のための物理注意変換器サロゲート:アルケータC-Mod to SPARC
- Abstract要約: 我々は,MEQ-FGE-Lラベルをトレーニングした物理注意変換器を用いて,C-Modおよび平衡におけるn=0$の鉛直成長速度を予測した。
平均絶対誤差はC-Mod平衡の場合5.4s$-1$、合成の場合12.7s$-1$であり、空間固有関数誤差は5%近くである。
- 参考スコア（独自算出の注目度）: 0.2555114504478013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we investigate rapid prediction of the dominant $n{=}0$ vertical instability growth rate in C-Mod and SPARC equilibria, where nonrigid free boundary response models are too slow for control cycle use. Using a Physics Attention Transformer trained on MEQ-FGE-L labels, we predict both the scalar growth rate and the associated two dimensional perturbed toroidal current density. We find mean absolute errors of 5.4~s$^{-1}$ on held out C-Mod equilibria and 12.7~s$^{-1}$ on synthetic SPARC cases, with spatial eigenfunction errors near 5\%. We also compared PAT with operator based ML models : FNO2D and DeepONet, where we found PAT predicts a much lower normalised growth rate error and improved spatial reconstruction. These results indicate that PAT can reproduce MEQ-FGE-L outputs at control relevant latency and could support future studies of growth rate headroom monitoring and proximity aware shape control.
- Abstract（参考訳）: 本研究では,C-Mod と SPARC 平衡における非厳密な自由境界応答モデルでは制御サイクルの使用には遅すぎる,支配的な$n{=}0$の垂直不安定成長速度の急速な予測について検討する。
MEQ-FGE-Lラベルをトレーニングした物理注意変換器を用いて,スカラー成長速度とそれに伴う2次元摂動トロイダル電流密度を予測した。
合成SPARCの場合、C-Mod平衡が5.4~s$^{-1}$、合成SPARCが12.7~s$^{-1}$の平均絶対誤差が5\%付近である。
また、PATを演算子ベースのMLモデルと比較した。FNO2DとDeepONetでは、PATが正規化速度誤差をはるかに低く予測し、空間再構成を改善した。
これらの結果から,PATはMEQ-FGE-L出力を制御遅延で再現し,成長速度モニタリングと近接認識形状制御の今後の研究を支援する可能性が示唆された。
関連論文リスト
- Decomposition-Guided Diffusion Language Models for Inertial Confinement Fusion Prediction [20.091343436161385]
ナショナル・イグニション・ファシリティ(National Ignition Facility)では、それぞれ100万ドル(約1億円)の費用がかかる。
我々は、最初のLMベースのICF予測器であるICF-DLMを提案する。
ICFBench(50Kシミュレーション+232実験ショット)では、ICF-DLMは一致した自己回帰式LLaMA-3-8B上でピークタイミング誤差を11.6から9.2ステップに削減する。
論文 参考訳（メタデータ） (2026-09-07T17:00:02Z) - A Constitutive Markov Physics-Informed Neural Operator (MPNO) for Autoregressive Stability in Transient Dynamics [14.04953000698584]
本稿では,一段階進化を伝搬演算子としてモデル化したマルコフ物理インフォームドニューラル演算子(MPNO)を提案する。
MPNOは100/135/165 m/sで全ての試験種子の有界誤差で安定にロールアウトし、単一ステップの相対的なL2誤差は0.7304 +/- 0.0008であり、FNOのパラメータの約4分の1でFNOに匹敵する。
約20Kパラメータで、MPNOはLS-DYNA上で約105倍の推論速度を提供する。
論文 参考訳（メタデータ） (2026-08-26T12:54:37Z) - WRAP: Wasserstein-Robust Adaptive Plug-in for Robot Localization [19.472531924890088]
WRAPは,非線形拡張カルマンフィルタ(EKF)とエラー状態カルマンフィルタ(E)スタックのためのアダプタ非依存なワッサースタイン・ロバストプラグインである。
因果モジュールは、時間変化の有効なプロセスと測定統計を提供する。
頑健な解法はUWBが0.05ms、Jetson Orin Nanoが2.92msである。
論文 参考訳（メタデータ） (2026-08-10T16:29:30Z) - Cycle-Consistent and Uncertainty-Aware Neural Surrogates for Tokamak Edge Plasmas [0.040071856451118486]
境界プラズマと変圧器プラズマはトカマクが動力と粒子を排出する方法を支配している。
機械学習のサロゲートは高速な代替手段を提供するが、多くは前方のみである。
本稿では,エッジプラズマに対するサイクル一貫性ニューラルサロゲートを提案する。
論文 参考訳（メタデータ） (2026-07-23T15:06:57Z) - Autoregressive Boltzmann Generators [81.5061620844556]
熱力学平衡における分子系の効率的なサンプリングは、統計物理学において顕著な課題である。
現代のボルツマン発生器は主に正規化フローに依存している。
本稿では,フローベースBGパラダイムから離れる自動回帰ボルツマン発生器(ArBG)を提案する。
論文 参考訳（メタデータ） (2026-06-25T17:58:21Z) - Weibull Weight-Scale Parameter Evolution under AdamW Training Dynamics [0.0]
我々は、Weibullの重み付けパラメータ $(t)$ が成長し、オーバーシュートし、AdamWトレーニング中にリラックスする理由を研究する。
飽和に近い、アライメントと崩壊のアプローチバランスは、重量スケールの成長から緩和への移行を説明する。
論文 参考訳（メタデータ） (2026-06-11T03:50:14Z) - Normalized Architectures are Natively 4-Bit [49.13186675123547]
重みと隠れ表現を単位超球面に制限するアーキテクチャであるnGPTは、本質的に低精度算術よりも堅牢である。
本手法は,最大3B/30Bパラメータの1.2B密度モデルとハイブリッド(Mamba-Transformer)MoEモデルの両方で検証する。
論文 参考訳（メタデータ） (2026-05-07T11:54:07Z) - K-GMRF: Kinetic Gauss-Markov Random Field for First-Principles Covariance Tracking on Lie Groups [8.489406212619164]
共分散追跡のためのオンライン学習自由フレームワークK-GMRFを提案する。
本手法は, 構造保存型シンプレクティックインテグレータにより伝搬される潜在角速度を駆動するトルクとして観測を解釈する。
理論的には、この2階の力学が一定回転下でゼロ定常誤差を達成することを証明している。
論文 参考訳（メタデータ） (2026-03-20T03:16:36Z) - MSign: An Optimizer Preventing Training Instability in Large Language Models via Stable Rank Restoration [48.446476072756276]
トレーニング不安定性は、大規模言語モデルの事前トレーニングにおいて依然として重要な課題である。
我々は,5MナノGPTモデルにおけるトレーニング失敗をP$で評価した。
安定なランクを回復するために行列手演算を周期的に適用する新しいノルムであるMSignを提案する。
論文 参考訳（メタデータ） (2026-02-02T07:18:45Z) - LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。
本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。
本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T12:08:38Z) - Analytical blueprint for 99.999% fidelity X-gates on present superconducting hardware under strong driving [4.406638884109584]
既存のデコヒーレンスレートを組み込んだ場合, 7ns$-rotationに対して, 10～5$以下のゲート不忠実度を数値的に示す。
また、DRAGプリファクタの最適値に関する長年の質問にも答えるとともに、常にデチューンする。
論文 参考訳（メタデータ） (2025-12-22T22:47:43Z) - Gated Attention for Large Language Models: Non-linearity, Sparsity, and Attention-Sink-Free [81.65559031466452]
我々は、ゲーティング強化ソフトマックスアテンションの変種を調べる実験を行った。
SDPA(Scaled Dot-Product Attention)後の頭部特異的シグモイドゲートを簡易に修正することで,性能が向上することがわかった。
論文 参考訳（メタデータ） (2025-05-10T17:15:49Z) - Winner-Take-All Column Row Sampling for Memory Efficient Adaptation of Language Model [89.8764435351222]
分散を低減した行列生成のために, WTA-CRS と呼ばれる新しい非バイアス推定系を提案する。
我々の研究は、チューニング変換器の文脈において、提案した推定器が既存のものよりも低い分散を示すという理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-05-24T15:52:08Z)
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。