論文の概要: Autonomous Optimization of Fluid Systems at Varying Length Scales

• arxiv url: http://arxiv.org/abs/2105.13553v1
• Date: Fri, 28 May 2021 02:08:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-31 21:17:55.633319
• Title: Autonomous Optimization of Fluid Systems at Varying Length Scales
• Title（参考訳）: 可変長スケールにおける流体系の自律最適化
• Authors: Alexander E. Siemenn, Evyatar Shaulsky, Matthew Beveridge, Tonio Buonassisi, Sara M. Hashmi, Iddo Drori
• Abstract要約: 本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。 この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous optimization is a process by which hardware conditions are discovered that generate an optimized experimental product without the guidance of a domain expert. We design an autonomous optimization framework to discover the experimental conditions within fluid systems that generate discrete and uniform droplet patterns. Generating discrete and uniform droplets requires high-precision control over the experimental conditions of a fluid system. Fluid stream instabilities, such as Rayleigh-Plateau instability and capillary instability, drive the separation of a flow into individual droplets. However, because this phenomenon leverages an instability, by nature the hardware must be precisely tuned to achieve uniform, repeatable droplets. Typically this requires a domain expert in the loop and constant re-tuning depending on the hardware configuration and liquid precursor selection. Herein, we propose a computer vision-driven Bayesian optimization framework to discover the precise hardware conditions that generate uniform, reproducible droplets with the desired features, leveraging flow instability without a domain expert in the loop. This framework is validated on two fluid systems, at the micrometer and millimeter length scales, using microfluidic and inkjet systems, respectively, indicating the application breadth of this approach.
• Abstract（参考訳）: 自律的な最適化は、ドメインエキスパートの指導なしに最適化された実験製品を生成するハードウェア条件を発見するプロセスである。 離散および均一な液滴パターンを生成する流体系の実験条件を検出するための自律最適化フレームワークを設計する。 離散液滴と均一液滴の生成には流体系の実験条件に対する高精度な制御が必要である。 Rayleigh-Plateau不安定や毛細管不安定のような流体流不安定性は、個々の液滴に流れを分離させる。 しかし、この現象は不安定性を利用するため、ハードウェアは正確に調整され、均一で繰り返し可能な液滴を達成する必要がある。 通常、これはハードウェア構成や液体前駆体の選択に応じて、ループのドメインエキスパートと一定の調整を必要とする。 本稿では,一様で再現可能な液滴を所望の特性で生成するハードウェア条件を,回路の領域の専門家を伴わずに,フロー不安定性を生かしたコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。 この枠組みは, マイクロ流体系とインクジェット系を用いて, マイクロメートルとミリメートルの2つの流体系でそれぞれ検証し, このアプローチの適用範囲を示した。

関連論文リスト

• Model-Free Stochastic Process Modeling and Optimization using Normalizing Flows [0.0]
  本研究は, 化学プロセスの力学を学習するために, 離散時間モデルとして条件正規化フローを用いることを提案する。 正規化フローは長期水平線上での安定なシミュレーションと、開ループ制御のための確率的およびMPC定式化による高品質な結果をもたらす。
  論文  参考訳（メタデータ） (2024-09-26T08:28:14Z)
• Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
  信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。 本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-05T09:16:56Z)
• A Universal Framework for Quantum Dissipation:Minimally Extended State Space and Exact Time-Local Dynamics [5.221249829454763]
  オープン量子系の力学は、最小の拡張状態空間で定式化される。 時間局所進化方程式は、混合リウヴィル・フォック空間で生成される。
  論文  参考訳（メタデータ） (2023-07-31T15:57:10Z)
• A Physics-informed Deep Learning Approach for Minimum Effort Stochastic Control of Colloidal Self-Assembly [9.791617215182598]
  制御目的は、所定の初期確率尺度から最小制御労力で所定の終端確率尺度へ状態PDFを操る観点から定式化される。 我々は、関連する最適制御問題に対する最適性の条件を導出する。 提案手法の性能は, ベンチマークコロイド自己集合問題に対する数値シミュレーションにより検証した。
  論文  参考訳（メタデータ） (2022-08-19T07:01:57Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• On optimization of coherent and incoherent controls for two-level quantum systems [77.34726150561087]
  本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。 閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。 開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
  論文  参考訳（メタデータ） (2022-05-05T09:08:03Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Online Preconditioning of Experimental Inkjet Hardware by Bayesian Optimization in Loop [62.997667081978825]
  インクジェットプリンタから堆積した液滴構造を最適化するためのコンピュータビジョン駆動ベイズ最適化フレームワークを開発する。 フレームワークを用いて,最適インクジェットハードウェア条件の収束を10分で示す。
  論文  参考訳（メタデータ） (2021-05-06T17:46:16Z)
• Multi-fidelity Generative Deep Learning Turbulent Flows [0.0]
  計算流体力学では、精度と計算コストの間に必然的なトレードオフがある。 本研究では,高忠実度乱流場の代理モデルとして,新しい多自由度深部生成モデルを提案する。 結果として生じるサロゲートは、物理的に正確な乱流実現を、高忠実度シミュレーションのそれよりも低い計算コストで生成することができる。
  論文  参考訳（メタデータ） (2020-06-08T16:37:48Z)

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。