論文の概要: Modelling Arbitrary Complex Dielectric Properties -- an automated
implementation for gprMax
- arxiv url: http://arxiv.org/abs/2109.01928v1
- Date: Sat, 4 Sep 2021 20:39:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-08 08:18:05.741863
- Title: Modelling Arbitrary Complex Dielectric Properties -- an automated
implementation for gprMax
- Title（参考訳）: gprMaxの自動実装による任意複素誘電特性のモデル化
- Authors: Sylwia Majchrowska and Iraklis Giannakis and Craig Warren and Antonios
Giannopoulos
- Abstract要約: 本稿では,Google Summer of Code(GSoC)プログラム2021の一環として実施された新しいモジュールの開発について述べる。
マルチデバイ展開を用いて、複雑な分散材料を自動でシミュレートすることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a need to accurately simulate materials with complex electromagnetic
properties when modelling Ground Penetrating Radar (GPR), as many objects
encountered with GPR contain water, e.g. soils, curing concrete, and
water-filled pipes. One of widely-used open-source software that simulates
electromagnetic wave propagation is gprMax. It uses Yee's algorithm to solve
Maxwell's equations with the Finite-Difference Time-Domain (FDTD) method. A
significant drawback of the FDTD method is the limited ability to model
materials with dispersive properties, currently narrowed to specific set of
relaxation mechanisms, namely multi-Debye, Drude and Lorentz media.
Consequently, modelling any arbitrary complex material should be done by
approximating it as a combination of these functions. This paper describes work
carried out as part of the Google Summer of Code (GSoC) programme 2021 to
develop a new module within gprMax that can be used to simulate complex
dispersive materials using multi-Debye expansions in an automatic manner. The
module is capable of modelling Havriliak-Negami, Cole-Cole, Cole-Davidson,
Jonscher, Complex-Refractive Index Models, and indeed any arbitrary dispersive
material with real and imaginary permittivity specified by the user.
- Abstract（参考訳）: 地中貫入レーダ(GPR)をモデル化する際には、複雑な電磁特性を持つ物質を正確にシミュレートする必要がある。
土、コンクリート、水で満たされたパイプ。
電磁波伝搬をシミュレートするオープンソースソフトウェアのひとつにgprMaxがある。
有限差分時間領域 (fdtd) 法によるマクスウェル方程式の解法に yee のアルゴリズムを用いる。
fdtd法の重要な欠点は分散特性を持つ材料をモデル化する能力の制限であり、現在はマルチデバイ、ドルード、ローレンツメディアといった特定の緩和機構に制限されている。
したがって、任意の複素材料のモデル化は、これらの関数の組合せとして近似することで行うべきである。
本稿では,Google Summer of Code(GSoC)プログラム2021の一環として,マルチデバイ拡張を用いて複雑な分散材料を自動でシミュレートするためにgprMax内に新たなモジュールを開発する作業について述べる。
このモジュールは、havriliak-negami, cole-cole, cole-davidson, jonscher, complex-refractive index modelをモデル化することができる。
関連論文リスト
- Multi-fidelity surrogate with heterogeneous input spaces for modeling melt pools in laser-directed energy deposition [0.0]
MFモデリング(Multi-fidelity Modeling)は、様々なフィデリティソースからデータをインテリジェントにブレンドできる強力な統計手法である。
メルトプールモデルの階層をマージするためにMFサロゲートを使用する際の大きな課題は、入力空間における可変性である。
本稿では, 様々な複雑さのモデルを統合することで, 溶融プール形状を予測するためのMFサロゲート構築手法を提案する。
論文 参考訳（メタデータ） (2024-03-19T20:12:46Z) - Discovering Interpretable Physical Models using Symbolic Regression and
Discrete Exterior Calculus [55.2480439325792]
本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。
DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。
実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-10-10T13:23:05Z) - Deep Physics Corrector: A physics enhanced deep learning architecture
for solving stochastic differential equations [0.0]
微分方程式(SDE)によって制御される物理系に対する新しいグレーボックスモデリングアルゴリズムを提案する。
提案手法はDeep Physics Corrector(DPC)と呼ばれ、SDEとDeep Neural Network(DNN)で表される近似物理学をブレンドする。
本論文では,本論文の4つのベンチマーク例について,提案したDPCの性能について述べる。
論文 参考訳（メタデータ） (2022-09-20T14:30:07Z) - 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) - Learning physics-informed simulation models for soft robotic
manipulation: A case study with dielectric elastomer actuators [21.349079159359746]
柔らかいアクチュエータは、緩やかな握りや器用な動きといったロボット作業に対して安全かつ適応的なアプローチを提供する。
このようなシステムを制御するための正確なモデルを作成することは、変形可能な物質の複雑な物理のために困難である。
本稿では,微分可能シミュレータと有限要素法の利点を組み合わせたフレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-25T21:15:05Z) - Machine Learning Based Forward Solver: An Automatic Framework in gprMax [0.0]
一般のフルウェーブ電磁分解器は、実用的なGPR問題をシミュレーションするために計算的に要求されている。
機械学習(ML)アーキテクチャに基づくGPRのほぼリアルタイムなフォワードモデリング手法の性能について検討する。
我々はこれらのMLベースの前方解法を自動生成できるフレームワークを開発した。
論文 参考訳（メタデータ） (2021-11-23T20:46:21Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Reinforcement Learning for Adaptive Mesh Refinement [63.7867809197671]
マルコフ決定過程としてのAMRの新規な定式化を提案し,シミュレーションから直接改良政策を訓練するために深部強化学習を適用した。
これらのポリシーアーキテクチャのモデルサイズはメッシュサイズに依存しないため、任意に大きく複雑なシミュレーションにスケールします。
論文 参考訳（メタデータ） (2021-03-01T22:55:48Z) - Polymers for Extreme Conditions Designed Using Syntax-Directed
Variational Autoencoders [53.34780987686359]
現在、機械学習ツールは、望まれる特性を持つ材料候補を事実上スクリーニングするために使用される。
このアプローチは非効率であり、人間の想像力が知覚できる候補によって厳しく制約されている。
文法指向の変分オートエンコーダ(VAE)とガウス過程回帰(GPR)モデルを用いて、3つの極端な条件下で頑健なポリマーを発見する。
論文 参考訳（メタデータ） (2020-11-04T21:36:59Z) - From Sets to Multisets: Provable Variational Inference for Probabilistic
Integer Submodular Models [82.95892656532696]
サブモジュール関数は機械学習やデータマイニングにおいて広く研究されている。
本研究では,整数部分モジュラ函数に対する連続DR-部分モジュラ拡張を提案する。
整数部分モジュラー関数によって定義される新しい確率モデルを定式化する。
論文 参考訳（メタデータ） (2020-06-01T22:20:45Z)
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。