論文の概要: Identifying Entangled Physics Relationships through Sparse Matrix
Decomposition to Inform Plasma Fusion Design
- arxiv url: http://arxiv.org/abs/2010.15208v1
- Date: Wed, 28 Oct 2020 20:20:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 05:02:08.027146
- Title: Identifying Entangled Physics Relationships through Sparse Matrix
Decomposition to Inform Plasma Fusion Design
- Title（参考訳）: プラズマ核融合設計のためのスパースマトリックス分解による絡み合った物理関係の同定
- Authors: M. Giselle Fern\'andez-Godino, Michael J. Grosskopf, Julia B. Nakhleh,
Brandon M. Wilson, John Kline, and Gowri Srinivasan
- Abstract要約: 慣性核融合(ICF)による持続可能な燃焼プラットフォームは、50年以上にわたって進行中の課題である。
我々はスパース行列分解法を用いて、いくつかの関連する設計変数のクラスタを同定する。
可変重要性解析により、ピケットパワーやレーザーエネルギーといった中性子収率と高い相関を持つ変数に加えて、パルスステップの数などのICF設計の劇的な変化を表す変数も非常に重要であることが判明した。
- 参考スコア（独自算出の注目度）: 0.021079694661943604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A sustainable burn platform through inertial confinement fusion (ICF) has
been an ongoing challenge for over 50 years. Mitigating engineering limitations
and improving the current design involves an understanding of the complex
coupling of physical processes. While sophisticated simulations codes are used
to model ICF implosions, these tools contain necessary numerical approximation
but miss physical processes that limit predictive capability. Identification of
relationships between controllable design inputs to ICF experiments and
measurable outcomes (e.g. yield, shape) from performed experiments can help
guide the future design of experiments and development of simulation codes, to
potentially improve the accuracy of the computational models used to simulate
ICF experiments. We use sparse matrix decomposition methods to identify
clusters of a few related design variables. Sparse principal component analysis
(SPCA) identifies groupings that are related to the physical origin of the
variables (laser, hohlraum, and capsule). A variable importance analysis finds
that in addition to variables highly correlated with neutron yield such as
picket power and laser energy, variables that represent a dramatic change of
the ICF design such as number of pulse steps are also very important. The
obtained sparse components are then used to train a random forest (RF)
surrogate for predicting total yield. The RF performance on the training and
testing data compares with the performance of the RF surrogate trained using
all design variables considered. This work is intended to inform design changes
in future ICF experiments by augmenting the expert intuition and simulations
results.
- Abstract（参考訳）: 慣性核融合(ICF)による持続可能な燃焼プラットフォームは、50年以上にわたって進行中の課題である。
エンジニアリングの制限を緩和し、現在の設計を改善するには、物理プロセスの複雑な結合を理解する必要がある。
高度なシミュレーションコードはICFインロジョンをモデル化するために使用されるが、これらのツールは必要な数値近似を含むが、予測能力を制限する物理過程を見逃す。
icf実験における制御可能な設計入力と測定可能な結果(例えば収量、形状)の関係の同定は、実験の将来設計とシミュレーションコードの開発を導く助けとなり、icf実験のシミュレーションに使用される計算モデルの精度を向上させる可能性がある。
スパース行列分解法を用いていくつかの設計変数のクラスタを同定する。
スパース主成分分析 (spca) は、変数の物理的起源(レーザー、ホラウム、カプセル)に関連するグループを識別する。
可変重要性解析により、ピケットパワーやレーザーエネルギーといった中性子収率と高い相関を持つ変数に加えて、パルスステップの数などのICF設計の劇的な変化を表す変数も非常に重要であることがわかった。
次に得られたスパース成分を用いて、ランダム森林(RF)シュロゲートをトレーニングし、総収量を予測する。
トレーニングおよびテストデータにおけるRF性能は、考慮されたすべての設計変数を用いて訓練されたRFサロゲートの性能と比較する。
この研究は、専門家の直観とシミュレーション結果の強化により、将来のicf実験における設計変更を知らせることを目的としている。
関連論文リスト
- Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳（メタデータ） (2024-07-26T10:29:16Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Evaluating the Transferability of Machine-Learned Force Fields for
Material Property Modeling [2.494740426749958]
本稿では,機械学習力場の伝達性を評価するため,より包括的なベンチマークテストを提案する。
我々は、OpenMMパッケージと結合したグラフニューラルネットワーク(GNN)ベースの力場を用いて、ArgonのMDシミュレーションを実行する。
実験結果から, モデルが固体相の挙動を正確に把握できるのは, 固体相の構成がトレーニングデータセットに含まれる場合のみであることがわかった。
論文 参考訳（メタデータ） (2023-01-10T00:25:48Z) - Applying Physics-Informed Enhanced Super-Resolution Generative
Adversarial Networks to Turbulent Premixed Combustion and Engine-like Flame
Kernel Direct Numerical Simulation Data [0.0]
この研究は、最近開発されたPIESRGANによる乱流予混合燃焼のモデリング手法を推し進めている。
その結果, 全乱流予混合火炎核の直接数値シミュレーションデータに対して, 先行実験と後続試験に良好な結果が得られた。
論文 参考訳（メタデータ） (2022-10-28T15:27:46Z) - Trustworthiness of Laser-Induced Breakdown Spectroscopy Predictions via
Simulation-based Synthetic Data Augmentation and Multitask Learning [4.633997895806144]
レーザ誘起分解分光法を用いてスペクトルデータの定量的解析を行う。
我々は、利用可能なトレーニングデータの小さなサイズと、未知のデータに対する推論中の予測の検証に対処する。
論文 参考訳（メタデータ） (2022-10-07T18:00:09Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳（メタデータ） (2022-06-10T04:54:13Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - Cognitive simulation models for inertial confinement fusion: Combining
simulation and experimental data [0.0]
研究者は、高性能な爆発を求めて設計空間を探索するためにコンピュータシミュレーションに大きく依存しています。
より効果的な設計と調査のために、シミュレーションは過去の実験データからの入力を必要とする。
本稿では,シミュレーションと実験データを共通の予測モデルに組み合わせた認知シミュレーション手法について述べる。
論文 参考訳（メタデータ） (2021-03-19T02:00:14Z) - Exploring Sensitivity of ICF Outputs to Design Parameters in Experiments
Using Machine Learning [0.021987601456703473]
慣性閉じ込め核融合(ICF)における持続可能な燃焼プラットフォームの構築には、重要な設計変更が衝撃性能にもたらす物理的プロセスと影響を理解する必要がある。
本稿では、機械学習(ML)の発達と、MLの特徴重要度/感度分析の手法を活用し、専門家の判断だけでは処理が難しい方法で複雑な関係を識別する。
RFモデルは、ICF実験データを高精度に学習し、予測できることを示すとともに、様々なICF設計構成のための様々な制御可能な設計インプットの物理的意義についての洞察を提供する特徴的重要度指標を抽出する。
論文 参考訳（メタデータ） (2020-10-08T20:54:23Z) - Large-scale Neural Solvers for Partial Differential Equations [48.7576911714538]
偏微分方程式 (PDE) を解くことは、多くのプロセスがPDEの観点でモデル化できるため、科学の多くの分野において不可欠である。
最近の数値解法では、基礎となる方程式を手動で離散化するだけでなく、分散コンピューティングのための高度で調整されたコードも必要である。
偏微分方程式, 物理インフォームドニューラルネットワーク(PINN)に対する連続メッシュフリーニューラルネットワークの適用性について検討する。
本稿では,解析解に関するGatedPINNの精度と,スペクトル解法などの最先端数値解法について論じる。
論文 参考訳（メタデータ） (2020-09-08T13:26:51Z)
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。