論文の概要: CLAIMED: A CLAssification-Incorporated Minimum Energy Design to explore
a multivariate response surface with feasibility constraints
- arxiv url: http://arxiv.org/abs/2006.05021v2
- Date: Tue, 14 Sep 2021 03:55:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 13:44:19.611180
- Title: CLAIMED: A CLAssification-Incorporated Minimum Energy Design to explore
a multivariate response surface with feasibility constraints
- Title(参考訳): クレーム:実現可能性制約のある多変量応答面を探索するための分類を組み込んだ最小エネルギー設計
- Authors: Mert Y. Sengul, Yao Song, Linglin He, Adri C. T. van Duin, Ying Hung
and Tirthankar Dasgupta
- Abstract要約: 物理学における力場系の最適化の問題に動機付けられ、決定論的複素多変量応答曲面の探索を検討する。
目的は、所望または"ターゲット"ベクトルに近い出力を生成する入力の組み合わせを見つけることである。
1次元の損失関数に関して入力空間の探索の問題を減らす一方で、探索は非自明で困難である。
本稿では、機械学習技術とスマートな実験設計のアイデアを組み合わせることで、入力空間内の複数の良い領域を特定する手法を提案する。
- 参考スコア(独自算出の注目度): 5.358212984063069
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motivated by the problem of optimization of force-field systems in physics
using large-scale computer simulations, we consider exploration of a
deterministic complex multivariate response surface. The objective is to find
input combinations that generate output close to some desired or "target"
vector. In spite of reducing the problem to exploration of the input space with
respect to a one-dimensional loss function, the search is nontrivial and
challenging due to infeasible input combinations, high dimensionalities of the
input and output space and multiple "desirable" regions in the input space and
the difficulty of emulating the objective function well with a surrogate model.
We propose an approach that is based on combining machine learning techniques
with smart experimental design ideas to locate multiple good regions in the
input space.
- Abstract(参考訳): 大規模計算機シミュレーションを用いた物理学における力場系の最適化問題により,決定論的複素多変量応答曲面の探索を検討した。
目的は、所望または"ターゲット"ベクトルに近い出力を生成する入力の組み合わせを見つけることである。
1次元の損失関数に対する入力空間探索の問題を軽減する一方で、入力空間における入力空間と出力空間の高次元性と複数の「望ましくない」領域、および目的関数をサロゲートモデルでうまくエミュレートすることの難しさにより、探索は非自明で困難である。
本稿では,機械学習技術とスマートな実験設計アイデアを組み合わせることにより,入力空間内の複数の良い領域を探索する手法を提案する。
関連論文リスト
- A Multi-Fidelity Methodology for Reduced Order Models with
High-Dimensional Inputs [0.0]
本研究では,高次元コンテキスト向けに設計された新しい多面的・パラメトリック・非侵入型ROMフレームワークを提案する。
これは、多様体アライメントと次元縮小のための機械学習技術を統合する。
我々のアプローチは、2D RAE2822翼と3D NASA CRM翼の2つのテストケースで検証されている。
論文 参考訳(メタデータ) (2024-02-26T22:47:03Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳(メタデータ) (2024-01-24T01:33:39Z) - Preference-Aware Constrained Multi-Objective Bayesian Optimization [32.95116113569985]
本稿では,ブラックボックスの目的関数に対する制約付き多目的最適化の問題に対処し,入力空間の大部分を実現できない場合(すなわち制約に違反する場合)に,対象関数に対して具体的選好を行う。
主な課題は、設計空間の巨大なサイズ、複数の目的と多数の制約、そして高価なシミュレーションを実行した後にのみ特定できる実行可能な入力設計のごく一部である。
そこで本稿では,PAC-MOO(PAC-MOO)と呼ばれる制約付き複数目的ベイズ最適化手法を提案する。
論文 参考訳(メタデータ) (2023-03-23T04:46:49Z) - Feature-adjacent multi-fidelity physics-informed machine learning for
partial differential equations [0.1713291434132985]
物理インフォームドニューラルネットワークは偏微分方程式の解法として登場した。
複雑な問題に対して、そのようなネットワークのトレーニングには高忠実度データが必要である。
本稿では,低忠実度および高忠実度ソリューションで共有される特徴空間に基づく,新しい多忠実度アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-03-21T03:51:15Z) - Solving High-Dimensional PDEs with Latent Spectral Models [74.1011309005488]
我々は,高次元PDEの効率的かつ高精度な解法に向けて,Latent Spectral Models (LSM) を提案する。
数値解析において古典スペクトル法に着想を得て,潜時空間におけるPDEを解くために,ニューラルスペクトルブロックを設計する。
LSMは、一貫した最先端を実現し、7つのベンチマークで平均11.5%の相対的な利益を得る。
論文 参考訳(メタデータ) (2023-01-30T04:58:40Z) - Multi-Resource Allocation for On-Device Distributed Federated Learning
Systems [79.02994855744848]
本研究は,デバイス上の分散フェデレーション学習(FL)システムにおいて,レイテンシとエネルギー消費の重み付け和を最小化する分散マルチリソース割り当て方式を提案する。
システム内の各モバイルデバイスは、指定された領域内でモデルトレーニングプロセスを実行し、それぞれパラメータの導出とアップロードを行うための計算と通信資源を割り当てる。
論文 参考訳(メタデータ) (2022-11-01T14:16:05Z) - General Hamiltonian Representation of ML Detection Relying on the
Quantum Approximate Optimization Algorithm [74.6114458993128]
最適化問題を解くために考案された量子近似最適化アルゴリズム(QAOA)は、既存のノイズのある中間スケール量子(NISQ)デバイス上で実行することができる。
我々は、QAOAを適切に適応させることにより、一般星座の最大可能性(ML)検出問題を解く。
特に、M-ary Gray-mapped Quarature amplitude modulation (MQAM) 星座では、同相成分をコードする特定の量子ビットと二次成分をコードする量子ビットが、興味のある量子系において独立であることを示す。
論文 参考訳(メタデータ) (2022-04-11T14:11:24Z) - A survey of unsupervised learning methods for high-dimensional
uncertainty quantification in black-box-type problems [0.0]
複素偏微分方程式(PPDE)上の量子化不確実性(UQ)のための代理モデルを構築する。
次元性の呪いは、適切な教師なし学習技術で使用される事前次元の部分空間である。
我々は,m-PCEモデルの利点と限界を実証し,m-PCEモデルが深部部分空間に対するコスト効率の良いアプローチを提供すると結論付けた。
論文 参考訳(メタデータ) (2022-02-09T16:33:40Z) - Over-the-Air Multi-Task Federated Learning Over MIMO Interference
Channel [17.362158131772127]
We study over-the-air multi-task FL (OA-MTFL) over the multiple-input multiple-output (MIMO) interference channel。
そこで本研究では,各デバイスに局所勾配をアライメントするモデルアグリゲーション手法を提案する。
新たなモデルアグリゲーション手法を用いることで,デバイス選択はもはや我々の計画に必須ではないことを示す。
論文 参考訳(メタデータ) (2021-12-27T10:42:04Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳(メタデータ) (2021-04-01T19:06:00Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳(メタデータ) (2021-02-16T06:04:27Z)
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。