論文の概要: Well-posedness of neural turbulence closures and tangent dissipation
- arxiv url: http://arxiv.org/abs/2609.19647v1
- Date: Thu, 17 Sep 2026 03:40:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.091725
- Title: Well-posedness of neural turbulence closures and tangent dissipation
- Title（参考訳）: 神経乱流閉鎖とタンジェント散逸の良好性
- Abstract要約: ニューラル乱流閉包は、新しい境界値問題である$R(U)=N(U)+F(U)=0$と結合したヤコビアン$J(U)=N'(U)+F'(U)$を定義する。
我々は、グローバルな散逸の2つの結果を確立する。
単調な元の作用素に対して、元の演算子によって供給され、同時に閉包される正の一様マージンは、後続解誤差と前兆残差に関する存在、一意性および大域的逆感度境界を保証する。
- 参考スコア（独自算出の注目度）: 7.946504132402822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A neural turbulence closure defines a new boundary-value problem, $R(U)=N(U)+F(U)=0$, with a coupled Jacobian $J(U)=N'(U)+F'(U)$, where $N$ is the original mean-flow operator and $F$ the learned closure. We establish two consequences of global tangent dissipation. For a monotone original operator, a positive uniform margin supplied by the original operator and closure together guarantees existence, uniqueness and a global inverse-sensitivity bound relating a posteriori solution error to the a priori residual. For a general original operator, a dissipative closure cannot worsen tangent dissipation, but this alone does not guarantee uniqueness. Tangent dissipation depends on both diffusion and reaction. We study two complementary ways to promote it: (1) an exact-integral construction enforcing non-negative tangent diffusion while leaving reaction unconstrained, and (2) a penalty on tangent-reaction violations at sampled states. Tangent diffusion enters the Jacobian, and non-negative secant eddy viscosity alone does not control its coercivity. We conduct tests with channel flow at $Re_τ=180$--$5200$, which provides a strongly monotone baseline. Both constrained closures reach accurate solutions in all 50 training-seed/Reynolds-number cases. At $Re_τ=1000$, we conduct tests with 10,000 starts for one fixed network per closure and we find one root for each constrained closure and multiple roots for the other closures. Although this does not prove uniqueness, it provides strong empirical evidence for uniqueness of the tested constrained closures. At $Re_τ=5200$, the construction and penalty reduce the reported inverse sensitivity relative to the original operator by approximately $372\times$ and $11\times$, respectively.
- Abstract（参考訳）: ニューラル乱流閉包は、新しい境界値問題、$R(U)=N(U)+F(U)=0$と結合したヤコビアン$J(U)=N'(U)+F'(U)$を定義する。
我々は、グローバル・タンジェント散逸の2つの結果を確立する。
単調な元の作用素に対して、元の演算子によって供給され、同時に閉包される正の一様マージンは、後続解誤差と前兆残差に関する存在、一意性および大域的逆感度境界を保証する。
一般の原作用素にとって、散逸的閉包は接散逸を悪化させることはないが、これは単独で一意性を保証するものではない。
タンジェント散逸は拡散と反応の両方に依存する。
本研究は,(1)非負の接種拡散を抑えつつ,非負の接種拡散を強制する厳密な統合的構成,(2)サンプル状態における接種反応違反に対するペナルティの2つの促進方法について検討する。
タンジェント拡散はジャコビアンに入り、非負の分離渦粘性だけはその保磁力を制御しない。
チャネルフローを$Re_τ=180$-$5200$でテストし、強い単調なベースラインを提供する。
両方の制約付き閉包は、トレーニングシード/レイノルズ数50のすべてのケースで正確な解に達する。
Re_τ=1000$で、クロージャ毎に1つの固定ネットワークに対して10,000のスタートでテストを行い、制約されたクロージャ毎に1つのルートと、他のクロージャに対して複数のルートを見つけます。
これは一意性を証明するものではないが、テストされた制限閉包の特異性に関する強い実証的な証拠を与える。
Re_τ=5200$で、構成とペナルティにより、元の演算子に対する報告された逆感度がそれぞれ約372\times$と111\times$に減少する。
関連論文リスト
- Uniform Statistical Convergence of Empirical Sinkhorn Potentials with Exponential and Polynomial Dependence on the Regularization Parameter [3.6552781109515853]
本研究では,一様損失下でのエントロピー最適輸送電位の実験的シンクホーン推定器について検討した。
固定正規化パラメータ $varepsilon>0$ に対して、漸近的でない統計レート $n-1/2$ を確立する。
鍵となる要件は、シンクホーン写像の残留安定度推定である。
論文 参考訳（メタデータ） (2026-08-29T08:59:00Z) - From Approachability Residuals to Anytime-Valid Evidence: The Online Convex Geometry of Testing by Betting [0.1624454100511275]
ギャンブリングベースのシーケンシャルテストとブラックウェルのアプローチ性は、支持関数による比例還元によってリンクされる。
正確な経路単位は$$dist(bar r_T,S) =frac1Tsum_t=1Tq_t+fracReg_TTである。
論文 参考訳（メタデータ） (2026-08-10T11:23:30Z) - Non-Asymptotic Variational Learning for Monotone Nonlinear Multiscale Elliptic Equations: Scale-Robust Primal-Dual Bounds and Strong-Form Statistical Ill-Conditioning [0.0]
我々は、一様非線形多スケール楕円型方程式の変分物理学インフォームド近似に対する非漸近近似、サンプリング、有限点最適化理論を開発した。
境界整合性ニューロ特徴クラスでは、集団誤差は近似、経験的四分法、投影的次数項に分けられ、全ての非近似定数は顕微鏡スケール(ヴァレプシロン)で均一である。
論文 参考訳（メタデータ） (2026-07-17T07:26:29Z) - Coupled Tensor-Matrix Recovery via Proximal Alternating Linearized Minimization, with an Application to Workforce Skill and Small-Business Health Estimation [0.0]
雑音観測から低ランクテンソル$mathcalT$と低ランク行列$M$の回復について検討した。
行列のみの問題に対しては、シーケンシャルな部分ケースに対して、サンプリング・複雑度が証明された結果を示す。
完備で交互に見積もった場合、予想を述べる。
論文 参考訳（メタデータ） (2026-07-11T07:06:08Z) - Statistical inverse learning and $\ell^1$-regularization [0.27998963147546135]
統計的逆学習の枠組みにおいて,有限,雑音,間接的な観測からスパース関数の回復について検討した。
我々は、ほぼ公約指数を確立し、予測基準と$ell1$復元基準の両方において、非漸近的高確率収束率を導出する。
論文 参考訳（メタデータ） (2026-07-08T14:32:08Z) - AI-Assisted Discovery of Convex Relaxations via Dual Agents [56.60366723277675]
すべての許容関数に対して下界が成り立ち、より強い境界を与える凸緩和から従うことを示す。
理論は各エージェントを検証し、反例を検索し、報告されたすべての境界はインターバルにおける明示的な二重実現可能な点によって認証される。
論文 参考訳（メタデータ） (2026-06-30T06:10:25Z) - Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。
主な課題は、敵の計測と非同期である。
その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
論文 参考訳（メタデータ） (2026-04-07T11:45:55Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - A Unified Framework for Uniform Signal Recovery in Nonlinear Generative
Compressed Sensing [68.80803866919123]
非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。
本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。
また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
論文 参考訳（メタデータ） (2023-09-25T17:54:19Z) - Rigorous derivation of the Efimov effect in a simple model [68.8204255655161]
我々は、2体ゼロレンジ相互作用と、与えられた半径$a>0$の3体ハードコア反発を持つ$mathbbR3$の3つの同一ボソンの系を考える。
論文 参考訳（メタデータ） (2023-06-21T10:11:28Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳（メタデータ） (2021-09-24T14:48:20Z)
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。