グラフネットワークによる液体のシミュレーション【JST・京大機械翻訳】

Klimesch Jonathan; Holl Philipp; Thuerey Nils

プレプリント

J-GLOBAL ID：202202211551133660 整理番号：22P0304545

グラフネットワークによる液体のシミュレーション【JST・京大機械翻訳】

Simulating Liquids with Graph Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月14日プレプリントサーバーでの情報更新日： 2022年03月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

従来のシミュレータを持つ流体のような複雑な動力学のシミュレーションは計算的に困難である。深層学習モデルは,従来のシミュレータの部品を拡張または置換する効率的な代替として提案されている。学習流体動力学に対するグラフニューラルネットワーク(GNN)を検討し,それらの一般化能力が以前の研究よりも制限されることを見出した。また,その一般化能力とシミュレーション安定性を改善するために,ネットワーク入力にランダム雑音を加える現在の実践に挑戦した。著者らは,実際のデータ分布,例えば,非回転多重シミュレーションステップを挿入することにより,精度を改善し,学習モデルからすべてのドメイン固有特徴の隠蔽が一般化を改善することを見出した。著者らの結果は,GNNのような学習モデルが,訓練セットがショートカットとして使用できる他の問題固有の相関を欠いている限り,正確な根底にあるダイナミクスを学習できないことを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

前のページに戻る