Fugu-MT 論文翻訳(概要): Attentive Neural Processes and Batch Bayesian Optimization for Scalable Calibration of Physics-Informed Digital Twins

論文の概要: Attentive Neural Processes and Batch Bayesian Optimization for Scalable Calibration of Physics-Informed Digital Twins

arxiv url: http://arxiv.org/abs/2106.15502v1
Date: Tue, 29 Jun 2021 15:30:55 GMT
ステータス: 処理完了
システム内更新日: 2021-06-30 15:36:34.242450
Title: Attentive Neural Processes and Batch Bayesian Optimization for Scalable Calibration of Physics-Informed Digital Twins
Title（参考訳）: 物理インフォームドデジタル双対のスケーラブル校正のための注意神経過程とバッチベイズ最適化
Authors: Ankush Chakrabarty, Gordon Wichern, Christopher Laughman
Abstract要約: 物理インフォームド力学系モデルは、構築された環境のデジタル双対の重要な構成要素を形成する。スケーラブルで並列化可能なバッチワイドベイズ最適化(BBO)手法であるANP-BBOを提案する。
参考スコア（独自算出の注目度）: 10.555398506346291
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Physics-informed dynamical system models form critical components of digital twins of the built environment. These digital twins enable the design of energy-efficient infrastructure, but must be properly calibrated to accurately reflect system behavior for downstream prediction and analysis. Dynamical system models of modern buildings are typically described by a large number of parameters and incur significant computational expenditure during simulations. To handle large-scale calibration of digital twins without exorbitant simulations, we propose ANP-BBO: a scalable and parallelizable batch-wise Bayesian optimization (BBO) methodology that leverages attentive neural processes (ANPs).
Abstract（参考訳）: 物理インフォームド力学系モデルは、構築された環境のデジタル双対の重要な構成要素を形成する。これらのディジタルツインはエネルギー効率の高いインフラの設計を可能にするが、下流の予測と分析のためにシステム動作を正確に反映するために適切に調整する必要がある。現代の建物の力学系モデルは通常、シミュレーション中に多数のパラメータと重要な計算支出によって記述される。 ANP-BBO(ANP-BBO:a scalable and parallelizable batch-wise Bayesian Optimization (BBO) method that leverages attentive Neural Process (ANPs))を提案する。

関連論文リスト

Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
論文参考訳（メタデータ） (2024-10-31T07:28:22Z)
A parametric framework for kernel-based dynamic mode decomposition using deep learning [0.0]
提案されたフレームワークは、オフラインとオンラインの2つのステージで構成されている。オンラインステージでは、これらのLANDOモデルを活用して、所望のタイミングで新しいデータを生成する。高次元力学系に次元還元法を適用して, トレーニングの計算コストを低減させる。
論文参考訳（メタデータ） (2024-09-25T11:13:50Z)
Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
論文参考訳（メタデータ） (2024-05-20T09:28:23Z)
Digital Twin Calibration for Biological System-of-Systems: Cell Culture Manufacturing Process [3.0790370651488983]
細胞培養プロセスのマルチスケール力学モデル(バイオシステム)について考察する。サブモデルで構成されたモジュラー設計のこのモデルは、さまざまな生産プロセスにまたがるデータの統合を可能にします。そこで我々は,Bio-SoSディジタルツインを校正するために,モデル予測の平均2乗誤差を評価し,個々のサブモデルのパラメータ推定誤差がディジタルツインの予測精度に与える影響を定量化する計算手法を開発した。
論文参考訳（メタデータ） (2024-05-07T00:22:13Z)
Accelerating the analysis of optical quantum systems using the Koopman operator [1.2499537119440245]
光子エコーの予測は、光量子系を理解するための重要な技術である。本稿では、Koopman演算子に基づくデータ駆動サロゲートモデルを用いて、この処理を高速化する。
論文参考訳（メタデータ） (2023-10-25T12:02:04Z)
Learning Controllable Adaptive Simulation for Multi-resolution Physics [86.8993558124143]
完全深層学習に基づくサロゲートモデルとして,LAMP(Learning Controllable Adaptive Simulation for Multi- resolution Physics)を導入した。 LAMPは、前方進化を学習するためのグラフニューラルネットワーク(GNN)と、空間的洗練と粗大化のポリシーを学ぶためのGNNベースのアクター批判で構成されている。我々は,LAMPが最先端のディープラーニングサロゲートモデルより優れており,長期予測誤差を改善するために,適応的なトレードオフ計算が可能であることを実証した。
論文参考訳（メタデータ） (2023-05-01T23:20:27Z)
Quantum simulation costs for Suzuki-Trotter decomposition of quantum many-body lattice models [0.0]
我々は、フェルミオン格子モデルの時間発展を正確にシミュレートするために必要なトロッターステップの数に関する境界を計算するフォーマリズムを開発する。トロッター深度の比較はまずハバードモデルに有利に思われるが,モデルパラメータの慎重な検討は,t-Jモデルにかなり有利であることがわかった。
論文参考訳（メタデータ） (2023-02-09T15:32:43Z)
Generic Lithography Modeling with Dual-band Optics-Inspired Neural Networks [52.200624127512874]
我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
論文参考訳（メタデータ） (2022-03-12T08:08:50Z)
Evidence-based Prescriptive Analytics, CAUSAL Digital Twin and a Learning Estimation Algorithm [0.0]
本稿ではCausalityとCausal Graphsの基礎を説明し,LCDT(Learning Causal Digital Twin)ソリューションを開発した。 LCDTは学習用デジタルツインであり、パラメータは最小限の設定でオンラインでオンラインで学習されるため、デジタルツインのデプロイ作業は大幅に単純化される。
論文参考訳（メタデータ） (2021-04-12T21:30:53Z)
Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文参考訳（メタデータ） (2021-01-19T16:14:02Z)
On the Sparsity of Neural Machine Translation Models [65.49762428553345]
性能向上のために冗長パラメータを再利用できるかどうかを検討する。実験と分析は異なるデータセットとNTTアーキテクチャで体系的に行われる。
論文参考訳（メタデータ） (2020-10-06T11:47:20Z)

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。