Optimization of Cost Functions in Absolute Plate Motion Modeling
本論文は、絶対プレート運動モデル「optAPM」の性能向上を目的として、ホットスポットコスト関数の簡素化とホットスポットトレイルデータの事前補間を導入し、モデルの精度と信頼性を高めた新たな最適化手法を提案するものである。
🔬 Category
physics.comp-ph
133 件の論文
Adaptive Sensing of Continuous Physical Systems for Machine Learning
この論文は、物理的動的システムからタスクに最適な情報を抽出するために、システムのどの状態を測定しどのように組み合わせるかを学習する「適応的センシング」フレームワークを提案し、その有効性をカオス的なベンチマークでの予測精度向上によって実証したものである。
Multimode cavity magnonics in mumax+: from coherent to dissipative coupling in ferromagnets and antiferromagnets
この論文は、GPU 加速型のオープンソース・マイクロマグニクスフレームワーク「mumax+」に、コヒーレントおよび散逸的な光子 - マグノン結合をシミュレートするための 2 段階のキャビティ・マグノニクス拡張機能を導入し、一貫した結合から反発・引力の遷移に至るまで、強磁性体および反強磁性体における多様な量子現象を効率的に検証可能にしたことを報告しています。
Loading of Relativistic Maxwellian-type Distributions Revisited
この論文は、逆変換サンプリングに基づき、シフトされたマクスウェル分布の累積分布関数を近似する逆関数を用いて相対論的マクスウェル分布を効率的に生成する数値的手法を提案し、数値実験によりその有効性を示したものである。
Numerical evaluation of Casimir forces using the discontinuous Galerkin time-domain method
本論文は、有限温度における任意の幾何学形状や材料特性を持つ系に対するカシミール力を評価するための、不連続ガラーキン時間領域法に基づく新しい数値手法を提案し、平行半空間や円筒対称構造などのケースでその精度と有効性を検証したものである。
Fast proton transport and neutron production in proton therapy using Fourier neural operators
この論文は、モンテカルロ法に匹敵する精度で数秒以内にプロトン線治療中の角度・エネルギー分解されたプロトン輸送と中性子生成を予測し、リアルタイム適応型レンジ検証システムの構築を可能にするフーリエ神経作用素（FNO）に基づくサーロゲートモデルを提案するものである。
Modified-gradient methods for exact divergence-free in meshless magnetohydrodynamics
本論文は、ラグランジュ的なメッシュレス磁気流体力学において、制約勾配法と比較して修正勾配法を用いることで、数値誤差の範囲内で磁場の発散を完全にゼロに抑え、精度と数値的散逸を大幅に改善する手法を提案・検証したものである。
Reducing hyperparameter sensitivity in measurement-feedback based Ising machines
本論文は、測定フィードバック型のイジングマシンにおいて時間連続モデルと実験的な時間離散モデルの間に存在するハイパーパラメータ有効範囲の格差を分析し、その感度を低減する手法を提案・実証したものである。
Nine-element machine-learned interatomic potentials for multiphase refractory alloys
本研究では、高温度特性を必要とする耐熱合金の設計を支援するため、周期表 4〜6 族の 9 元素からなる任意の組成に対応し、多様な相（純金属、固溶体、金属間化合物、ガラス相）を効率的かつ高精度にシミュレーション可能な機械学習原子間ポテンシャル（tabGAP および NEP）と、その学習データ収集のための新しいクロスサンプリング戦略を開発し、相転移や放射線損傷などの現象再現を通じてその有用性を示しました。
Machine-learned Interatomic Potential for TiC MXenes: Application to Ion Irradiation Simulations
本研究では、TiC MXene 向けに密度汎関数理論データに基づいて高精度かつ計算効率の良い機械学習原子間ポテンシャルを開発し、イオン照射シミュレーションを通じてスパッタリングや欠陥生成などの挙動を解明し、MXene の欠陥工学や他の MXene 系への機械学習シミュレーション適用の指針を示しました。
Topological interfacial states in ferroelectric domain walls of two-dimensional bismuth
機械学習を用いた解析により、単元素強誘電体であるビスマス単層の帯電ドメインウォールが低エネルギーであり、その非対称構造に起因する内蔵電場によってトポロジカル界面状態のエネルギーが分裂しフェルミ準位で偶然バンド交差が生じることを明らかにし、二次元ビスマスのドメインウォールが次世代デバイスの有望なプラットフォームとなる可能性を示しました。
Unraveling Lithium Dynamics in Solid Electrolyte Interphase: From Graph Contrastive Learning to Transport Pathways
本研究では、グラフ対照学習、拡張動的モード分解、遷移経路理論を統合した汎用フレームワーク「GET-SEI」を開発し、全固体電池の固体電解質界面（SEI）における局所的原子環境の自動特定とリチウム輸送経路・速度論的ボトルネックの定量的解明を実現しました。
ChemNavigator: Agentic AI Discovery of Design Rules for Organic Photocatalysts
本研究は、大規模言語モデルと密度汎関数 Tight Binding 計算を統合した自律型 AI システム「ChemNavigator」が、有機光触媒の設計において人間が明示的に指示しなくても、統計的に有意な構造 - 物性関係（設計則）を自律的に導き出し、解釈可能な化学的知見を確立したことを示しています。