論文の概要: Data-Driven Learning of 3-Point Correlation Functions as Microstructure Representations

• arxiv url: http://arxiv.org/abs/2109.02255v1
• Date: Mon, 6 Sep 2021 06:15:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-08 01:09:31.528587
• Title: Data-Driven Learning of 3-Point Correlation Functions as Microstructure Representations
• Title（参考訳）: 微細構造表現としての3点相関関数のデータ駆動学習
• Authors: Sheng Cheng, Yang Jiao, Yi Ren
• Abstract要約: 様々なミクロ構造が3点相関の簡潔な部分集合によって特徴づけられることを示す。 提案した表現は, 有効媒質理論に基づく材料特性の計算に利用することができる。
• 参考スコア（独自算出の注目度）: 8.978973486638253
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper considers the open challenge of identifying complete, concise, and explainable quantitative microstructure representations for disordered heterogeneous material systems. Completeness and conciseness have been achieved through existing data-driven methods, e.g., deep generative models, which, however, do not provide mathematically explainable latent representations. This study investigates representations composed of three-point correlation functions, which are a special type of spatial convolutions. We show that a variety of microstructures can be characterized by a concise subset of three-point correlations, and the identification of such subsets can be achieved by Bayesian optimization. Lastly, we show that the proposed representation can directly be used to compute material properties based on the effective medium theory.
• Abstract（参考訳）: 本稿では,不均一な材料システムに対する完全かつ簡潔かつ説明可能な定量的ミクロ構造表現の同定というオープンな課題について考察する。 完全性と簡潔さは、例えば深層生成モデルのような既存のデータ駆動手法によって達成されているが、数学的に説明可能な潜在表現は提供していない。 本研究では,空間畳み込みの特別なタイプである3点相関関数からなる表現について検討する。 様々なミクロ構造が3点相関の簡潔な部分集合によって特徴づけられ、それらの部分集合の同定はベイズ最適化によって達成できることを示す。 最後に,提案した表現は,有効媒質理論に基づく材料特性の計算に利用することができることを示す。

関連論文リスト

• Prediction of microstructural representativity from a single image [0.0]
  本稿では、材料の単一画像(2Dまたは3D)で観測された位相分率の表現率を予測する方法を提案する。 提案手法は2点相関関数を用いて1つの画像(2Dまたは3D)から直接分散を推定する。
  論文  参考訳（メタデータ） (2024-10-25T13:59:22Z)
• Simultaneous Identification of Sparse Structures and Communities in Heterogeneous Graphical Models [8.54401530955314]
  基礎となるグラフィカルな構造を疎部分と低ランクの斜めブロックに分解する。 スパース構造とコミュニティの同定のための高速かつ効率的なアルゴリズムを用いた3段階推定手法を提案する。
  論文  参考訳（メタデータ） (2024-05-16T06:38:28Z)
• Feature construction using explanations of individual predictions [0.0]
  本稿では,予測モデルのインスタンスベース説明の集約に基づく探索空間の削減手法を提案する。 これらのグループに対する探索の削減が特徴構築の時間を大幅に短縮することを実証的に示す。 いくつかの分類器の分類精度を大幅に向上させ,大規模データセットにおいても提案する特徴構築の実現可能性を示した。
  論文  参考訳（メタデータ） (2023-01-23T18:59:01Z)
• Accelerated structured matrix factorization [0.0]
  行列分解は、複雑な高次元データにおいて、実際の信号は一般に低次元構造にあるという考え方を利用する。 ベイジアン縮退を先取りして,高次元行列分解のための計算に便利な手法を考案する。 行と列のエンティティ間の依存性は、要素内でフレキシブルなスパースパターンを誘導することによってモデル化される。
  論文  参考訳（メタデータ） (2022-12-13T11:35:01Z)
• On Neural Architecture Inductive Biases for Relational Tasks [76.18938462270503]
  合成ネットワーク一般化(CoRelNet)と呼ばれる類似度分布スコアに基づく簡単なアーキテクチャを導入する。 単純なアーキテクチャの選択は、分布外一般化において既存のモデルより優れていることが分かる。
  論文  参考訳（メタデータ） (2022-06-09T16:24:01Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
  部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。 線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
  論文  参考訳（メタデータ） (2022-04-20T21:15:38Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Parsimonious Feature Extraction Methods: Extending Robust Probabilistic Projections with Generalized Skew-t [0.8336315962271392]
  本稿では,学生の確率的主成分法に新たな一般化を提案する。 この新しいフレームワークは、観測データにおける端尾依存性の群をモデル化するための、より柔軟なアプローチを提供する。 新しいフレームワークの適用性は、最も高い市場資本を持つ暗号通貨からなるデータセットに説明されている。
  論文  参考訳（メタデータ） (2020-09-24T05:53:41Z)
• Convolutional Occupancy Networks [88.48287716452002]
  本稿では,オブジェクトと3Dシーンの詳細な再構築のための,より柔軟な暗黙的表現である畳み込み機能ネットワークを提案する。 畳み込みエンコーダと暗黙の占有デコーダを組み合わせることで、帰納的バイアスが組み込まれ、3次元空間における構造的推論が可能となる。 実験により,本手法は単一物体の微細な3次元再構成,大規模屋内シーンへのスケール,合成データから実データへの一般化を可能にした。
  論文  参考訳（メタデータ） (2020-03-10T10:17:07Z)
• New advances in enumerative biclustering algorithms with online partitioning [80.22629846165306]
  さらに、数値データセットの列に定数値を持つ最大二クラスタの効率的で完全で正しい非冗長列挙を実現できる二クラスタリングアルゴリズムであるRIn-Close_CVCを拡張した。 改良されたアルゴリズムはRIn-Close_CVC3と呼ばれ、RIn-Close_CVCの魅力的な特性を保ちます。
  論文  参考訳（メタデータ） (2020-03-07T14:54:26Z)

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。