論文の概要: Field-level prediction of mid-plane stress tensor fields in concrete target penetration: a cross-velocity graph neural operator surrogate
- arxiv url: http://arxiv.org/abs/2609.10032v1
- Date: Wed, 09 Sep 2026 11:04:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.999028
- Title: Field-level prediction of mid-plane stress tensor fields in concrete target penetration: a cross-velocity graph neural operator surrogate
- Title（参考訳）: コンクリートターゲット貫入における中面応力テンソル場の場レベル予測:クロス速度グラフニューラル演算子サロゲート
- Abstract要約: フルスケールの集合分解LS-DYNAモデルを用いてデータを生成する。
このデータセットは、400件のX-Z中間面に6成分の応力テンソル場を含む。
- 参考スコア（独自算出の注目度）: 14.04953000698584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although the impact resistance of concrete has been studied extensively, a framework linking mesoscale heterogeneity to full-field stress-tensor prediction has been lacking. Data were generated with a full-scale aggregate-resolved LS-DYNA model (projectile diameter 45 mm, mass 2.13 kg, target diameter 500 mm x thickness 200 mm, mesh 10 mm), verified against published penetration experiments (Frew 2006, Hanchak 1992, Forrestal 1996) by configuration similarity. The dataset contains six-component stress-tensor fields on the X-Z mid-plane for 400 cases (4 impact velocities x 100 aggregate seeds). Three contributions are reported. First, case-by-case verification of the terminal penetration state delimited the rest-state validity of penetration depth and anchored reliable observables to rigid-body motion and field-level stress evolution. Second, a field-level graph neural operator surrogate learned the time-varying stress-field evolution and evaluated cross-velocity leave-one-out extrapolation. Third, the full-scale, aggregate-resolved, cross-velocity, per-seed database was established as a reproducible resource. Cases at 100, 135 and 200 m/s still moved at window end (negative velocity, i.e. rebound), and only one 165 m/s case arrested. Penetration depth is therefore not reported as a rest-state scalar except for the single arrested case (69.33 mm); nose-node depth differences were confirmed as numerical artifacts of displacement integration after erosion. The single-step relative L2 error was 0.6977, reported honestly; autoregressive rollout from frame 11 to 39 took about 144 ms, a speedup of about 3.6x10^3 to 4.3x10^3 relative to single-core LS-DYNA, reported as application value. Validation is bounded by configuration similarity and field-level self-consistency; the framework is a simulation-trained decision-support method within the studied parameter space.
- Abstract（参考訳）: コンクリートの耐衝撃性は広く研究されているが、メソスケールの不均一性とフルフィールド応力テンソル予測を結びつける枠組みが欠落している。
LS-DYNAモデル(弾道直径45mm、質量2.13kg、目標直径500mm x 厚さ200mm、メッシュ10mm)をフルスケールの集合分解モデルで生成し、実験結果(Frew 2006 Hanchak 1992, Forrestal 1996)に対して構成類似性を検証した。
このデータセットは、X-Z中間面上の6成分の応力テンソル場を400ケース(衝突速度x100集合種子)に含む。
3つのコントリビューションが報告されている。
第一に, 終端浸透状態のケース・バイ・ケースによる検証は, 浸透深さの静止状態の妥当性を制限し, 剛体運動や場レベルの応力変化に安定して観測できることを確認した。
第二に、フィールドレベルのグラフ・ニューラル・オペレーターは、時間変化の応力場進化を学習し、クロス速度のアウト・ワン・アウト外挿を評価した。
第3に、再現可能なリソースとして、フルスケール、集約解決、クロス速度、種ごとのデータベースが確立された。
100m/s、135m/s、200m/sの症例はまだウィンドウエンド(負の速度、すなわちリバウンド)で移動しており、逮捕例は165m/sのみであった。
そのため,1回の逮捕例 (69.33 mm) を除いて, 浸透深度は静止スカラーとして報告されず, 浸食後の変位積分の数値的アーティファクトとして鼻と鼻の深さ差が確認された。
フレーム11から39への自動回帰ロールアウトは約144msで、シングルコアLS-DYNAと比較して約3.6x10^3から4.3x10^3のスピードアップが報告された。
検証は、構成の類似性とフィールドレベルの自己整合性によって境界付けられ、このフレームワークは、研究されたパラメータ空間内のシミュレーション訓練された決定支援手法である。
関連論文リスト
- SSP-DMGTimeNet: Physics-Constrained Learning for Spatiotemporal Trajectory Prediction of Vehicle Platoons [20.684236937338227]
本研究では,車両プラットンの軌道予測のための物理制約付き学習フレームワークであるSSP-DMGTimeNetを提案する。
伝搬遅延対応因果注意機構は、上流から下流までの乱伝播を明示的にモデル化する。
実験の結果、SSP-DMGTimeNetは5車種のプラトンに対して0.65%の不安定風速を実現し、地上サブセットでは0.898のヘッド・ツー・テール増幅を実現している。
論文 参考訳（メタデータ） (2026-09-07T02:59:56Z) - Uncertainty-guided active learning for surrogate prediction of stream-finishing wear fields [37.82552353322716]
我々は、幾何学から直接、侵食を規定する3つの分野を予測する不確実性誘導型サロゲートフレームワークを提案する。
このサロゲートは、不一致が不確実性を推定する深いアンサンブルを使用し、最も不確実な方向に対してDEMシミュレーションを実行するアクティブラーニング戦略を可能にする。
論文 参考訳（メタデータ） (2026-08-01T11:12:39Z) - GeoID-PINN: Identifiability-Aware Regional Epidemic Inference with Geographic Coupling [1.0875426095207128]
本稿では,物理インフォームドニューラルネットワーク(PINN)を導入する。
我々は、距離、隣接性、通勤性、およびリードラグ情報から構築された空間先行を正規化する。
Forecast-Trained Geo-PINNは自己回帰的な負二項基底に対して、平均二乗誤差(MSE)を32,957から11,468、平均絶対誤差(MAE)を70.60から57.73に減少させる。
論文 参考訳（メタデータ） (2026-07-28T05:59:23Z) - Quadrature-Aware Complex-Linear Neural Operator for Boundary-to-Field Prediction in Resonant Acoustics [0.0]
この研究は、振動面上の複素正規速度を受信位置の複素圧力にマッピングする二次認識複素線型境界作用素(CLBO)を導入している。
モデルが学習したソース基底と受信基底は、明示的な複素曲面四面体収縮によって機能する。
その結果, 複素線型境界-場構造を強制することで, 分散音響励起下での物理的整合性と一般化が向上することがわかった。
論文 参考訳（メタデータ） (2026-07-05T16:58:37Z) - A Trainable-by-Parts Operator Learning Framework: Bridging DeepONet and Karhunen-Loeve Expansions for Large-Scale Applications [46.07145155913717]
我々はKL-DNN(Karhunen-Loeve Deep Neural Network)に基づくスケーラブルな演算子学習フレームワークを提案する。
このモデルは、170万の細胞と50の時間ステップを持つ3次元領域において、100の大規模なシミュレーションのサンプルからなるデータセットで訓練される。
論文 参考訳（メタデータ） (2026-06-26T18:15:24Z) - Data-Driven Forecasting of three-Component Seismograms Using Transformer Architectures [43.8784307709823]
我々は,3成分地震波形を時間領域内で直接予測するために,変圧器を用いた自己回帰モデルであるtextscSeismoGPTを紹介した。
震源深5-100,km,震源中央距離10-90$$$,震源深3leqM_w leq7$の合成地震計を用いて評価を行った。
論文 参考訳（メタデータ） (2026-06-01T21:38:03Z) - Breaking the Geometric Bottleneck: Contrastive Expansion in Asymmetric Cross-Modal Distillation [0.0]
グローバルビジョン変換器をキャパシティ制約CNNに蒸留する際の次元崩壊現象について検討する。
厳密な集中型SVDとエフェクトランクを用いることで、CIFAR-10上でキャパシティ非依存の位相遷移を示す。
さらに、DINOv2の均一な幾何は部分的に崩壊を防ぐが、コントラスト展開はCNNのトポロジカルキャパシティ限界に達する普遍的な要件であることを示す。
論文 参考訳（メタデータ） (2026-03-05T05:37:51Z) - UMLoc: Uncertainty-Aware Map-Constrained Inertial Localization with Quantified Bounds [1.2246649738388389]
本稿では,不確実性を考慮したMap-Constrained Inertial Localization(UMLoc)を提案する。
UMLocは、IMUの不確実性をモデル化し、ドリフト・レジリエントな位置決めを実現するために制約をマップするエンドツーエンドのフレームワークである。
その結果,70mの走行距離の平均ドリフト比は5.9%,平均Absolute Trajectory Error(ATE)は1.36mであった。
論文 参考訳（メタデータ） (2026-01-10T15:49:55Z) - Urban 3D Change Detection Using LiDAR Sensor for HD Map Maintenance and Smart Mobility [26.712098856567888]
都市規模LiDARのための物体中心型不確実性認識パイプラインを提案する。
これはエポックを多分解能NDTと整列し、次に点対平面ICP、高さを正規化し、位置検出レベルを導出する。
15代表のスービアコでは95.2%の精度、90.4%のmF1、82.6%のmIoUがトリプルトKPConvを超える精度、0.2のmF1、0.8のmIoUがブロックされ、IoUが74.8%に達し、7.6ポイント改善された。
論文 参考訳（メタデータ） (2025-10-24T02:59:55Z) - FieldFormer: Physics-Informed Transformers for Spatio-Temporal Field Reconstruction from Sparse Sensors [4.027064713296126]
本研究では、メッシュフリー時間フィールド再構築のためのトランスフォーマーベースのフレームワークであるFieldFormerを紹介する。
各クエリに対して、FieldFormerは学習可能なベロシティスケール距離メトリックを使用して、ローカルエリアを収集する。
本研究では,フィールドフォーマーの精度(RMSE$10-2$)と,スパース(0.4%-2%)とノイズ(10%)データから効率よく,物理的に一貫したフィールド再構成を可能にすることを示す。
論文 参考訳（メタデータ） (2025-10-04T00:37:28Z) - Symmetry-Constrained Multi-Scale Physics-Informed Neural Networks for Graphene Electronic Band Structure Prediction [0.0]
本稿では,Symmetry-Constrained Multi-Scale Physics-Informed Neural Network (SCMS-PINN) v35を紹介する。
グラフェンバンド構造を直接学習し、結晶対称性を厳格に強化する。
このモデルは、理論ゼロの30.3$mu$eVと平均誤差53.9meVとブリルアンゾーンの40.5meV(導電性)でディラック点ギャップを予測する。
論文 参考訳（メタデータ） (2025-08-14T14:59:10Z) - A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。
本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
論文 参考訳（メタデータ） (2023-09-29T08:30:18Z)
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。