Fugu-MT 論文翻訳(概要): Deep Mesoscopic Dynamics

論文の概要: Deep Mesoscopic Dynamics

arxiv url: http://arxiv.org/abs/2610.17885v1
Date: Tue, 13 Oct 2026 07:40:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-17 08:17:45.856371
Title: Deep Mesoscopic Dynamics
Title（参考訳）: 深部メソスコピックダイナミクス
Abstract要約: 我々はニューラルネットワークを用いて、所定の粗粒度スケールで顕微鏡軌道から有効なメソスコピック場方程式を学習する。 DeepMesoDは、原子論的スピンダイナミクスと比較して、壁面時計時間の3-4次減少を実現している。
参考スコア（独自算出の注目度）: 21.510997920242094
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Microscopic simulations resolve spatial patterns but are feasible only over small domains and short timescales, whereas bulk descriptions erase those patterns through spatial averaging. Mesoscopic fields preserve this spatial organisation, but their effective equations are known only for selected microscopic systems and scaling limits. We introduce Deep Mesoscopic Dynamics (DeepMesoD), which uses neural networks to learn an effective mesoscopic field equation from microscopic trajectories at a prescribed coarse-graining scale. For the nonconserved dissipative dynamics studied here, DeepMesoD learns the free-energy functional with a spatial interaction kernel and a state-dependent dissipation operator constrained by the fluctuation-dissipation relation. We first validate the construction in the Ising-Kac model, where the learned mesoscopic equation recovers the known hydrodynamic limit and rollouts remain stable far beyond the training horizon. We then treat two systems without closed-form mesoscopic descriptions. For a two-dimensional Heisenberg ferromagnet governed by atomistic spin dynamics, DeepMesoD learns a mesoscopic model whose predictions match atomistic references up to 1 ns, and a rollout with an unseen initial condition remains bounded up to 25 ns. For layered CrBr$_3$, the learned kernel captures the suppression and sign reversal of interlayer coupling at a stacking fault whose location and strength are not supplied as inputs. Controlled changes to the learned interaction show how fault number and placement shape multistep magnetic responses, complementing our magneto-photoluminescence measurements. Across the two atomistic systems, DeepMesoD achieves a three-to-four-order-of-magnitude reduction in wall-clock time compared with atomistic spin dynamics.
Abstract（参考訳）: 顕微鏡シミュレーションは空間パターンを解くが、小さな領域と短い時間スケールでしか実現できない。メソスコピック場はこの空間構造を保っているが、それらの有効方程式は選択された顕微鏡系とスケーリング限界のためにのみ知られている。本稿では,Deep Mesoscopic Dynamics (DeepMesoD)を紹介した。これはニューラルネットワークを用いて,所定の粗粒度スケールの顕微鏡軌跡から有効なメソスコピック場方程式を学習する。ここでの非保存散逸ダイナミクスについて、DeepMesoDは空間的相互作用カーネルとゆらぎ-散逸関係に制約された状態依存散逸演算子による自由エネルギー関数を学習する。我々はまず,学習されたメソスコピック方程式が既知の流体力学の限界を回復し,ロールアウトがトレーニング地平線をはるかに超えて安定なイジン・カックモデルの構築を検証した。次に,閉形状のメソスコピックな記述を伴わない2つのシステムについて検討する。原子論的なスピン力学によって支配される2次元ハイゼンベルク強磁性体について、DeepMesoD は1 nsまでの原子論的な参照と一致する予測が一致するメソスコピックモデルを学び、目に見えない初期条件のロールアウトは最大25 nsまで制限される。 CrBr$_3$の場合、学習カーネルは、入力として位置と強度が供給されない積層断層における層間結合の抑制と符号反転をキャプチャする。解析された相互作用の制御された変化は、どのように断層数と配置形状が多段階の磁気応答を示すかを示し、磁気-フォトルミネッセンス測定を補完する。 2つの原子論システム全体では、DeepMesoDは原子論スピンダイナミクスと比較して、壁面時計時間の3-4次減少を実現している。

関連論文リスト

Quantum Markovian Dynamics from a Double Covariance Stochastic Framework [0.0]
微視的量子力学は、相関する微視的ゆらぎの粗粒化によって現れる。創発的なマクロ力学は、正確なゴリーニ-コサコフスキー-スダルシャン-リンドブラッド形式を持つことを示す。ゆらぎのない極限において、モデルは自然にフォン・ノイマン方程式に還元される。
論文参考訳（メタデータ） (2026-05-28T07:30:55Z)
Capturing reduced-order quantum many-body dynamics out of equilibrium via neural ordinary differential equations [0.0]
正確な2RDMデータに基づいてトレーニングされたニューラルODEモデルでは,3粒子情報の明示なくそのダイナミクスを再現できることが示される。平均的な3粒子相関生成の規模は、成功の第一の予測因子であると考えられる。
論文参考訳（メタデータ） (2025-12-15T21:48:10Z)
From Black Hole to Galaxy: Neural Operator: Framework for Accretion and Feedback Dynamics [70.27068115318681]
ニューラルベースの「サブグリッドブラックホール」を導入し、小さな局所力学を学習し、直接シミュレーションに組み込む。微細な進化の大きなスピードアップにより、我々は、降着駆動のフィードバックで固有の変動を捉え、中心ブラックホールと銀河スケールのガスの動的結合を可能にした。
論文参考訳（メタデータ） (2025-12-01T11:47:49Z)
Topological Regularization for Force Prediction in Active Particle Suspension with EGNN and Persistent Homology [0.0]
3つの学習駆動ツールを組み合わせて1つのパイプライン内で学習する,マルチスケールフレームワークを提案する。学習パイプラインへの入力として,周期箱内の流体速度と粒子応力の高分解能Lattice Boltzmannスナップショットを用いる。
論文参考訳（メタデータ） (2025-09-08T11:39:42Z)
Exponential onset of scalable entanglement via twist-and-turn dynamics in XY models [41.94295877935867]
いわゆる「ツイスト・アンド・ターン」力学(TaT)が,スケーラブルなマルチパーティント絡みに到達するための重要な資源となることを示す。双極子相互作用では、中間時の絡み合いのダイナミクスは熱化と完全に相反する。
論文参考訳（メタデータ） (2025-07-10T22:34:44Z)
Long-lived multilevel coherences and spin-1 dynamics encoded in the rotational states of ultracold molecules [37.69303106863453]
超低温の極性分子の回転状態は、長い放射寿命、マイクロ波-ドメイン結合、調整可能な双極子相互作用を有する。多数の回転状態が利用可能になったことで、量子磁性のシミュレーション、高次元クエーディットにおける情報の符号化、多くの合成格子サイトを持つ合成次元など、多くの応用が提案されている。そこで本研究では、回転状態間の多レベルコヒーレンスを、与えられた一対の状態に対して魔法の波長近くで動作する光ツイーザトラップを用いて設計する方法について検討する。
論文参考訳（メタデータ） (2024-12-19T17:35:57Z)
Real-time Dynamics of the Schwinger Model as an Open Quantum System with Neural Density Operators [1.0713888959520208]
この研究は、ニューラルネットワークのパラメータによる正確な量子状態の近似の難しさを克服する機械学習アルゴリズムを開発する。 QCDのような理論における原理実証の証明として、1+1d格子シュウィンガーモデルにおけるリンドブラッド・マスター方程式を開量子系として解く方法が応用される。
論文参考訳（メタデータ） (2024-02-09T18:36:17Z)
A Group Symmetric Stochastic Differential Equation Model for Molecule Multi-modal Pretraining [40.02834704975147]
分子プレトレーニングは、AIベースの薬物発見のパフォーマンスを高めるために、急速にゴーツースキーマになっている。本稿では,2次元トポロジーから3次元反射を生成するMoleculeSDEを提案する。プレトレーニングベースライン17点と比較することにより,32のダウンストリームタスク中26点において,MoleculeSDEが最先端のパフォーマンスを持つ表現表現を学習できることを実証的に検証する。
論文参考訳（メタデータ） (2023-05-28T15:56:02Z)
Spreading of a local excitation in a Quantum Hierarchical Model [62.997667081978825]
常磁性相における量子ダイソン階層モデルのダイナミクスについて検討する。地磁気場状態の局所励起による初期状態を考慮する。局所化機構が発見され、励起は任意の時間で初期位置に近づいたままである。
論文参考訳（メタデータ） (2022-07-14T10:05:20Z)
Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-07-16T12:56:09Z)

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。