論文の概要: Toward Machine Learned Highly Reduce Kinetic Models For Methane/Air Combustion

• arxiv url: http://arxiv.org/abs/2103.08377v2
• Date: Thu, 18 Mar 2021 15:37:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-19 10:37:13.497153
• Title: Toward Machine Learned Highly Reduce Kinetic Models For Methane/Air Combustion
• Title（参考訳）: メタン/空気燃焼の速度論的モデル学習に向けて
• Authors: Mark Kelly, Gilles Bourque, Stephen Dooley
• Abstract要約: 運動モデルを用いて、物理実験と比較して運転条件、燃料組成、燃焼器設計の影響をテストする。 対象とする詳細なモデル特性を高い忠実度で再現するコンパクトモデルを作成するための,新しいデータ指向三段階法を提案する。 この戦略はメタン/空気燃焼のための19種と15種のコンパクトモデルによって実証されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurate low dimension chemical kinetic models for methane are an essential component in the design of efficient gas turbine combustors. Kinetic models coupled to computational fluid dynamics (CFD) provide quick and efficient ways to test the effect of operating conditions, fuel composition and combustor design compared to physical experiments. However, detailed chemical kinetic models are too computationally expensive for use in CFD. We propose a novel data orientated three-step methodology to produce compact models that replicate a target set of detailed model properties to a high fidelity. In the first step, a reduced kinetic model is obtained by removing all non-essential species from the detailed model containing 118 species using path flux analysis (PFA). It is then numerically optimised to replicate the detailed model's prediction in two rounds; First, to selected species (OH,H,CO and CH4) profiles in perfectly stirred reactor (PSR) simulations and then re-optimised to the detailed model's prediction of the laminar flame speed. This is implemented by a purposely developed Machine Learned Optimisation of Chemical Kinetics (MLOCK) algorithm. The MLOCK algorithm systematically perturbs all three Arrhenius parameters for selected reactions and assesses the suitability of the new parameters through an objective error function which quantifies the error in the compact model's calculation of the optimisation target. This strategy is demonstrated through the production of a 19 species and a 15 species compact model for methane/air combustion. Both compact models are validated across a range of 0D and 1D calculations across both lean and rich conditions and shows good agreement to the parent detailed mechanism. The 15 species model is shown to outperform the current state-of-art models in both accuracy and range of conditions the model is valid over.
• Abstract（参考訳）: メタンの正確な低次元化学動力学モデルは、効率的なガスタービン燃焼器の設計に欠かせない要素である。 計算流体力学(CFD)に結合された運動モデルは、物理実験と比較して、運転条件、燃料組成、燃焼器設計の影響を迅速かつ効率的にテストする方法を提供する。 しかし、詳細な化学動力学モデルはCFDでの使用には計算コストがかかりすぎる。 対象とする詳細なモデル特性を高い忠実度で再現するコンパクトモデルを作成するための,新しいデータ指向三段階法を提案する。 第1段階では、パスフラックス解析(PFA)を用いて、118種を含む詳細なモデルからすべての非必須種を除去し、還元速度論的モデルを得る。 まず、選択された種(OH,H,CO,CH4)のプロファイルを完全にかき混ぜた反応器(PSR)シミュレーションで再現し、その後、詳細なモデルによる層火炎速度の予測に再最適化する。 これは、化学動力学(mlock)アルゴリズムの故意に開発した機械学習最適化によって実装されている。 MLOCKアルゴリズムは、選択された反応に対する3つのアレニウスパラメータを体系的に摂動させ、最適化対象のコンパクトモデルの計算における誤差を定量化する客観的な誤差関数を通じて新しいパラメータの適合性を評価する。 この戦略は、メタン/空気燃焼のための19種と15種のコンパクトモデルによって実証される。 どちらのコンパクトモデルも、リーンとリッチの両方の条件で0dと1dの計算範囲で検証され、親の詳細なメカニズムに良い一致を示します。 15種モデルは、現在の最先端モデルよりも精度とモデルが有効な条件の範囲の両方で優れていることが示されている。

関連論文リスト

• Chemical Reaction Neural Networks for Fitting Accelerating Rate Calorimetry Data [37.69303106863453]
  化学反応ニューラルネットワーク(CRNN)は、モリセル21700 P45Bから得られたARCデータにN方程式のアレニウスODEの運動パラメータを適合させるために訓練される。 この手法の柔軟性は、2方程式と4方程式のモデルを用いて実験することによって実証される。
  論文  参考訳（メタデータ） (2024-08-21T20:39:41Z)
• Molecule Design by Latent Prompt Transformer [76.2112075557233]
  本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。 本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:33:23Z)
• Maximum Entropy Model Correction in Reinforcement Learning [29.577846986302518]
  本稿では,強化学習における近似モデルを用いた計画手法の提案と理論的解析を行う。 モデル補正値イテレーション(MoCoVI)アルゴリズムとそのサンプルベース変種MoCoDynaを紹介する。 従来のモデルベースアルゴリズムとは異なり、MoCoVIとMoCoDynaは近似モデルを有効に利用し、依然として正しい値関数に収束する。
  論文  参考訳（メタデータ） (2023-11-29T18:00:41Z)
• A Three-regime Model of Network Pruning [47.92525418773768]
  我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。 プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。 本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
  論文  参考訳（メタデータ） (2023-05-28T08:09:25Z)
• Low-Dimensional High-Fidelity Kinetic Models for NOX Formation by a Compute Intensification Method [0.0]
  この方法は、コンパクトモデル生成のためのケミカル・キネティクス・アルゴリズムの機械学習最適化に適応する。 3つの追加ノード(N, NO, NO2)からなる最小サイズの仮想反応ネットワークを構成する論理規則の集合を定義する。 結果として得られた18ノードの仮想反応ネットワークは、MLOCK符号化アルゴリズムによって処理され、NOX生成のための多数のコンパクトモデル候補を生成する。
  論文  参考訳（メタデータ） (2022-02-21T13:08:01Z)
• Toward Development of Machine Learned Techniques for Production of Compact Kinetic Models [0.0]
  化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。 本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
  論文  参考訳（メタデータ） (2022-02-16T12:31:24Z)
• A deep learning-based model reduction (DeePMR) method for simplifying chemical kinetics [10.438320849775224]
  The DeePMR is proposed and validationed using high-teature auto-ignitions, perfect stired reactors (PSR), and one-dimensional free propagating flames of n-heptane/air mixtures。 DeePMRの鍵となる考え方は、最適化問題における目的関数を定式化するためにディープニューラルネットワーク(DNN)を使用することである。
  論文  参考訳（メタデータ） (2022-01-06T12:31:32Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)
• MoEfication: Conditional Computation of Transformer Models for Efficient Inference [66.56994436947441]
  トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。 スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。 そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
  論文  参考訳（メタデータ） (2021-10-05T02:14:38Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。