論文の概要: Toward Development of Machine Learned Techniques for Production of
Compact Kinetic Models
- arxiv url: http://arxiv.org/abs/2202.08021v1
- Date: Wed, 16 Feb 2022 12:31:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-17 14:59:58.864206
- Title: Toward Development of Machine Learned Techniques for Production of
Compact Kinetic Models
- Title（参考訳）: 小型運動モデル作成のための機械学習技術開発に向けて
- Authors: Mark Kelly, Mark Fortune, Gilles Bourque, Stephen Dooley
- Abstract要約: 化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。
本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Chemical kinetic models are an essential component in the development and
optimisation of combustion devices through their coupling to multi-dimensional
simulations such as computational fluid dynamics (CFD). Low-dimensional kinetic
models which retain good fidelity to the reality are needed, the production of
which requires considerable human-time cost and expert knowledge. Here, we
present a novel automated compute intensification methodology to produce
overly-reduced and optimised (compact) chemical kinetic models. This algorithm,
termed Machine Learned Optimisation of Chemical Kinetics (MLOCK),
systematically perturbs each of the four sub-models of a chemical kinetic model
to discover what combinations of terms results in a good model. A virtual
reaction network comprised of n species is first obtained using conventional
mechanism reduction. To counteract the imposed decrease in model performance,
the weights (virtual reaction rate constants) of important connections (virtual
reactions) between each node (species) of the virtual reaction network are
numerically optimised to replicate selected calculations across four sequential
phases. The first version of MLOCK, (MLOCK1.0) simultaneously perturbs all
three virtual Arrhenius reaction rate constant parameters for important
connections and assesses the suitability of the new parameters through
objective error functions, which quantify the error in each compact model
candidate's calculation of the optimisation targets, which may be comprised of
detailed model calculations and/or experimental data. MLOCK1.0 is demonstrated
by creating compact models for the archetypal case of methane air combustion.
It is shown that the NUGMECH1.0 detailed model comprised of 2,789 species is
reliably compacted to 15 species (nodes), whilst retaining an overall fidelity
of ~87% to the detailed model calculations, outperforming the prior
state-of-art.
- Abstract（参考訳）: 化学動力学モデルは、計算流体力学(CFD)のような多次元シミュレーションとの結合による燃焼装置の開発と最適化に欠かせない要素である。
現実に忠実さを保った低次元の運動モデルは必要であり、生産にはかなりの人的時間的コストと専門家の知識が必要である。
本稿では,計算量削減と最適化による化学動力学モデルを構築するための新しい計算量拡大手法を提案する。
このアルゴリズムはMLOCK(Machine Learned Optimisation of Chemical Kinetics)と呼ばれ、化学力学モデルの4つのサブモデルのそれぞれを体系的に摂動させ、用語の組み合わせが良いモデルをもたらすかを発見する。
まず,n種からなる仮想反応ネットワークを,従来の機構還元を用いて求めた。
モデル性能の低下に対処するため、仮想反応ネットワークの各ノード(種)間の重要な接続(仮想反応)の重み(仮想反応速度定数)を数値的に最適化し、4つの逐次フェーズで選択された計算を複製する。
MLOCKの最初のバージョン(MLOCK1.0)は、重要な接続に対する3つの仮想アレニウス反応速度定数パラメータを同時に摂動させ、客観的な誤差関数を通して新しいパラメータの適合性を評価する。
MLOCK1.0はメタン空気燃焼のアーキティパルケースのコンパクトモデルを作成することで実証される。
2,789種からなるnugmech 1.0詳細なモデルは15種 (ノード) に確実にコンパクト化され, 全体の忠実度は87%程度であり, 先行研究よりも高い値を示した。
関連論文リスト
- Many-body Expansion Based Machine Learning Models for Octahedral Transition Metal Complexes [0.0]
我々はオクタ遷移金属錯体(TMCs)のスピン状態依存性特性の機械学習における自己相関の修正を提案する。
新しい戦略は多体展開(MBE)に基づいており、MBEの切り離し順序を変化させることで、捕捉された立体異性体情報を調整することができる。
この新しいアプローチには電子構造理論からの洞察が組み込まれているため、これらのモデルは同素体から異性体への体系的な一般化を示す。
論文 参考訳（メタデータ） (2024-10-12T21:54:22Z) - A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-01-26T09:35:17Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Forecasting through deep learning and modal decomposition in two-phase
concentric jets [2.362412515574206]
本研究はターボファンエンジンにおける燃料室噴射器の性能向上を目的としている。
燃料/空気混合物のリアルタイム予測と改善を可能にするモデルの開発が必要である。
論文 参考訳（メタデータ） (2022-12-24T12:59:41Z) - Low-Dimensional High-Fidelity Kinetic Models for NOX Formation by a
Compute Intensification Method [0.0]
この方法は、コンパクトモデル生成のためのケミカル・キネティクス・アルゴリズムの機械学習最適化に適応する。
3つの追加ノード(N, NO, NO2)からなる最小サイズの仮想反応ネットワークを構成する論理規則の集合を定義する。
結果として得られた18ノードの仮想反応ネットワークは、MLOCK符号化アルゴリズムによって処理され、NOX生成のための多数のコンパクトモデル候補を生成する。
論文 参考訳（メタデータ） (2022-02-21T13:08:01Z) - Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。
我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文 参考訳（メタデータ） (2021-06-25T22:08:51Z) - Quaternion Factorization Machines: A Lightweight Solution to Intricate
Feature Interaction Modelling [76.89779231460193]
factorization machine(fm)は、機能間の高次インタラクションを自動的に学習し、手動の機能エンジニアリングを必要とせずに予測を行うことができる。
本研究では,スパース予測解析のためのQFM(Quaternion factorization Machine)とQNFM(Quaternion neural factorization Machine)を提案する。
論文 参考訳（メタデータ） (2021-04-05T00:02:36Z) - Toward Machine Learned Highly Reduce Kinetic Models For Methane/Air
Combustion [0.0]
運動モデルを用いて、物理実験と比較して運転条件、燃料組成、燃焼器設計の影響をテストする。
対象とする詳細なモデル特性を高い忠実度で再現するコンパクトモデルを作成するための,新しいデータ指向三段階法を提案する。
この戦略はメタン/空気燃焼のための19種と15種のコンパクトモデルによって実証されている。
論文 参考訳（メタデータ） (2021-03-15T13:29:08Z) - Kinetics-Informed Neural Networks [0.0]
我々は、通常の微分方程式を解くために、サロゲートモデルを構築するための基礎関数としてフィードフォワード人工ニューラルネットワークを用いる。
正規化多目的最適化設定におけるニューラルネットと運動モデルパラメータの同時学習により,逆問題の解が導かれることを示す。
この逆運動的ODEに対する代理的アプローチは、過渡的なデータに基づく反応機構の解明に役立てることができる。
論文 参考訳（メタデータ） (2020-11-30T00:07:09Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳（メタデータ） (2020-06-11T09:58:01Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳（メタデータ） (2020-03-04T00:44:57Z)
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。