論文の概要: Sample-Efficient Control of Magnetoconvective Flows via Differentiable Simulation
- arxiv url: http://arxiv.org/abs/2611.18008v1
- Date: Fri, 13 Nov 2026 10:35:25 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:27:46.488947
- Title: Sample-Efficient Control of Magnetoconvective Flows via Differentiable Simulation
- Title(参考訳): 微分可能シミュレーションによる磁気対流流の試料効率制御
- Abstract要約: 我々は,アクティブフロー制御をターゲットとした,新しいGPUアクセラレーション型MHDソルバである$-PICTを提示する。
我々は、MHDベンチマークに対して$-PICTを検証し、その高い計算効率を実証する。
- 参考スコア(独自算出の注目度): 20.834776412916984
- License:
- Abstract: Magnetohydrodynamic (MHD) fluid flows are central to demanding engineering applications, most prominently fusion blanket cooling, where flow control is a promising tool to optimize key properties such as heat transfer. While active flow control (AFC) has recently advanced through machine learning, its application to MHD flows remains largely unexplored. In this work, we present $φ$-PICT, a novel differentiable GPU-accelerated MHD solver targeted at AFC. We validate $φ$-PICT against MHD benchmarks and demonstrate its high computational efficiency. Integrated into FluidGym, $φ$-PICT enables sample-efficient gradient-based algorithms to improve heat transfer by $>25$% and allows optimizers to achieve $10^3\times$ higher accuracy in inverse design than black-box methods. $φ$-PICT is publicly available at https://github.com/upb-sciml/phiPICT.
- Abstract(参考訳): 磁気流体力学 (MHD) 流体は, 熱伝達などの重要な特性を最適化するための, 流路制御が有望なツールである, 核融合クラケット冷却など, 要求される工学的応用の中心である。
アクティブフロー制御(AFC)は機械学習によって最近進歩しているが、MHDフローへの応用はいまだに未解明である。
そこで本研究では,AFCをターゲットとした新しいGPUアクセラレーションMHDソルバであるφ$-PICTを提案する。
我々は、MHDベンチマークに対して$φ$-PICTを検証し、その高い計算効率を実証する。
φ$-PICTはFluidGymに統合され、サンプル効率のよい勾配に基づくアルゴリズムにより、熱伝達を$>25$%改善し、最適化器はブラックボックス法よりも高い精度で10^3\times$10^3\timesを達成することができる。
$φ$-PICTはhttps://github.com/upb-sciml/phiPICTで公開されている。
関連論文リスト
- Surrogate models for nuclear fusion with parametric Shallow Recurrent Decoder Networks: applications to magnetohydrodynamics [0.0]
本研究では,MHD状態再構成のためのデータ駆動型フレームワークについて検討する。
SHREDは、スパース時系列測定からフルタイム状態を回復するために設計されたニューラルネットワークアーキテクチャである。
その結果, SHREDはトレーニングセットに含まれない磁場強度に対しても, 完全MHD状態を正確に再構成することがわかった。
論文 参考訳(メタデータ) (2026-03-11T11:43:39Z) - Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。
現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。
AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
論文 参考訳(メタデータ) (2026-01-21T14:13:44Z) - DeFloMat: Detection with Flow Matching for Stable and Efficient Generative Object Localization [0.5872014229110213]
DeFloMatは、新しい生成オブジェクト検出フレームワークである。
拡散型検出器の臨界遅延ボトルネックに対処する。
DeFloMatは、わずか3ドルの推論ステップで最先端の精度(43.32%テキストAP_10:50$)を達成する。
論文 参考訳(メタデータ) (2025-12-26T23:07:40Z) - Efficiency vs. Fidelity: A Comparative Analysis of Diffusion Probabilistic Models and Flow Matching on Low-Resource Hardware [0.0]
Denoising Diffusion Probabilistic Models (DDPMs) は、生成画像合成における新しい最先端技術を確立した。
本研究では,新たなフローマッチングパラダイムに対するDDPMの比較分析を行った。
論文 参考訳(メタデータ) (2025-11-24T18:19:42Z) - Overclocking Electrostatic Generative Models [59.271136356755996]
PFGM++は補助次元$D$で拡張データ空間で動作し、拡散モデルフレームワークを$Dtoinfty$として回復する。
Inverse Poisson Flow Matching (IPFM, Inverse Poisson Flow Matching)を提案する。
IPFMは、ごく少数の機能評価だけで、ほぼ教師に近い、あるいは優れたサンプル品質を実現する蒸留発電機を生産する。
論文 参考訳(メタデータ) (2025-09-26T15:07:23Z) - Differentiable Expectation-Maximisation and Applications to Gaussian Mixture Model Optimal Transport [7.653378291757108]
expectation-Maximisation (EM)アルゴリズムは計算と機械学習の中心的なツールである。
EMは通常、差別化不可能なブラックボックスとして扱われ、現代の学習パイプラインへの統合を妨げている。
本稿では,EMの完全自動微分から近似手法まで,その精度と計算効率を評価・比較する。
論文 参考訳(メタデータ) (2025-09-02T09:06:01Z) - PICT -- A Differentiable, GPU-Accelerated Multi-Block PISO Solver for Simulation-Coupled Learning Tasks in Fluid Dynamics [62.93137406343609]
我々はPyTorchで符号化された可変圧単純化解器であるPICTをGPU(Graphics-Processing-unit)をサポートした流体シミュレータとして提案する。
まず,様々なベンチマークにおいて,フォワードシミュレーションと導出した勾配の精度を検証した。
2次元, 3次元の複雑な乱流モデルの学習には, 解法によって得られる勾配が有効であることを示す。
論文 参考訳(メタデータ) (2025-05-22T17:55:10Z) - FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。
非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。
条件設定では、太陽予測において優れた性能を達成している。
論文 参考訳(メタデータ) (2024-11-12T03:03:23Z) - Designing Air Flow with Surrogate-assisted Phenotypic Niching [117.44028458220427]
品質多様性アルゴリズムであるサロゲート支援表現型ニッチを導入する。
計算に高価な表現型特徴を用いることで、大規模で多様な行動群を発見することができる。
本研究では,2次元流体力学最適化問題における気流の種類を明らかにする。
論文 参考訳(メタデータ) (2021-05-10T10:45:28Z) - Online Multi-Object Tracking and Segmentation with GMPHD Filter and
Mask-based Affinity Fusion [79.87371506464454]
本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。
提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。
2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
論文 参考訳(メタデータ) (2020-08-31T21:06:22Z)
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。