論文の概要: Real-Time Monitoring of MHD Liquid Metal Flows with Shallow Recurrent Decoders

• arxiv url: http://arxiv.org/abs/2608.28366v1
• Date: Fri, 28 Aug 2026 14:17:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.350145
• Title: Real-Time Monitoring of MHD Liquid Metal Flows with Shallow Recurrent Decoders
• Title（参考訳）: 浅繰り返しデコーダを用いたMHD液体金属流れのリアルタイムモニタリング
• Authors: Claudio Scardino, Stefano Riva, Carolina Introini, Matteo Lo Verso, Eric Cervi, Antonio Cammi, Laura Savoldi,
• Abstract要約: トカマク核融合炉における液体金属毛布のリアルタイムモニタリングには, 磁気流体流の状態推定が重要である。 本研究では, スパース温度測定を全熱水和系の状態にマッピングするデータ駆動型還元秩序モデルフレームワークについて検討する。
• 参考スコア（独自算出の注目度）: 0.21108097398435333
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: State estimation in magnetohydrodynamic flows is critical for real-time monitoring of liquid metal blankets in tokamak fusion reactors. Due to the multiphysics nature of these phenomena, high-fidelity simulations are computationally prohibitive for real-time applications. This work investigates a data- driven Reduced Order Model framework: the Shallow Recurrent Decoder (SHRED) coupled with Principal Component Analysis, to map sparse temperature measurements to the full thermo-hydraulic system's state. The major contribution of this work lies in the two-parameter analysis of a fully three-dimensional domain representative of the DEMO breeding blanket configuration. Here, the flow is subjected to an external magnetic field varying in direction and intensity and is hindered by two cylinders acting as a water-cooling system, which impose a temperature boundary condition on their surfaces. This double-parametric magnetic variation induces nonlinear transitions in the flow dynamics, ranging from chaotic behavior at low magnetic field intensities to laminarized regimes at high intensities, characterized by the formation of asymmetric side layers at an inclination angle of 30 degrees. SHRED reconstruction maintains a mean relative error of approximately 5% for the temperature, pressure, and velocity fields. This accuracy is maintained across both weak and strong magnetic fields, ranging from 0.075 T to 0.300 T, and for inclination angles from 5 to 30 degrees, reflecting its dominant toroidal component. These errors are only slightly larger than the lower error bound dictated by low-rank truncation. The results establish SHRED as a reliable state estimator for complex and realistic engineering applications involving completely unseen parametric scenarios and validate it as an accurate real-time state estimation technique suitable for online monitoring and control of real facilities.
• Abstract（参考訳）: トカマク核融合炉における液体金属毛布のリアルタイムモニタリングには, 磁気流体流の状態推定が重要である。 これらの現象の多物理性質のため、高忠実度シミュレーションはリアルタイムアプリケーションでは計算が禁じられている。 本研究は、主成分分析と結合したShallow Recurrent Decoder (SHRED) という、データ駆動のReduceed Order Modelフレームワークを調査し、スパース温度測定を全熱水和系の状態にマッピングする。 この研究の主な貢献は、DEMO繁殖毛布構成の完全な3次元領域の2パラメータ解析である。 ここでは、流路は方向や強度の異なる外部磁場を受けており、水冷システムとして機能する2つのシリンダーによって妨げられ、その表面に温度境界条件が課される。 この二重パラメトリック磁気変化は、低磁場強度のカオス的挙動から高強度のラミナライズされた状態まで、30度傾斜角における非対称側層の形成を特徴とする流れ力学の非線形遷移を誘導する。 SHRED再構成は、温度、圧力、速度場の平均相対誤差を約5%維持する。 この精度は、0.075 T から 0.300 T までの弱い磁場と強い磁場の両方で維持され、傾斜角は 5 から 30 度であり、支配的なトロイダル成分を反映している。 これらのエラーは、低ランクのトランケーションによって予測される低いエラー境界よりもわずかに大きい。 その結果、SHREDは、完全に見えないパラメトリックシナリオを含む複雑で現実的な工学的応用のための信頼性の高い状態推定装置として確立し、実際の施設のオンライン監視と制御に適した正確なリアルタイム状態推定手法として検証した。

関連論文リスト

• Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields [43.43572961146893]
  画像の変位や既知の3D点から直接プラットフォームの動きを推定する制御適応微分フレームワークを開発した。 我々は、回転可観測条件、非モデル翻訳および非剛点運動のためのリークバウンド、および単一点軸偏差法を導出する。
  論文  参考訳（メタデータ） (2026-08-14T03:41:30Z)
• Faster Thermal Profiling of a Lunar Rover with Machine Learning Adapted Finite Difference Model [3.3836709236378746]
  本稿では,内部熱源を有する簡易月面ローバーの熱解析のためのPIMLフレームワークを提案する。 微分可能な有限差分熱シミュレータをフレームワーク内に組み込んで物理的一貫性を強制する。 その結果,PIMLフレームワークは粗いメッシュ物理モデルと比較して予測精度を50%, 39%向上させることがわかった。
  論文  参考訳（メタデータ） (2026-05-26T20:11:06Z)
• Equivariant Filter for Radar-Inertial Odometry [45.85581416235741]
  拡張カルマンフィルタ(EKF)に基づくレーダ慣性オドメトリー(RIO)は、レーダと慣性測定ユニット(IMU)の間の正確な外在的キャリブレーションに依存している。 このレターは、ナビゲーション状態とIMUバイアスを幾何学的に結合するリー群対称性に基づいて、RIOの同変フィルタ(EqF)を提案する。
  論文  参考訳（メタデータ） (2026-04-24T21:47:06Z)
• Graph Neural ODE Digital Twins for Control-Oriented Reactor Thermal-Hydraulic Forecasting Under Partial Observability [6.370970195988317]
  高度原子炉のリアルタイム監視制御には、プラント全体の熱水和状態の正確な予測が必要である。 物理インフォームドメッセージパス型微分ニューラルネットワークとニューラル正規方程式(GNN-ODE)を提案する。 GNN-ODEサロゲートはシステムダイナミクス予測に満足な結果が得られる。
  論文  参考訳（メタデータ） (2026-04-08T16:58:14Z)
• Application of parametric Shallow Recurrent Decoder Network to magnetohydrodynamic flows in liquid metal blankets of fusion reactors [0.0]
  本研究では,MHD状態再構成のための完全データ駆動型フレームワークについて検討する。 SHRED(SHallow Recurrent Decoder)は、フルタイム状態の再構築を目的としたニューラルネットワークアーキテクチャである。 SHREDは、トレーニング中に見られない高い再構成精度、一般化、磁場強度、配向、時間的進化を実現する。
  論文  参考訳（メタデータ） (2026-04-02T15:12:24Z)
• Surrogate models for nuclear fusion with parametric Shallow Recurrent Decoder Networks: applications to magnetohydrodynamics [0.0]
  本研究では,MHD状態再構成のためのデータ駆動型フレームワークについて検討する。 SHREDは、スパース時系列測定からフルタイム状態を回復するために設計されたニューラルネットワークアーキテクチャである。 その結果, SHREDはトレーニングセットに含まれない磁場強度に対しても, 完全MHD状態を正確に再構成することがわかった。
  論文  参考訳（メタデータ） (2026-03-11T11:43:39Z)
• Real-time distortion prediction in metallic additive manufacturing via a physics-informed neural operator approach [3.607834195988809]
  本稿では,将来の15秒間におけるzおよびy方向予測のための物理インフォームド・スマートニューラルホライゾン演算子(PINO)を提案する。 PINOモデルの性能は、欠陥の制御におけるリアルタイムの時間歪み場予測の可能性を強調している。
  論文  参考訳（メタデータ） (2025-11-17T09:37:04Z)
• Nowcast3D: Reliable precipitation nowcasting via gray-box learning [43.74533335638689]
  極端降水は高次元の忠実度とリードタイムを要求されるが、既存のアプローチは限られている。 我々は、レーダの動きと、データ駆動学習を伴う物理的に制約されたニューラル演算子を直接処理する、グレーボックスで完全な3時間放送フレームワークを導入する。 このフレームワークは、160人の気象学者によるブラインド評価において、より正確な3時間のリードタイムを達成する。
  論文  参考訳（メタデータ） (2025-11-06T18:44:35Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
  固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。 本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。 我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
  論文  参考訳（メタデータ） (2020-03-31T16:39:25Z)

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。