論文の概要: Cost-effective search for lower-error region in material parameter space
using multifidelity Gaussian process modeling
- arxiv url: http://arxiv.org/abs/2003.13428v1
- Date: Sun, 15 Mar 2020 04:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 08:48:12.535340
- Title: Cost-effective search for lower-error region in material parameter space
using multifidelity Gaussian process modeling
- Title(参考訳): multifidelity gaussian process modeling を用いた材料パラメータ空間における低誤差領域の低コスト探索
- Authors: Shion Takeno, Yuhki Tsukada, Hitoshi Fukuoka, Toshiyuki Koyama, Motoki
Shiga, and Masayuki Karasuyama
- Abstract要約: 物質パラメータの推定には沈降形状に関する情報が不可欠である。
この領域は、LER (low-error region) と呼ばれ、沈殿物に含まれる物質の固有の情報を反映している。
ガウス過程に基づく多忠実度モデリングを用いて,異なる精度の複数の計算からトレーニングデータをサンプリングすることができる。
- 参考スコア(独自算出の注目度): 6.460853830978507
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Information regarding precipitate shapes is critical for estimating material
parameters. Hence, we considered estimating a region of material parameter
space in which a computational model produces precipitates having shapes
similar to those observed in the experimental images. This region, called the
lower-error region (LER), reflects intrinsic information of the material
contained in the precipitate shapes. However, the computational cost of LER
estimation can be high because the accurate computation of the model is
required many times to better explore parameters. To overcome this difficulty,
we used a Gaussian-process-based multifidelity modeling, in which training data
can be sampled from multiple computations with different accuracy levels
(fidelity). Lower-fidelity samples may have lower accuracy, but the
computational cost is lower than that for higher-fidelity samples. Our proposed
sampling procedure iteratively determines the most cost-effective pair of a
point and a fidelity level for enhancing the accuracy of LER estimation. We
demonstrated the efficiency of our method through estimation of the interface
energy and lattice mismatch between MgZn2 and {\alpha}-Mg phases in an Mg-based
alloy. The results showed that the sampling cost required to obtain accurate
LER estimation could be drastically reduced.
- Abstract(参考訳): 沈殿形状に関する情報は材料パラメータの推定に不可欠である。
そこで,本研究では,実験画像に類似した形状の沈殿物を生成する材料パラメータ空間の領域を推定することを検討した。
この領域は低エラー領域(LER)と呼ばれ、沈殿物に含まれる物質の固有の情報を反映している。
しかし、モデルの正確な計算はパラメータの探索に何度も必要となるため、ler推定の計算コストは高くなる。
この難しさを克服するために、我々は、異なる精度レベル(忠実度)の複数の計算からトレーニングデータをサンプリングできるガウスプロセスベースのマルチフィデリティモデリングを用いた。
低忠実度サンプルは精度が低いが、高忠実度サンプルよりも計算コストが低い。
提案手法は,LER推定の精度を高めるために,最もコスト効率の良い点対と忠実度を反復的に決定する。
Mg系合金におけるMgZn2とMg-Mg相の界面エネルギーと格子ミスマッチを推定し,本手法の有効性を実証した。
その結果, 正確なLER推定に要するサンプリングコストを大幅に削減できることがわかった。
関連論文リスト
- Investigating Data Hierarchies in Multifidelity Machine Learning for Excitation Energies [0.0]
本研究では,QeMFiベンチマークを用いた鉛直励起エネルギー予測におけるモデル効率と精度に対する$gamma$の修正の影響について検討した。
MFMLの新たな誤差距離、誤差輪郭は、各忠実度からのモデル誤差寄与の包括的ビューを提供するために提案される。
実験結果から, 対象忠実度が低い場合, 目標忠実度において2つのトレーニングサンプルのみを用いて, モデル精度を向上できることが示唆された。
論文 参考訳(メタデータ) (2024-10-15T08:35:00Z) - Estimating Pore Location of PBF-LB/M Processes with Segmentation Models [0.0]
本稿では,ガウス核密度推定を用いて単一層内における位置を推定する多孔性局所化手法を提案する。
これにより、セグメンテーションモデルは、その場監視データと細孔発生の導出確率分布との相関を学習することができる。
以上の結果から,本手法は最小限のデータ前処理を必要とする細孔の正確な局所化を可能にすると結論付けた。
論文 参考訳(メタデータ) (2024-08-05T14:31:09Z) - Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
線形化されたラプラス近似に下界を導入する。
これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
論文 参考訳(メタデータ) (2023-06-06T19:02:57Z) - Post-training Model Quantization Using GANs for Synthetic Data
Generation [57.40733249681334]
量子化法における実データを用いたキャリブレーションの代用として合成データを用いた場合について検討する。
本稿では,StyleGAN2-ADAが生成したデータと事前学習したDiStyleGANを用いて定量化したモデルの性能と,実データを用いた量子化とフラクタル画像に基づく代替データ生成手法との比較を行った。
論文 参考訳(メタデータ) (2023-05-10T11:10:09Z) - Beyond EM Algorithm on Over-specified Two-Component Location-Scale
Gaussian Mixtures [29.26015093627193]
負の対数様関数の曲率を効率的に探索するために,指数位置更新法(ELU)アルゴリズムを開発した。
ELUアルゴリズムは、対数的な反復数の後、モデルの最終的な統計的半径に収束することを示した。
論文 参考訳(メタデータ) (2022-05-23T06:49:55Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。
実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文 参考訳(メタデータ) (2021-04-05T21:44:00Z) - Augmented Sliced Wasserstein Distances [55.028065567756066]
拡張スライスされたワッサーシュタイン距離(ASWD)と呼ばれる新しい距離測定法を提案する。
ASWDは、ニューラルネットワークによってパラメータ化された高次元超曲面への最初のマッピングサンプルによって構成される。
数値的な結果から、ASWDは、合成問題と実世界の問題の両方において、他のワッサーシュタイン変種を著しく上回っていることが示されている。
論文 参考訳(メタデータ) (2020-06-15T23:00:08Z) - Efficient Debiased Evidence Estimation by Multilevel Monte Carlo
Sampling [0.0]
ベイズ推論に基づくマルチレベルモンテカルロ法(MLMC)の最適化手法を提案する。
計算結果から,従来の推定値と比較すると,かなりの計算量の削減が確認できた。
論文 参考訳(メタデータ) (2020-01-14T09:14:24Z) - Localized Debiased Machine Learning: Efficient Inference on Quantile
Treatment Effects and Beyond [69.83813153444115]
因果推論における(局所)量子化処理効果((L)QTE)の効率的な推定式を検討する。
Debiased Machine Learning (DML)は、高次元のニュアンスを推定するデータ分割手法である。
本稿では、この負担のかかるステップを避けるために、局所的脱バイアス機械学習(LDML)を提案する。
論文 参考訳(メタデータ) (2019-12-30T14:42:52Z)
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。