フロリダ海峡における海中流速推定のための物理情報深層学習：海洋流タービンの運用資源評価に向けて
Physics-Informed Deep Learning for Subsurface Current Estimation in the Florida Straits: Toward Operational Resource Assessment for Ocean Current Turbines (原題)
Yu, Minghao, Tang, Yufei, DeVito, Louis, Fung, Sasha, Cherubin, Laurent, VanZwieten, James
🤖 gxceed AI 要約
日本語
フロリダ海峡の海中三次元流速を、海面・水文の35入力チャネルから推定する物理情報深層学習フレームワークを開発。データのみのモデルが生む物理的不整合を抑えつつ、深度分解したフロリダ海流と輸送量の再構成精度を高める。海洋流タービン（OCT）の運用資源評価を迅速かつ空間分解能高く行うことを狙う。
English
This work develops a physics-informed deep learning framework that estimates three-dimensional subsurface velocities in the Florida Straits from 35 gridded surface and hydrographic input channels. It aims to improve depth-resolved reconstruction of the Florida Current and transport while avoiding the physical inconsistencies of data-only models, supporting operational resource assessment for ocean current turbines.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本は黒潮など強流帯を有し、海洋再生可能エネルギーの資源評価に関心が高い。本手法は国内の海流発電ポテンシャル評価や洋上エネルギー計画の高度化に示唆を与える。
In the global GX context
Ocean current turbines are an emerging marine renewable resource; improved subsurface current characterization supports credible resource assessment and could feed into renewable-energy transition planning and investment cases globally.
👥 読者別の含意
🔬研究者:物理情報深層学習を海洋流速再構成へ適用する手法設計の参考になる。
🏢実務担当者:海洋エネルギー事業の資源評価・サイト選定の精度向上に資する。
🏛政策担当者:海洋再生可能エネルギーの資源ポテンシャル評価手法として政策検討に示唆。
📄 Abstract（原文）
Ocean current turbines (OCTs) deployed in persistent, fast-flowing western boundary currents represent a promising renewable energy resource with strong potential to support coastal electrification along the southeastern United States. OCT deployment requires accurate characterization of three-dimensional currents within the upper 100–150 m, where turbines are expected to operate. Conventional methods rely on sparse ADCP observations or computationally intensive ocean circulation models, limiting rapid and spatially resolved operational assessment. Deep learning can reconstruct subsurface ocean states from surface observations, but data-only models may produce physically inconsistent currents away from the surface. This work develops a physics-informed framework that estimates three-dimensional subsurface velocities in the Florida Straits from 35 gridded surface and hydrographic input channels. The objective is to improve depth-resolved Florida Current and transport reconstruction while retaining the flexibility of data-driven learning for ocean-current-turbine resource assessment.
🔗 Provenance — このレコードを発見したソース
- Zenodo https://zenodo.org/records/24116212first seen 2026-11-12 04:13:34
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。