Neural Operator for Accelerating Coronal Magnetic Field Model

要約

複雑な磁場が太陽活動に影響を与えるため、太陽の外気を研究することは困難です。
磁気流体力学 (MHD) シミュレーションは、これらの相互作用のモデル化に役立ちますが、非常に時間がかかります (通常は数日規模)。
私たちの研究では、フーリエ ニューラル オペレーター (FNO) を適用して、コロナ磁場モデリング、特に Bifrost MHD モデルを加速します。
テンソル化 FNO (TFNO) を適用して、3D ドメイン上の偏微分方程式 (PDE) から効率的に解を生成します。
TFNO のパフォーマンスは他の深層学習手法と比較され、その精度と拡張性が強調されています。
物理解析により、TFNO が信頼性が高く、MHD シミュレーションを高精度で高速化できることが確認されています。
この進歩により、データ処理の効率が向上し、予測機能が強化され、磁気トポロジーの理解が深まります。

要約(オリジナル)

Studying the sun’s outer atmosphere is challenging due to its complex magnetic fields impacting solar activities. Magnetohydrodynamics (MHD) simulations help model these interactions but are extremely time-consuming (usually on a scale of days). Our research applies the Fourier Neural Operator (FNO) to accelerate the coronal magnetic field modeling, specifically, the Bifrost MHD model. We apply Tensorized FNO (TFNO) to generate solutions from partial differential equations (PDEs) over a 3D domain efficiently. TFNO’s performance is compared with other deep learning methods, highlighting its accuracy and scalability. Physics analysis confirms that TFNO is reliable and capable of accelerating MHD simulations with high precision. This advancement improves efficiency in data handling, enhances predictive capabilities, and provides a better understanding of magnetic topologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google