論文の概要: Metamodel Based Forward and Inverse Design for Passive Vibration Suppression

• arxiv url: http://arxiv.org/abs/2007.15038v1
• Date: Wed, 29 Jul 2020 18:11:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 21:03:19.669634
• Title: Metamodel Based Forward and Inverse Design for Passive Vibration Suppression
• Title（参考訳）: 受動振動抑制のためのメタモデルと逆設計
• Authors: Amir Behjat, Manaswin Oddiraju, Mohammad Ali Attarzadeh, Mostafa Nouh, Souma Chowdhury
• Abstract要約: 周期的メタマテリアルは、同じ単位細胞の自己複製鎖ではなく、異なる構造ブロック(細胞)から構成される構造システムを表す。 本稿では,1次元メタマテリアルシステム,すなわちドリルストリングに適用した設計自動化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.6774008509840996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aperiodic metamaterials represent a class of structural systems that are composed of different building blocks (cells), instead of a self-repeating chain of the same unit cells. Optimizing aperiodic cellular structural systems thus presents high-dimensional problems that are challenging to solve using purely high-fidelity structural optimization approaches. Specialized analytical modeling along with metamodel based optimization can provide a more tractable alternative solution approach. To this end, this paper presents a design automation framework applied to a 1D metamaterial system, namely a drill string, where vibration suppression is of utmost importance. The drill string comprises a set of nonuniform rings attached to the outer surface of a longitudinal rod. As such, the resultant system can now be perceived as an aperiodic 1D metamaterial with each ring/gap representing a cell. Despite being a 1D system, the simultaneous consideration of multiple DoF (i.e., torsional, axial, and lateral motions) poses significant computational challenges. Therefore, a transfer matrix method (TMM) is employed to analytically determine the frequency response of the drill string. A suite of neural networks (ANN) is trained on TMM samples (which present minute-scale computing costs per evaluation), to model the frequency response. ANN-based optimization is then performed to minimize mass subject to constraints on the gap between consecutive resonance peaks in one case, and minimizing this gap in the second case, leading to crucial improvements over baselines. Further novel contribution occurs through the development of an inverse modeling approach that can instantaneously produce the 1D metamaterial design with minimum mass for a given desired non-resonant frequency range. This is accomplished by using invertible neural networks, and results show promising alignment with forward solutions.
• Abstract（参考訳）: 周期的メタマテリアルは、同じ単位細胞の自己複製鎖ではなく、異なる構造ブロック(細胞)から構成される構造系のクラスを表す。 したがって、周期的なセル構造系を最適化することは、純粋に高忠実な構造最適化アプローチを用いて解決が難しい高次元問題を提示する。 特殊な分析モデリングとメタモデルに基づく最適化は、より扱いやすい代替ソリューションアプローチを提供する。 そこで本稿では,1次元メタマテリアルシステム,すなわちドリル弦に適用する設計自動化フレームワークを提案する。 ドリルストリングは、長手棒の外面に取り付けられた一様でないリングの集合からなる。 したがって、結果として得られるシステムは、細胞を表す各リング/gapを持つ非周期1dメタマテリアルとして認識できる。 1Dシステムであるにもかかわらず、複数のDoF(例えば、ねじれ、軸運動、横運動)の同時考慮は、重要な計算課題を引き起こす。 そのため、ドリル弦の周波数応答を解析的に決定するために、転送行列法(TMM)を用いる。 ニューラルネットワークのスイート(ANN)は、周波数応答をモデル化するために、TMMサンプル(評価毎の分スケールコンピューティングコスト)に基づいて訓練される。 annベースの最適化は、連続する共鳴ピーク間のギャップの制約を受ける質量を最小化し、このギャップを第2のケースで最小化し、ベースラインよりも重要な改善をもたらす。 さらに新しい貢献は、所望の非共鳴周波数範囲に対して最小質量の1次元メタマテリアル設計を瞬時に生成できる逆モデリング手法の開発によってもたらされる。 これは可逆ニューラルネットワークを用いて実現され、結果は前方解と有望な一致を示す。

関連論文リスト

• Symplectic Autoencoders for Model Reduction of Hamiltonian Systems [0.0]
  長期の数値安定性を確保するためには,システムに関連するシンプレクティックな構造を維持することが重要である。 本稿では,次元削減のための確立されたツールであるオートエンコーダの精神の中で,新しいニューラルネットワークアーキテクチャを提案する。 ネットワークのトレーニングには,非標準勾配降下法を適用した。
  論文  参考訳（メタデータ） (2023-12-15T18:20:25Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
  Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。 本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-06T20:28:37Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• A DeepParticle method for learning and generating aggregation patterns in multi-dimensional Keller-Segel chemotaxis systems [3.6184545598911724]
  ケラー・セガル (KS) ケモタキシー系の2次元および3次元における凝集パターンと近傍特異解の正則化相互作用粒子法について検討した。 さらに,物理パラメータの異なる解を学習し,生成するためのDeepParticle (DP) 法を開発した。
  論文  参考訳（メタデータ） (2022-08-31T20:52:01Z)
• Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
  チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。 受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。 エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
  論文  参考訳（メタデータ） (2021-08-03T14:26:14Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• Enhanced Beam Alignment for Millimeter Wave MIMO Systems: A Kolmogorov Model [7.273098050146647]
  ミリ波(mmWave)多重出力多重出力(MIMO)システムにおけるビームアライメント問題の改善について述べる。 離散単調最適化(DMO)を中心にした新しい手法を提案する。 ミリ波ビームアライメントにおけるKM学習の有効性を示すシミュレーション結果を示す。
  論文  参考訳（メタデータ） (2020-07-27T03:52:46Z)
• A Deterministic plus Stochastic Model of the Residual Signal for Improved Parametric Speech Synthesis [11.481208551940998]
  残差に対する決定論的プラスモデル(DSM)の適応を提案する。 提案手法はHMMベース音声合成器に組み込まれている。 その結果,男女ともに有意な改善が認められた。
  論文  参考訳（メタデータ） (2019-12-29T07:26:47Z)

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。