論文の概要: Conditional Flow Matching for Generation of 3D Multi-variable Instantaneous Urban Microclimate Fields

• arxiv url: http://arxiv.org/abs/2610.10430v1
• Date: Wed, 07 Oct 2026 17:09:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:23.06833
• Title: Conditional Flow Matching for Generation of 3D Multi-variable Instantaneous Urban Microclimate Fields
• Title（参考訳）: 3次元多変量瞬時都市微小気候場の生成のための条件流整合
• Abstract要約: 都市風と気温場の迅速かつ正確な予測は、都市微気候設計と気候適応にとって重要である。 既存の回帰データ駆動モデルは迅速な出力を提供するが、本質的に乱れを表すのに失敗する決定論的点予測のみを生成する。 本稿では,建築幾何学と平均流れをガイダンスとして用いた新しいフローマッチング (CFM) の枠組みを取り入れて, 最適瞬時速度と温度場を数秒で生成する。
• 参考スコア（独自算出の注目度）: 2.0769453563673417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid and accurate prediction of urban wind and temperature fields is important for urban microclimate design and climate adaptation. Large-eddy simulation (LES) effectively resolves these instantaneous fields, but its application is limited in iterative design of urban microclimate applications due to high computational cost. Existing regressive data-driven models offers quick outputs, but they produce only deterministic point predictions that inherently fail to represent turbulent stochasticity. This paper adopts a novel generative framework of Conditional Flow Matching (CFM) that uses building geometry and mean flow as guidance to generate plausible three-dimensional instantaneous velocity and temperature fields for urban microclimate in seconds. To overcome the GPU memory bottleneck of pixel space 3D generation, the model operates in parallel on overlapping pixel space through a shared-noise initialization that preserves high spatial continuity of flow structure across the entire domain. Against reference LES data, the CFM surrogate can rapidly and accurately restore the first-order statistics with Normalized Root Mean Square Error (NRMSE) of 2.99% for wind and 1.77% for temperature, second-order turbulence metrics with NRMSE of 7.17% for wind and 8.84% for temperature, turbulent kinetic energy with NRMSE of 7%, probability density function and vertical profiles in representative locations. Wind engineering application of local gust prediction demonstrate that the speed and accuracy of CFM, supporting the use of generative AI for making turbulence-aware resilient urban design and climate adaptation more computationally feasible.
• Abstract（参考訳）: 都市風と気温場の迅速かつ正確な予測は、都市微気候設計と気候適応にとって重要である。 大渦シミュレーション(LES)は、これらの瞬間的な分野を効果的に解決するが、その用途は計算コストが高いため、都市マイクロ気候の反復設計に限られる。 既存の回帰データ駆動モデルでは、高速な出力を提供するが、本質的には乱流確率を表すのに失敗する決定論的点予測しか生成しない。 本稿では,建築形状と平均流れをガイダンスとして用いて,都市微小気候における3次元瞬時速度と温度場を数秒で生成する,条件流マッチング(CFM)の新たな生成フレームワークを採用する。 画素空間3D生成のGPUメモリボトルネックを克服するため、このモデルは、領域全体にわたるフロー構造の空間的連続性を維持する共有ノイズ初期化を通じて、重なり合う画素空間で並列に動作する。 基準LESデータに対して、CFMサロゲートは、風速が2.99%、温度が1.77%、NEMSEが7.17%、温度が8.84%、NEMSEが7%、確率密度関数と垂直プロファイルが7%の1次統計を迅速に正確に復元することができる。 局所ガスト予測の風工学的応用は、CFMの速度と精度が、乱流を考慮した弾力性のある都市設計と気候適応をより計算的に実現可能なものにするための生成AIの使用をサポートすることを示している。

関連論文リスト

• VGGT-World: Transforming VGGT into an Autoregressive Geometry World Model [59.789011777899965]
  VGGT-World(VGGT-World)は、ビデオ生成を完全にサイドステップで行い、凍った幾何学的境界モデルの特徴の時間的進化を予測する幾何学世界モデルである。 VGGT-Worldは3.6～5倍高速で、トレーニング可能なパラメータはわずか0.43Bである。
  論文  参考訳（メタデータ） (2026-03-13T04:56:43Z)
• Data-efficient rapid prediction of urban airflow and temperature fields for complex building geometries [0.0]
  本稿では,多方向距離特徴(MDDF)と局部訓練を組み合わせた新しい枠組みを提案する。 局所的なフーリエニューラル演算子 (Local-FNO) モデルでは, フル3次元風速と温度予測を1分以内で生成する。 風速 0.3 m/s の絶対誤差と未確認の都市構成温度 0.3$C の絶対誤差から,本手法は強力な一般化能力と実用的な都市利用の可能性を示す。
  論文  参考訳（メタデータ） (2025-03-25T14:36:01Z)
• Generative Modeling of Microweather Wind Velocities for Urban Air Mobility [0.0]
  本研究は, 安全で信頼性が高く, 耐候性のある都市空力(UAM)ソリューションの追求により, マイクロウェザー風速のキャラクタリゼーションのための生成モデル手法を提案する。 この研究は、計算効率のよい風速をモデル化し、ランダムな変動を捉えることを目的としており、永久的なフィールド計測のキャンペーンよりも一時的なものしか必要としない。
  論文  参考訳（メタデータ） (2025-03-04T15:03:15Z)
• Modeling Multivariable High-resolution 3D Urban Microclimate Using Localized Fourier Neural Operator [2.148526586778159]
  従来の計算流体力学シミュレーションでは、速度と温度が計算に高価である。 最近の機械学習の進歩は、都市部の微小気候シミュレーションを加速するための有望な代替手段を提供する。 そこで我々は,局所学習,幾何符号化,パッチオーバーラップを用いた局所フーリエニューラル演算子(Local-FNO)モデルを提案する。 CFDソルバの50倍近い速度で、単一の32GB GPU上で、1億5000万のフィーチャディメンションを持つ高解像度の予測を提供する。
  論文  参考訳（メタデータ） (2024-11-18T07:38:25Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Fourier neural operator for real-time simulation of 3D dynamic urban microclimate [2.1680962744993657]
  実時間3次元都市風洞シミュレーションにフーリエニューラル演算子(FNO)ネットワークを適用した。 数値実験により、FNOモデルが瞬時空間速度場を正確に再構成できることが示されている。 さらに,風向の異なる未確認データに基づくFNOモデルの評価を行い,FNOモデルが風向の異なるデータに対して良好に一般化可能であることを示す。
  論文  参考訳（メタデータ） (2023-08-08T02:03:47Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)

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。