論文の概要: Introducing SINFONIA: Symplectic, slimplectic and Magnusian (Neural) Flows for Orbital Numerical Integration and Acceleration
- arxiv url: http://arxiv.org/abs/2609.03329v1
- Date: Thu, 03 Sep 2026 03:31:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.903024
- Title: Introducing SINFONIA: Symplectic, slimplectic and Magnusian (Neural) Flows for Orbital Numerical Integration and Acceleration
- Title（参考訳）: シンプレクティック,スリムプレクティック,マグヌシアン(ニューラル)フローによる軌道数値積分と加速
- Abstract要約: 長周期重力波モデリングは、遅い散逸進化とともに高速な軌道運動を解決しなければならない。
ここでは、有限時間進化写像自体が明示的で微分可能な構造保存対象として学べるかどうかを問う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-duration gravitational-wave modelling must resolve fast orbital motion together with slow dissipative evolution while preventing small numerical errors from accumulating into secular phase drift. Here we ask whether the finite-time evolution map itself can be learned as an explicit, differentiable, structure-preserving object and then repeatedly composed through a complete inspiral. We construct three neural-flow architectures: a symplectic and slimplectic flow on Galley's doubled phase space, [SINFONIA-J0]; a Taylor-anchored flow, [SINFONIA-J1]; and a Magnusian flow that learns the finite-time dissipative correction in the interaction picture, [SINFONIA-J2]. Applied to a 2.5PN neutron-star inspiral, all three expose the same controlling mechanism: long-time accuracy is governed not by pointwise map error alone, but by its signed projection onto a single secular channel fixed by energy--angular-momentum balance. Encoding this structure allows the learned maps to remain accurate through $10^{2}$--$10^{5}$ window compositions to coalescence at timesteps of a full orbital period and beyond, reaching chained phase errors orders of magnitude below a benchmark slimplectic integrator at lower cost. The same secular structure can also be exploited for physics inference: when the channel is left unconstrained, the accumulated phase retains enough information to recover an un-modelled dynamical-friction-like force, both parametrically and as a learned function of separation. Network-off controls isolate the contribution of learning from the analytic structure already built into each map. These results establish a proof of concept for structure-preserving learned evolution maps as tools for fast long-duration integration and physics inference in gravitational-wave source modelling.
- Abstract（参考訳）: 長周期重力波モデリングは、緩やかな散逸進化とともに高速な軌道運動を解決し、小さな数値誤差が世俗的な位相ドリフトに蓄積することを防ぐ必要がある。
ここでは、有限時間進化写像自体が明示的で微分可能な構造保存対象として学べるかどうかを問う。
本稿では,Galleyの二重位相空間上のシンプレクティックおよびスリムプレクティックフロー,[SINFONIA-J0],Taylor-anchoredフロー,[SINFONIA-J1],相互作用図における有限時間散逸補正を学習するMagnusianフロー,[SINFONIA-J2]の3つのニューラルフローアーキテクチャを構築した。
2.5PN中性子星の吸光体に適用すると、これら3つが同じ制御機構を露呈する: 長時間の精度はポイントワイドマップの誤差だけで制御されるのではなく、エネルギー-角-運動量バランスによって固定された単一の世俗チャネルにサインされたプロジェクションによって制御される。
この構造を符号化することで、学習された地図は10^{2}$-$10^{5}$ウィンドウ合成によって全軌道周期のタイムステップで合体し、より低コストでベンチマークスリムプレクティック積分器の次数に連鎖した位相誤差のオーダーに達することができる。
同じ世俗構造を物理推論にも利用することができる:チャネルが無拘束のまま残されているとき、蓄積された位相は、パラメトリックおよび分離の学習関数として、非モデル化された動的フリクションのような力を取り戻すのに十分な情報を保持する。
ネットワークオフ制御は、各マップにすでに構築されている分析構造から学習の貢献を分離する。
これらの結果は、重力波源モデリングにおける高速な長期積分と物理推論のためのツールとして、学習された進化マップの構造保存の概念の証明を確立した。
関連論文リスト
- Learning the Kohn-Sham map with neural operators for quasi-linear scaling density functional theory [57.90994363143731]
コーン-シャム密度汎関数理論(DFT)は電子構造シミュレーションの基盤となる。
繰り返しの軌道対角化は立方体スケーリングをもたらし、量子計算を控えめなスケールに制限する。
我々は、コーン・シャムポテンシャルを対応する密度と非相互作用運動エネルギーに直接マッピングする軌道自由DFTの学習目標を開発する。
論文 参考訳（メタデータ） (2026-08-24T23:05:42Z) - Physics-Constrained Neural Flow Maps for Long-Horizon Prediction of Spin Dynamics [0.42481744176244507]
本研究では,有限時間力学を単位球上で直接学習する物理拘束型ニューラルフローマップを提案する。
モデルは、現在の磁化、スピントルク強度、要求された時間帯を1回の前方通過で将来の状態にマッピングする。
論文 参考訳（メタデータ） (2026-08-22T15:20:38Z) - Mesh Based Simulations with Spatial and Temporal awareness [2.867517731896504]
本稿では,幾何学的深層学習と厳密な数値解析のギャップを埋める統一的な枠組みを提案する。
1) ノードの全局所トポロジのフィールド値を予測するステンシルレベルの目的であるマルチノード予測,(2) 時間的微分整合性,(3) 時間的交叉による不安定な定性的スキームを予測器・コレクタに置き換える時間的補正,(3) 幾何学的インダクティブ・ビアース,3) 3次元回転位置埋め込み(RoPE)を利用して非構造メッシュの回転対称性を頑健に捉える。
論文 参考訳（メタデータ） (2026-05-02T17:09:31Z) - On the Mechanism and Dynamics of Modular Addition: Fourier Features, Lottery Ticket, and Grokking [49.1352577985191]
本稿では,2層ニューラルネットワークがモジュール追加タスクを解くために,機能をどのように学習するかを包括的に分析する。
我々の研究は、学習したモデルの完全な機械論的解釈と、その訓練力学の理論的説明を提供する。
論文 参考訳（メタデータ） (2026-02-18T20:25:13Z) - High-Fidelity Modeling of Stochastic Chemical Dynamics on Complex Manifolds: A Multi-Scale SIREN-PINN Framework for the Curvature-Perturbed Ginzburg-Landau Equation [0.0]
この研究は、表面の不均一性と乱流化学反応器の工学的受動的制御戦略を識別するためのメッシュフリーでデータ駆動のツールを提供する、幾何学触媒設計の新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2026-01-13T00:52:23Z) - From Black Hole to Galaxy: Neural Operator: Framework for Accretion and Feedback Dynamics [70.27068115318681]
ニューラルベースの「サブグリッドブラックホール」を導入し、小さな局所力学を学習し、直接シミュレーションに組み込む。
微細な進化の大きなスピードアップにより、我々は、降着駆動のフィードバックで固有の変動を捉え、中心ブラックホールと銀河スケールのガスの動的結合を可能にした。
論文 参考訳（メタデータ） (2025-12-01T11:47:49Z) - SEGNO: Generalizing Equivariant Graph Neural Networks with Physical
Inductive Biases [66.61789780666727]
等変性を維持しながら, 2階連続性をGNNに組み込む方法を示す。
また、SEGNOに関する理論的知見も提供し、隣接する状態間の一意の軌跡を学習できることを強調している。
我々のモデルは最先端のベースラインよりも大幅に改善されている。
論文 参考訳（メタデータ） (2023-08-25T07:15:58Z) - Neural Astrophysical Wind Models [0.0]
本研究は, 直交常微分方程式 (ODE) に個々の項として埋め込まれたディープニューラルネットワークが, これらの物理の双方をしっかりと発見できることを示す。
我々は、3つの保存変数を明示的に解決するのではなく、マッハ数に基づく損失関数を最適化し、近分散解に対してペナルティ項を適用する。
この研究は、非線形逆問題に対する機械論的解釈性を備えた有望な発見ツールとしてのニューラルODEの実現性をさらに強調する。
論文 参考訳（メタデータ） (2023-06-20T16:37:57Z) - Intensity Profile Projection: A Framework for Continuous-Time
Representation Learning for Dynamic Networks [50.2033914945157]
本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。
このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。
さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
論文 参考訳（メタデータ） (2023-06-09T15:38:25Z) - Simulating 2+1D Lattice Quantum Electrodynamics at Finite Density with
Neural Flow Wavefunctions [5.049046327655608]
有限密度の動的フェルミオンを持つ2+1D格子型コンパクト量子電磁力学をシミュレートするニューラルフロー波動関数Gauge-Fermion FlowNetを提案する。
異なるフェルミオン密度およびホッピング状態における閉じ込め現象と弦破断現象について検討した。
論文 参考訳（メタデータ） (2022-12-14T18:59:07Z) - Entanglement and correlations in fast collective neutrino flavor
oscillations [68.8204255655161]
集合ニュートリノ振動は、天体物理学的な設定においてレプトンのフレーバーを輸送する上で重要な役割を担っている。
高速振動を呈する単純多角ジオメトリーにおける平衡外フレーバーのフルダイナミクスについて検討した。
我々はこれらの高速集団モードが同じ動的相転移によって生成されることを示す。
論文 参考訳（メタデータ） (2022-03-05T17:00:06Z) - Quantum anomalous Hall phase in synthetic bilayers via twistless
twistronics [58.720142291102135]
我々は超低温原子と合成次元に基づく「ツイストロン様」物理学の量子シミュレータを提案する。
本研究では,適切な条件下でのトポロジカルバンド構造を示す。
論文 参考訳（メタデータ） (2020-08-06T19:58:05Z)
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。