論文の概要: Accelerated reactive transport simulations in heterogeneous porous media
using Reaktoro and Firedrake
- arxiv url: http://arxiv.org/abs/2009.01194v2
- Date: Thu, 29 Oct 2020 13:24:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 04:26:36.531157
- Title: Accelerated reactive transport simulations in heterogeneous porous media
using Reaktoro and Firedrake
- Title(参考訳): ReaktoroとFiredrakeを用いた異種多孔質媒体の高速反応性輸送シミュレーション
- Authors: Svetlana Kyas, Diego Volpatto, Martin O. Saar, and Allan M. M. Leal
- Abstract要約: ODMLは、反応性輸送シミュレーションにおける計算コストの高い地球化学反応計算を高速化するために考案された。
ODMLアルゴリズムは,これらの計算を1~3桁の速度で高速化することを示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work investigates the performance of the on-demand machine learning
(ODML) algorithm introduced in Leal et al. (2020) when applied to different
reactive transport problems in heterogeneous porous media. ODML was devised to
accelerate the computationally expensive geochemical reaction calculations in
reactive transport simulations. We demonstrate that the ODML algorithm speeds
up these calculations by one to three orders of magnitude. Such acceleration,
in turn, significantly accelerates the entire reactive transport simulation.
The numerical experiments are performed by implementing the coupling of two
open-source software packages: Reaktoro (Leal, 2015) and Firedrake (Rathgeber
et al., 2016).
- Abstract(参考訳): 本稿では,leal et al. (2020) で導入されたオンデマンド機械学習 (odml) アルゴリズムの性能を,異種多孔質媒質中の異なる反応性輸送問題に適用した場合に検討する。
ODMLは、反応性輸送シミュレーションにおける計算コストの高い地球化学反応計算を高速化するために考案された。
ODMLアルゴリズムはこれらの計算を1~3桁高速化することを示した。
このような加速は反応輸送シミュレーション全体を著しく加速させる。
数値実験は、reaktoro (leal, 2015)とfiredrake (rathgeber et al., 2016)の2つのオープンソースソフトウェアパッケージの結合を実装して行われる。
関連論文リスト
- Mitigating distribution shift in machine learning-augmented hybrid
simulation [15.37429773698171]
本稿では,機械学習によるハイブリッドシミュレーションにおいて一般的に発生する分布シフトの問題について検討する。
本稿では,分布シフトを制御するために,接空間正規化推定器に基づく簡単な手法を提案する。
いずれの場合も,提案手法によるシミュレーション精度の向上が顕著である。
論文 参考訳(メタデータ) (2024-01-17T15:05:39Z) - Lamarr: LHCb ultra-fast simulation based on machine learning models
deployed within Gauss [0.0]
LHCb実験における検出器応答と再構成アルゴリズムの両方をパラメータ化するシミュレーション生成を高速化するフレームワークであるLamarrについて論じる。
複数のアルゴリズムと戦略を駆使した深部生成モデルを用いて、LHCb検出器の単一成分の高レベル応答を効果的にパラメータ化する。
論文 参考訳(メタデータ) (2023-03-20T20:18:04Z) - Adaptive physics-informed neural operator for coarse-grained
non-equilibrium flows [0.0]
このフレームワークは、階層的かつ適応的なディープラーニング戦略を通じて、次元還元とニューラル演算子を組み合わせる。
提案したサロゲートのアーキテクチャは木として構成され、葉ノードは別々の神経オペレータブロックを表す。
0-Dのシナリオでは、提案されたMLフレームワークは、最大相対誤差が4.5%である約30種の力学を適応的に予測することができる。
論文 参考訳(メタデータ) (2022-10-27T23:26:57Z) - Acceleration of Subspace Learning Machine via Particle Swarm
Optimization and Parallel Processing [23.33955958124822]
サブスペース・ラーニング・マシン(SLM)は、一般的な分類および回帰タスクにおいて高い性能を提供するために提案されている。
性能改善は高い計算複雑性を犠牲にして達成される。
実験結果から, 加速SLM法はトレーニング時間で577の高速化率を達成することがわかった。
論文 参考訳(メタデータ) (2022-08-15T06:33:15Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳(メタデータ) (2022-06-29T22:19:03Z) - Truncated tensor Schatten p-norm based approach for spatiotemporal
traffic data imputation with complicated missing patterns [77.34726150561087]
本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。
本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
論文 参考訳(メタデータ) (2022-05-19T08:37:56Z) - Accelerating Part-Scale Simulation in Liquid Metal Jet Additive
Manufacturing via Operator Learning [0.0]
部分スケールの予測は多くの小規模シミュレーションを必要とする。
LMJにおける液滴の合体性を記述するモデルとして, 混合圧縮性流体流, 熱伝達, 相変化方程式がある。
我々は,液滴の合体過程の初期状態と最終状態のマッピングを演算子学習アプローチで学習する。
論文 参考訳(メタデータ) (2022-02-02T17:24:16Z) - Reinforcement Learning for Adaptive Mesh Refinement [63.7867809197671]
マルコフ決定過程としてのAMRの新規な定式化を提案し,シミュレーションから直接改良政策を訓練するために深部強化学習を適用した。
これらのポリシーアーキテクチャのモデルサイズはメッシュサイズに依存しないため、任意に大きく複雑なシミュレーションにスケールします。
論文 参考訳(メタデータ) (2021-03-01T22:55:48Z) - STaRFlow: A SpatioTemporal Recurrent Cell for Lightweight Multi-Frame
Optical Flow Estimation [64.99259320624148]
マルチフレーム光フロー推定のための軽量CNNアルゴリズムを提案する。
結果のSTaRFlowアルゴリズムは、MPI SintelとKitti2015で最先端のパフォーマンスを提供する。
論文 参考訳(メタデータ) (2020-07-10T17:01:34Z) - Accelerating Feedforward Computation via Parallel Nonlinear Equation
Solving [106.63673243937492]
ニューラルネットワークの評価や自己回帰モデルからのサンプリングなどのフィードフォワード計算は、機械学習においてユビキタスである。
本稿では,非線形方程式の解法としてフィードフォワード計算の課題を定式化し,ジャコビ・ガウス・シーデル固定点法とハイブリッド法を用いて解を求める。
提案手法は, 並列化可能な繰り返し回数の削減(あるいは等値化)により, 元のフィードフォワード計算と全く同じ値が与えられることを保証し, 十分な並列化計算能力を付与する。
論文 参考訳(メタデータ) (2020-02-10T10:11:31Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳(メタデータ) (2020-01-22T08:51:05Z)
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。