論文の概要: Learning Stiffness Dependent Fluid Structure Dynamics from Coarse Flow Representations
- arxiv url: http://arxiv.org/abs/2609.26816v1
- Date: Sat, 19 Sep 2026 03:04:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.684038
- Title: Learning Stiffness Dependent Fluid Structure Dynamics from Coarse Flow Representations
- Title（参考訳）: 粗い流れ表現からの学習剛性依存性流体構造ダイナミクス
- Abstract要約: 本稿では流体-構造相互作用(FSI)の動的予測のためのデータ駆動型フレームワークを開発する。
フレキシブルプレートの流動誘起振動(FIV)に焦点を当てる。
- 参考スコア（独自算出の注目度）: 9.12640288019079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper develops a data-driven framework for long-term prediction of fluid--structure interaction (FSI) dynamics, focusing on the flow-induced vibration (FIV) of a flexible plate. A stiffness-conditioned neural evolution operator jointly represents the Eulerian flow field and Lagrangian structural state. The plate is represented by 101 ordered structural tokens carrying nodal coordinates and velocities, with nondimensional bending stiffness as a global conditioning variable. Bidirectional cross-attention couples fluid and structural representations within a hybrid CNN-Transformer architecture. Trained with staged multi-step autoregressive rollouts and symmetry-reflected trajectories, a single operator captures three stiffness-dependent response regimes: deflected--flapping, deflected, and flapping. The predicted trajectories preserve the principal flow structures, structural oscillations, and dominant frequencies, while blind 1000-step rollouts remain bounded. The operator also interpolates to stiffness values excluded from training. To reduce sensitivity to under-resolved near-wall gradients in force reconstruction, we develop a differentiable aerodynamic-force module based on the derivative-moment transformation (DMT). Conventional wall-stress surface integrals are replaced by an enclosed 2D curve integral around the core vortex region, enabling accurate reconstruction of lift and drag. A Signed Distance Function (SDF) and smoothed Dirac-delta formulation make the integration fully differentiable while preserving gradient flow. The proposed framework provides an accurate and differentiable surrogate for stiffness-dependent FSI dynamics, enabling efficient parameter studies and future stiffness optimization for flow-energy-harvesting applications.
- Abstract（参考訳）: 本稿では,フレキシブルプレートの流動誘起振動(FIV)に着目し,流体-構造相互作用(FSI)の長期予測のためのデータ駆動型フレームワークを開発した。
剛性条件付き神経進化作用素は、ユーレリア流場とラグランジアン構造状態を共同で表現する。
プレートは、大域的条件変数として非次元曲げ剛性を有する、節座標と速度を持つ101の規則構造トークンで表される。
ハイブリッドCNN-Transformerアーキテクチャにおける双方向クロスアテンションカップルの流動と構造表現
ステージ化された多段自動回帰ロールアウトと対称反射軌道で訓練され、単一のオペレーターが3つの剛性依存応答レジームをキャプチャする。
予測された軌道は主流れ構造、構造振動、支配周波数を保ち、盲点1000段のロールアウトは依然として有界である。
オペレータはまた、トレーニングから除外された剛性値に補間する。
力再構成における未解決近傍壁勾配に対する感度を低減するため,微分モーメント変換(DMT)に基づく空力モジュールの開発を行った。
従来の壁応力表面積分は、コア渦領域の周りの2D曲線積分に置き換えられ、リフトとドラッグの正確な再構築を可能にする。
符号付き距離関数 (Signed Distance Function, SDF) と滑らかなディラックデルタ定式化は、勾配流を保ちながら完全に微分可能である。
提案したフレームワークは、剛性に依存したFSIダイナミクスのための高精度で微分可能なサロゲートを提供し、効率的なパラメータスタディと、流動エネルギー・ハーベスティングアプリケーションのための将来の剛性最適化を可能にする。
関連論文リスト
- Embracing Flow Unsteadiness: A High-Throughput Learning Platform Enables Vortex-Exploiting Bioinspired Propulsion [15.714839097506124]
生物学的スイマーやフライアワーは非定常渦を推進に利用するが、工学的な車両は通常乱れとして抑制する。
本稿では,SHOALとV-STARを統合した物理学習フレームワークREEFを提案する。
リフトベース、ドラッグベース、および運動量ジェット推進器全体で、REEFは達成可能な力包絡をパラメータ化探索の2倍以上に拡張する。
論文 参考訳（メタデータ） (2026-09-13T03:11:55Z) - Fluid-DiT: Graph-Free Diffusion Transformers for Fluid Flow Simulations Learning [50.053186229257555]
本稿では,グラフメッセージパッシングを注意に基づく認知に置き換えるグラフ自由拡散変換器を提案する。
変換器のグローバルな受容場を利用することで、Fluid-DiTは局所フロー構造と長距離相関の両方を自然に捉える。
サンプルの品質と分布精度の両方において、グラフベースの拡散ベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-08-07T12:28:45Z) - DiffPhD: A Unified Differentiable Solver for Projective Heterogeneous Materials in Elastodynamics with Contact-Rich GPU-Acceleration [16.1130724792988]
ソフトボディの微分可能シミュレーションは、システム同定、軌道最適化、およびReal2Sim転送の基礎となる。
しかし、微分射影ダイナミクス(DiffPD)のような既存の手法は、異種材料に直面すると苦労する。
異種材料のためのGPU加速微分可能射影ダイナミクスフレームワークであるDiffPhDを提案する。
論文 参考訳（メタデータ） (2026-05-14T08:09:42Z) - LagrangianSplats: Divergence-Free Transport of Gaussian Primitives for Fluid Reconstruction [26.888819976353957]
スパース2次元ビデオ観測から3次元流体流速場を再構成することは、非常に不適切な逆問題である。
既存の方法は通常、これらの制約をソフトな罰則によって課し、しばしば精度と収束の問題を引き起こす。
両制約を構造的に強制する再構成フレームワークを導入する。具体的には,連続的な分散自由カーネル表現を用いて,再構成速度をパラメータ化する。
論文 参考訳（メタデータ） (2026-05-10T03:45:50Z) - AeTHERON: Autoregressive Topology-aware Heterogeneous Graph Operator Network for Fluid-Structure Interaction [0.0]
AeTHERONは共有高次元潜在空間における非線形流体-構造結合を学習する。
AeTHERONは、大規模渦トポロジーとウェイク構造を定性的忠実度で捉えている。
推論には1つのGPUで1時間に1ミリ秒かかるが、同等のDNS計算では数時間かかる。
論文 参考訳（メタデータ） (2026-04-15T00:31:20Z) - Learn Structure, Adapt on the Fly: Multi-Scale Residual Learning and Online Adaptation for Aerial Manipulators [2.376629619475859]
自律型空中マニピュレータ(AAM)は本質的に非定常・多スケール残留力学を示す非線形系である。
本稿では,AAMにおけるリアルタイム残差モデリングと補償のための予測適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-12T08:02:43Z) - On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。
CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。
我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
論文 参考訳（メタデータ） (2025-12-30T06:29:20Z) - Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。
Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。
圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
論文 参考訳（メタデータ） (2025-09-18T03:51:06Z) - FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。
拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。
少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
論文 参考訳（メタデータ） (2025-05-23T00:07:59Z) - Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable
Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。
複素運動は安定な力学系のロールアウトとして符号化される。
このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文 参考訳（メタデータ） (2020-05-27T03:51:57Z)
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。