論文の概要: A Method for Exact Enforcement of Boundary Conditions on General Curved Triangular Domains: Algorithm and Application to Scientific Machine Learning

• arxiv url: http://arxiv.org/abs/2610.17392v1
• Date: Mon, 12 Oct 2026 20:56:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 19:10:04.669698
• Title: A Method for Exact Enforcement of Boundary Conditions on General Curved Triangular Domains: Algorithm and Application to Scientific Machine Learning
• Title（参考訳）: 一般曲線三角形領域の境界条件の厳格化手法:アルゴリズムと科学機械学習への応用
• Abstract要約: 任意の曲線境界を持つ一般三角領域上で、ディリクレ、ノイマン、ロビン条件を正確に強制する方法を提案する。 我々は、曲線三角形領域上で課されたディリクレ、ノイマン、ロビン条件を正確に満たす関数の一般形式のコーナー整合性制約と表現を解析する。
• 参考スコア（独自算出の注目度）: 0.19336815376402716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a method for enforcing exactly Dirichlet, Neumann, and Robin conditions on general triangular domains with arbitrarily curved boundaries. The algorithmic constructions developed here complements those in a previous work for general quadrilateral domains. Our method combines (i) the exact mapping between a general curved triangular domain and the standard triangle, (ii) TFC constrained expressions, and (iii) Barnhill transfinite interpolations, to provide explicit closed-form trial ansatze that mathematically satisfy the imposed boundary conditions exactly. Corner compatibility induced by the boundary conditions is pivotal, and enforcing exactly the imposed boundary conditions hinges on the exact enforcement of the induced compatibility constraints. The corner compatibility associated with the acute vertices of the standard triangle and the coupling between gradient components when the hypotenuse corresponds to a Neumann/Robin boundary pose particular challenges. Two strategies are critical to resolving these issues, by reformulating conditional corner constraints into equivalent unconditional forms and by introducing a separate TFC-style auxiliary edge construction together with an associated linear solve on the hypotenuse. We analyze the corner compatibility constraints and present formulations for the general form of functions that exactly satisfy the imposed Dirichlet, Neumann, or Robin conditions on curved triangular domains. The proposed method has been implemented using extreme learning machine type randomized neural networks for solving PDE problems. We present ample numerical experiments with linear/nonlinear PDE problems on a variety of domains with complex boundary geometries. Numerical results show that the current method has enforced the Dirichlet, Neumann, and Robin conditions on curved domain boundaries to the machine precision.
• Abstract（参考訳）: 任意の曲線境界を持つ一般三角領域上で、ディリクレ、ノイマン、ロビン条件を正確に強制する方法を提案する。 ここで開発されたアルゴリズム的構成は、一般的な四次領域に対する以前の研究を補完するものである。 我々の方法が組み合わさる (i) 一般曲線三角形領域と標準三角形との正確な写像。 (ii)TFC制約表現、及び 3) バーンヒル超有限補間は、与えられた境界条件を正確に数学的に満たす明示的な閉形式公試を提供する。 境界条件によって誘導されるコーナーの整合性は重要であり、強制された境界条件を正確に強制することは、誘導された整合性制約の正確な適用に依存している。 標準三角形の急性頂点に付随するコーナーの整合性や、仮定がノイマン/ロビン境界に対応するときの勾配成分間のカップリングは、特に問題となる。 条件付きコーナー制約を等価な非条件形式に再構成し、仮定上の線形解とともにTFCスタイルの補助エッジ構造を導入することにより、これらの問題を解決するために2つの戦略が重要である。 我々は、曲線三角形領域上で課されたディリクレ、ノイマン、ロビン条件を正確に満たす関数の一般形式のコーナー整合性制約と表現を解析する。 提案手法は、PDE問題を解決するために、極端な機械学習型ランダム化ニューラルネットワークを用いて実装されている。 複素境界測地を持つ多種多様な領域における線形・非線形PDE問題を用いた多種多様な数値実験を行った。 数値計算の結果、この手法は、曲線領域境界上のディリクレ条件、ノイマン条件、ロビン条件を機械精度に強制していることが示された。

関連論文リスト

• TriFlow: Generating Artist-Like 3D Mesh Topology via Nearest-Vertex Vector Fields [72.76537377865192]
  TriFlowは、署名された距離場などの入力幾何学条件から直接アーティストのような三角形のトポロジーを持つコンパクトな3Dメッシュを作成するための新しい生成手法である。 実験により、TriFlowは最先端の学習ベースアプローチと比較して、より高度な一般化とトポロジ品質の向上を実現していることが示された。
  論文  参考訳（メタデータ） (2026-06-18T11:55:00Z)
• A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
  本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。 MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。 合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-05T20:19:09Z)
• Trajectory-Restricted Optimization Conditions and Geometry-Aware Linear Convergence [0.764671395172401]
  局所化幾何正則性に基づく線形収束のための軌道制限フレームワークを開発する。 古典的な収束保証は、これらの局所的な条件の下で拡張されることを示す。 我々の研究は、能動集合や多様体の同定後の高速局所収束のための幾何学的定量化を提供する。
  論文  参考訳（メタデータ） (2026-04-18T17:02:06Z)
• A Novel Method for Enforcing Exactly Dirichlet, Neumann and Robin Conditions on Curved Domain Boundaries for Physics Informed Machine Learning [0.19336815376402716]
  任意の曲面境界を持つ一般四辺領域上で、ディリクレ、ノイマン、ロビン型条件を正確に強制する体系的な方法を提案する。 本手法は,一般的な四次領域と標準領域の正確なマッピングに基づいて構築される。
  論文  参考訳（メタデータ） (2026-03-23T12:30:33Z)
• Structured Bitmap-to-Mesh Triangulation for Geometry-Aware Discretization of Image-Derived Domains [14.464998646821632]
  画像由来の領域におけるPDE離散化を安定させるため,スリーブあるいはセグメンテーション由来の境界を正規三角格子に埋め込むテンプレート駆動三角測量フレームワークを提案する。 我々はすべての局所境界断面積を離散同値と三角形対称性に分類し、各ケースをコンフリクトフリーな再三角形テンプレートにマッピングする有限記号的なルックアップテーブルを生成する。 楕円型および放物型PDE、信号、構造測定の実験では、より少ない要素、より規則的な三角形、複雑な境界付近の幾何学的忠実度が示される。
  論文  参考訳（メタデータ） (2026-02-23T03:36:55Z)
• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Boundary condition enforcement with PINNs: a comparative study and verification on 3D geometries [0.0]
  物理インフォームドニューラルネットワーク(PINN)は物理学と工学における前方および逆問題の解法として広く研究されている。 メッシュの欠如と偏微分方程式(PDE)の強い形への依存が境界条件の強制を困難にしているため、複雑な三次元幾何学におけるPINNの研究は限られている。 本研究は, 有限要素法などの既存手法との競合が可能な, 成熟した数値法としてPINNを確立する方向への歩みを示すものである。
  論文  参考訳（メタデータ） (2025-12-16T22:15:01Z)
• Exact imposition of boundary conditions with distance functions in physics-informed deep neural networks [0.5804039129951741]
  本稿では,偏微分方程式の深層学習におけるトレーニングを改善するために,人工ニューラルネットワークにおける幾何対応トライアル関数を提案する。 均質なディリクレ境界条件を正確に課すために、トライアル関数は、PINN近似により$phi$と乗算される。 アフィン境界と曲線境界を持つ領域上の線形および非線形境界値問題に対する数値解を提案する。
  論文  参考訳（メタデータ） (2021-04-17T03:02:52Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
  構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。 私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。 提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
  論文  参考訳（メタデータ） (2020-07-07T21:26:35Z)

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。