Fugu-MT 論文翻訳(概要): Recent Trends in Artificial Intelligence-inspired Electronic Thermal Management

論文の概要: Recent Trends in Artificial Intelligence-inspired Electronic Thermal Management

arxiv url: http://arxiv.org/abs/2112.14837v1
Date: Sun, 26 Dec 2021 18:45:08 GMT
ステータス: 処理完了
システム内更新日: 2022-01-09 15:10:40.331377
Title: Recent Trends in Artificial Intelligence-inspired Electronic Thermal Management
Title（参考訳）: 人工知能による電子熱管理の最近の動向
Authors: Aviral Chharia, Nishi Mehta, Shivam Gupta, Shivam Prajapati
Abstract要約: 近年, 熱管理における計算手法の普及が注目されている。本研究は「電子的」熱管理分野における深層学習の活用について詳述する。
参考スコア（独自算出の注目度）: 3.441021278275805
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The rise of computation-based methods in thermal management has gained immense attention in recent years due to the ability of deep learning to solve complex 'physics' problems, which are otherwise difficult to be approached using conventional techniques. Thermal management is required in electronic systems to keep them from overheating and burning, enhancing their efficiency and lifespan. For a long time, numerical techniques have been employed to aid in the thermal management of electronics. However, they come with some limitations. To increase the effectiveness of traditional numerical approaches and address the drawbacks faced in conventional approaches, researchers have looked at using artificial intelligence at various stages of the thermal management process. The present study discusses in detail, the current uses of deep learning in the domain of 'electronic' thermal management.
Abstract（参考訳）: 近年, 熱管理における計算手法の台頭が注目されているのは, 深層学習による複雑な「物理」問題の解き方であり, 従来の手法ではアプローチが困難である。電子システムでは過熱や燃焼を防ぎ、効率と寿命を高めるために熱管理が必要である。長い間、電子機器の熱管理を支援するために数値技術が用いられてきた。しかし、いくつかの制限がある。従来の数値手法の有効性を高め、従来の手法で直面した欠点に対処するため、研究者は熱管理プロセスの様々な段階における人工知能の利用を検討した。本研究では,「電子的」熱管理分野におけるディープラーニングの現状について詳細に述べる。

関連論文リスト

Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management [12.515874333424929]
熱電冷却器 (TEC) は、高度電子システムにおける局所ホットスポットの直接冷却とアクティブな熱管理のための有望なソリューションを提供する。 TECは空間冷却、暖房、電力消費に大きなトレードオフをもたらす。本研究では,大域的最適温度を達成できる熱電冷却器の機械学習支援最適化アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-04-20T18:35:45Z)
Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
論文参考訳（メタデータ） (2023-08-27T03:55:28Z)
Autonomous Payload Thermal Control [55.2480439325792]
小さな衛星では、熱制御装置、科学機器、電子部品のスペースは少ない。深部強化学習を用いた自律型熱制御ツールを提案する。提案するフレームワークは,運用範囲の温度を維持するためにペイロード処理能力の制御を学べる。
論文参考訳（メタデータ） (2023-07-28T09:40:19Z)
Stop overkilling simple tasks with black-box models and use transparent models instead [57.42190785269343]
ディープラーニングアプローチは、生データから自律的に機能を抽出することができる。これにより、機能エンジニアリングプロセスをバイパスすることができる。ディープラーニング戦略は、しばしば精度で従来のモデルより優れている。
論文参考訳（メタデータ） (2023-02-06T14:28:49Z)
Towards energy-efficient Deep Learning: An overview of energy-efficient approaches along the Deep Learning Lifecycle [0.0]
エネルギー効率の高いディープラーニングは研究者から多くの注目を集めており、この2年ですでに多くの進歩を遂げている。本稿は、これらの進歩に関する情報を文献から収集し、エネルギー消費の削減がいかに可能かを示すことを目的とする。
論文参考訳（メタデータ） (2023-02-05T11:36:51Z)
Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文参考訳（メタデータ） (2022-09-05T16:48:34Z)
Physics-based Learning of Parameterized Thermodynamics from Real-time Thermography [0.0]
実時間サーモグラフィデータから熱過程のダイナミクスを学習するための物理に基づく新しいアプローチを提案する。提案手法は雑音に対して頑健であり,パラメータ推定の精度向上に有効であることを示す。
論文参考訳（メタデータ） (2022-03-24T16:06:31Z)
From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。私たちは、インテリジェンスを具体化するための課題と機会を強調します。本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文参考訳（メタデータ） (2021-10-28T16:04:01Z)
Energy time series forecasting-Analytical and empirical assessment of conventional and machine learning models [0.0]
機械学習手法は,TSF(Energy Time Series forecasting, エネルギー時系列予測)問題を解く従来の手法と競合するものとして文献に採用されている。しかし、TSFのエネルギー問題を解決しようとする彼らの業績に関する証拠は、正確さと計算上の要求の観点で見ると、きめ細かである。本稿では,従来型,機械学習,深層学習を包括的に分析し,様々なエネルギー的TSF問題の解法として活用する。
論文参考訳（メタデータ） (2021-08-24T12:02:26Z)
Intelligent Building Control Systems for Thermal Comfort and Energy-Efficiency: A Systematic Review of Artificial Intelligence-Assisted Techniques [3.2926483061955922]
建設作業は、ほとんどの国で消費される総一次エネルギーのかなりの割合を占める。 HVACシステムにおけるエネルギー使用と適切な室内快適度との間のスイートスポットを見つけるために、さまざまなAI技術が展開されている。建築制御におけるAI技術の適用は有望な研究分野であり、AIベースの制御の性能はまだ十分に満足していない。
論文参考訳（メタデータ） (2021-04-06T01:04:28Z)
EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文参考訳（メタデータ） (2020-01-28T10:36:26Z)

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。