論文の概要: Mixed Integer Neural Inverse Design

• arxiv url: http://arxiv.org/abs/2109.12888v1
• Date: Mon, 27 Sep 2021 09:19:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:09:29.415664
• Title: Mixed Integer Neural Inverse Design
• Title（参考訳）: 混合整数ニューラルインバース設計
• Authors: Navid Ansari, Hans-Peter Seidel, Vahid Babaei
• Abstract要約: 日常的なニューラルネットワークで非常に一般的なピースワイズ線形性は、混合整数線形プログラミングに基づく逆設計の定式化を可能にする。 我々の混合整数逆設計は、大域的最適あるいは近距離最適解を原則的に発見する。
• 参考スコア（独自算出の注目度）: 27.43272793942742
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In computational design and fabrication, neural networks are becoming important surrogates for bulky forward simulations. A long-standing, intertwined question is that of inverse design: how to compute a design that satisfies a desired target performance? Here, we show that the piecewise linear property, very common in everyday neural networks, allows for an inverse design formulation based on mixed-integer linear programming. Our mixed-integer inverse design uncovers globally optimal or near optimal solutions in a principled manner. Furthermore, our method significantly facilitates emerging, but challenging, combinatorial inverse design tasks, such as material selection. For problems where finding the optimal solution is not desirable or tractable, we develop an efficient yet near-optimal hybrid optimization. Eventually, our method is able to find solutions provably robust to possible fabrication perturbations among multiple designs with similar performances.
• Abstract（参考訳）: 計算設計と作成において、ニューラルネットワークはかさばる前方シミュレーションの重要なサロゲートになりつつある。 長期にわたる、対立する疑問は、逆設計である: 望ましい目標性能を満たす設計をどう計算するか? 本稿では,日常のニューラルネットワークにおいて非常に一般的である分断線形性が,混合整数線形計画に基づく逆設計定式化を可能にすることを示す。 我々の混合整数逆設計は、原理的にグローバルに最適あるいはほぼ最適解を明らかにする。 さらに, 材料選択など, 創発的, 挑戦的, コンビネート的逆設計タスクを著しく促進する。 最適解の発見が望ましくない問題や扱いにくい問題に対して,効率が良いが最適に近いハイブリッド最適化を開発する。 最終的に,同様の性能を持つ複数設計間の製造摂動に対して頑健な解を見出すことができた。

関連論文リスト

• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Diffusion Generative Inverse Design [28.04683283070957]
  逆設計(英: inverse design)とは、目的関数の入力を最適化し、目的の結果を導出する問題を指す。 学習グラフニューラルネットワーク(GNN)の最近の進歩は、シミュレーション力学の正確で効率的で微分可能な推定に利用することができる。 本稿では, 分散拡散モデルを用いて, 逆設計問題の解法を効率的に行う方法を示し, より効率的な粒子サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-05T08:32:07Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Tackling Multimodal Device Distributions in Inverse Photonic Design using Invertible Neural Networks [0.0]
  逆設計は、デバイスまたはプロセスパラメータをマッチングして望ましい性能を示すプロセスである。 ほとんどの従来の最適化ルーチンは、設計パラメータと目標のパフォーマンスの間の可逆的な1対1マッピングを前提としています。 逆設計問題に対して、可逆ニューラルネットワークに基づく生成的モデリングアプローチが、可能解の完全な分布を提供する方法を示す。
  論文  参考訳（メタデータ） (2022-08-29T08:46:17Z)
• Optimal Design of Electric Machine with Efficient Handling of Constraints and Surrogate Assistance [5.387300498478744]
  本稿では、広く使われている進化的多目的最適化アルゴリズムNSGA-IIに組み込んだ最適化手法を提案する。 提案手法は, 幾何的制約の安価さを利用して, カスタム補修演算子を用いて実現可能な設計を生成する。
  論文  参考訳（メタデータ） (2022-06-03T17:13:29Z)
• Robust Topology Optimization Using Multi-Fidelity Variational Autoencoders [1.0124625066746595]
  強靭なトポロジー最適化(RTO)問題は、最高の平均性能を持つ設計を特定する。 計算効率を向上するニューラルネットワーク手法を提案する。 本手法の数値解析は,Lブラケット構造のロバスト設計における単一点負荷と複数点負荷について述べる。
  論文  参考訳（メタデータ） (2021-07-19T20:40:51Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• An adaptive artificial neural network-based generative design method for layout designs [17.377351418260577]
  適応型人工ニューラルネットワークに基づく生成設計手法の提案と開発。 新しい適応学習と最適化戦略が提案され、設計空間を効果的に探索することができます。 2つの熱源レイアウト設計問題に対して,提案手法の性能を実証した。
  論文  参考訳（メタデータ） (2021-01-29T05:32:17Z)
• MINA: Convex Mixed-Integer Programming for Non-Rigid Shape Alignment [77.38594866794429]
  非剛体形状マッチングのための凸混合整数プログラミングの定式化。 効率的な低次元離散モデルに基づく新しい形状変形モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-28T09:54:06Z)
• Self-Directed Online Machine Learning for Topology Optimization [58.920693413667216]
  自己指向型オンライン学習最適化は、ディープニューラルネットワーク(DNN)と有限要素法(FEM)計算を統合している。 本アルゴリズムは, コンプライアンスの最小化, 流体構造最適化, 伝熱促進, トラス最適化の4種類の問題によって検証された。 その結果, 直接使用法と比較して計算時間を2～5桁削減し, 実験で検証した全ての最先端アルゴリズムより優れていた。
  論文  参考訳（メタデータ） (2020-02-04T20:00:28Z)

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。