論文の概要: Cognitive simulation models for inertial confinement fusion: Combining
simulation and experimental data
- arxiv url: http://arxiv.org/abs/2103.10590v1
- Date: Fri, 19 Mar 2021 02:00:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 14:24:47.240916
- Title: Cognitive simulation models for inertial confinement fusion: Combining
simulation and experimental data
- Title（参考訳）: 慣性凝縮核融合の認知シミュレーションモデル:シミュレーションと実験データを組み合わせて
- Authors: K. D. Humbird, J. L. Peterson, J. Salmonson, B. K. Spears
- Abstract要約: 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。
- 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: The design space for inertial confinement fusion (ICF) experiments is vast
and experiments are extremely expensive. Researchers rely heavily on computer
simulations to explore the design space in search of high-performing
implosions. However, ICF multiphysics codes must make simplifying assumptions,
and thus deviate from experimental measurements for complex implosions. For
more effective design and investigation, simulations require input from past
experimental data to better predict future performance. In this work, we
describe a cognitive simulation method for combining simulation and
experimental data into a common, predictive model. This method leverages a
machine learning technique called transfer learning, the process of taking a
model trained to solve one task, and partially retraining it on a sparse
dataset to solve a different, but related task. In the context of ICF design,
neural network models trained on large simulation databases and partially
retrained on experimental data, producing models that are far more accurate
than simulations alone. We demonstrate improved model performance for a range
of ICF experiments at the National Ignition Facility, and predict the outcome
of recent experiments with less than ten percent error for several key
observables. We discuss how the methods might be used to carry out a
data-driven experimental campaign to optimize performance, illustrating the key
product -- models that become increasingly accurate as data is acquired.
- Abstract（参考訳）: 慣性閉じ込め核融合(ICF)実験のための設計空間は広く、実験は非常に高価である。
研究者は、高性能なインロジョンを探すために設計空間を探索するために、コンピューターシミュレーションに大きく依存している。
しかし、ICF多物理符号は仮定を単純化し、複雑なインロジョンの実験的な測定から逸脱させる必要がある。
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。
本研究では,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。
この方法は、トランスファーラーニングと呼ばれる機械学習技術を利用して、1つのタスクを解くように訓練されたモデルを取り、それをスパースデータセットで部分的に再トレーニングして、異なるが関連するタスクを解決する。
ICF設計の文脈では、ニューラルネットワークモデルは大規模なシミュレーションデータベースで訓練され、実験データで部分的に再訓練され、シミュレーション単独よりもはるかに正確なモデルを生成する。
我々は,国立点火施設におけるICF実験のモデル性能の向上を実演し,いくつかの重要な観測対象に対して10%未満の誤差で最近の実験結果を予測する。
我々は、この方法がパフォーマンスを最適化するためのデータ駆動実験キャンペーンにどのように使われるかについて議論し、主要な製品 -- データが取得されるにつれてますます正確になるモデルを示す。
関連論文リスト
- Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Transformer-Powered Surrogates Close the ICF Simulation-Experiment Gap with Extremely Limited Data [24.24053233941972]
本稿では,マルチモーダル出力シナリオにおける予測精度向上のためのトランスフォーマーを用いた新しい手法を提案する。
提案手法はトランスフォーマーアーキテクチャと新しいグラフベースのハイパーパラメータ最適化手法を統合する。
実世界のデータ10枚しか入手できない慣性閉じ込め核融合実験へのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-12-06T17:53:06Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - 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) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳（メタデータ） (2023-03-03T21:41:01Z) - Continual learning autoencoder training for a particle-in-cell
simulation via streaming [52.77024349608834]
今後のエクサスケール時代は 次世代の物理シミュレーションを 高解像度で提供します
これらのシミュレーションは高解像度であり、ディスク上に大量のシミュレーションデータを格納することはほぼ不可能であるため、機械学習モデルのトレーニングに影響を与える。
この研究は、ディスク上のデータなしで、実行中のシミュレーションにニューラルネットワークを同時にトレーニングするアプローチを示す。
論文 参考訳（メタデータ） (2022-11-09T09:55:14Z) - Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。
まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。
我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文 参考訳（メタデータ） (2022-06-22T19:33:21Z) - Transfer learning driven design optimization for inertial confinement
fusion [0.0]
伝達学習は、シミュレーションと実験データを共通のフレームワークに組み込む予測モデルを作成するための有望なアプローチである。
従来のモデルキャリブレーション手法よりも設計を最適化する方が効率的であることを示す。
論文 参考訳（メタデータ） (2022-05-26T17:38:57Z) - Bayesian Optimal Experimental Design for Simulator Models of Cognition [14.059933880568908]
BOEDの最近の進歩と、難解モデルに対する近似推論を組み合わせ、最適な実験設計を求める。
マルチアームバンディットタスクのシミュレーション実験により,モデル判別とパラメータ推定の改善が得られた。
論文 参考訳（メタデータ） (2021-10-29T09:04:01Z) - Transfer learning suppresses simulation bias in predictive models built
from sparse, multi-modal data [15.587831925516957]
科学、工学、ビジネスにおける多くの問題は、ごくわずかな観察に基づく予測を必要とする。
堅牢な予測モデルを構築するには、特に設計空間が多次元である場合、これらのスパースデータをシミュレーションデータで拡張する必要がある。
ディープラーニングの最近の開発を組み合わせて、マルチモーダルデータからより堅牢な予測モデルを構築します。
論文 参考訳（メタデータ） (2021-04-19T23:28:32Z) - 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)
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。