論文の概要: SUTD-PRCM Dataset and Neural Architecture Search Approach for Complex Metasurface Design

• arxiv url: http://arxiv.org/abs/2203.00002v1
• Date: Thu, 24 Feb 2022 16:15:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-06 13:14:50.876988
• Title: SUTD-PRCM Dataset and Neural Architecture Search Approach for Complex Metasurface Design
• Title（参考訳）: SUTD-PRCMデータセットとニューラルネットワークによる複雑な地表面設計
• Authors: Tianning Zhang, Yee Sin Ang, Erping Li, Chun Yun Kee, L. K. Ang
• Abstract要約: 本稿では,SUTDによる複雑な地表面データセットの偏光反射について述べる。 電磁シミュレーションから生成された、およそ260,000の複雑な準曲面のサンプルを含んでいる。 メタサーフェスパターンは、異なるレベルの複雑さを促進するために、異なるクラスに分割される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metasurfaces have received a lot of attentions recently due to their versatile capability in manipulating electromagnetic wave. Advanced designs to satisfy multiple objectives with non-linear constraints have motivated researchers in using machine learning (ML) techniques like deep learning (DL) for accelerated design of metasurfaces. For metasurfaces, it is difficult to make quantitative comparisons between different ML models without having a common and yet complex dataset used in many disciplines like image classification. Many studies were directed to a relatively constrained datasets that are limited to specified patterns or shapes in metasurfaces. In this paper, we present our SUTD polarized reflection of complex metasurfaces (SUTD-PRCM) dataset, which contains approximately 260,000 samples of complex metasurfaces created from electromagnetic simulation, and it has been used to benchmark our DL models. The metasurface patterns are divided into different classes to facilitate different degree of complexity, which involves identifying and exploiting the relationship between the patterns and the electromagnetic responses that can be compared in using different DL models. With the release of this SUTD-PRCM dataset, we hope that it will be useful for benchmarking existing or future DL models developed in the ML community. We also propose a classification problem that is less encountered and apply neural architecture search to have a preliminary understanding of potential modification to the neural architecture that will improve the prediction by DL models. Our finding shows that convolution stacking is not the dominant element of the neural architecture anymore, which implies that low-level features are preferred over the traditional deep hierarchical high-level features thus explains why deep convolutional neural network based models are not performing well in our dataset.
• Abstract（参考訳）: 地表面は近年、電磁波を操る多目的性のために多くの注目を集めている。 複数の目的を非線形制約で満たす高度な設計は、深層学習(DL)のような機械学習(ML)技術を用いてメタ曲面の設計を加速する研究者を動機付けている。 メタサーフェスでは、画像分類のような多くの分野でよく使われるが複雑なデータセットを持たずに、異なるMLモデル間で定量的に比較することは困難である。 多くの研究は、メタサーフェスの特定のパターンや形に限定された比較的制約のあるデータセットに向けられた。 本稿では,電磁シミュレーションから得られた複雑変成層の約260,000個のサンプルを含む複雑変成層(SUTD-PRCM)データセットのSUTD偏光反射について述べる。 メタサーフェスパターンは、異なるDLモデルを用いて比較できるパターンと電磁応答の関係を特定し、利用することを含む、異なる複雑さの度合いを促進するために、異なるクラスに分けられる。 このSUTD-PRCMデータセットのリリースにより、MLコミュニティで開発された既存または将来のDLモデルのベンチマークに役立ちたいと思っています。 また、より遭遇の少ない分類問題を提案し、DLモデルによる予測を改善するニューラルアーキテクチャへの潜在的な変更を予備的に理解するためにニューラルアーキテクチャ探索を適用した。 従来型の深層階層型ハイレベル機能よりも低レベルの機能が好まれているため、深層畳み込み型ニューラルネットワークベースのモデルがデータセットでうまく機能していない理由を説明している。

関連論文リスト

• MANTRA: The Manifold Triangulations Assemblage [33.363632055740254]
  MANTRAは,大規模,多様,そして本質的には高次モデルのベンチマーク用データセットである。 単純な複雑なニューラルネットワークは、単純なトポロジ不変量を取得することでグラフベースのニューラルネットワークよりも優れていることを実証する。
  論文  参考訳（メタデータ） (2024-10-03T11:13:55Z)
• Benchmark on Drug Target Interaction Modeling from a Structure Perspective [48.60648369785105]
  薬物と標的の相互作用の予測は、薬物の発見と設計に不可欠である。 グラフニューラルネットワーク(GNN)やトランスフォーマーに基づく最近の手法は、さまざまなデータセットで例外的なパフォーマンスを示している。 我々は,GNNベースと暗黙的(トランスフォーマーベース)構造学習アルゴリズムを多用することにより,構造の観点からの薬物-標的相互作用モデリングの総合的な調査とベンチマークを行う。
  論文  参考訳（メタデータ） (2024-07-04T16:56:59Z)
• StableLLaVA: Enhanced Visual Instruction Tuning with Synthesized Image-Dialogue Data [129.92449761766025]
  本稿では,視覚的インストラクションチューニングのための画像と対話を同期的に合成する新しいデータ収集手法を提案する。 このアプローチは生成モデルのパワーを活用し、ChatGPTとテキスト・ツー・イメージ生成モデルの能力とを結合する。 本研究は,各種データセットを対象とした総合的な実験を含む。
  論文  参考訳（メタデータ） (2023-08-20T12:43:52Z)
• Accurate deep learning sub-grid scale models for large eddy simulations [0.0]
  大型渦流シミュレーション(LES)のために開発されたサブグリッドスケール(SGS)乱流モデルについて述べる。 彼らの開発には、物理インフォームド・ロバストで効率的なDeep Learning (DL)アルゴリズムの定式化が必要だった。 2つの摩擦レイノルズ数における正準流路流れの直接シミュレーションによるデータの明示的なフィルタリングは、訓練と試験のための正確なデータを提供した。
  論文  参考訳（メタデータ） (2023-07-19T15:30:06Z)
• The Multiscale Surface Vision Transformer [10.833580445244094]
  表面深層学習のためのバックボーンアーキテクチャとして,Multiscale Surface Vision Transformer (MS-SiT)を導入した。 以上の結果から,MS-SiTは新生児の表現型予測タスクにおいて,既存の表面深層学習法よりも優れていた。
  論文  参考訳（メタデータ） (2023-03-21T15:00:17Z)
• Dynamic Latent Separation for Deep Learning [67.62190501599176]
  機械学習の中核的な問題は、複雑なデータに対するモデル予測のための表現力のある潜在変数を学習することである。 本稿では,表現性を向上し,部分的解釈を提供し,特定のアプリケーションに限定されないアプローチを開発する。
  論文  参考訳（メタデータ） (2022-10-07T17:56:53Z)
• Neural Basis Models for Interpretability [33.51591891812176]
  一般化加法モデル(GAMs)は本質的に解釈可能なモデルのクラスである。 形状関数の基底分解を利用するGAMの全く新しいサブファミリーを提案する。 少数の基底関数はすべての機能で共有され、与えられたタスクに対して共同で学習される。
  論文  参考訳（メタデータ） (2022-05-27T17:31:19Z)
• Multi-Scale Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition [140.18376685167857]
  スケルトンに基づく行動認識には,単純なマルチスケールセマンティクス誘導ニューラルネットワークが提案されている。 MS-SGNは、NTU60、NTU120、SYSUデータセットの最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-11-07T03:50:50Z)
• Learning Variational Data Assimilation Models and Solvers [34.22350850350653]
  データ同化のためのエンドツーエンドニューラルネットワークアーキテクチャを導入する。 提案するエンドツーエンド学習アーキテクチャの重要な特徴は、教師なし戦略と教師なし戦略の両方を用いてNNモデルをトレーニングできることである。
  論文  参考訳（メタデータ） (2020-07-25T14:28:48Z)
• Revealing the Invisible with Model and Data Shrinking for Composite-database Micro-expression Recognition [49.463864096615254]
  入力複雑性とモデル複雑性を含む学習複雑性の影響を分析する。 より浅層構造と低分解能入力データを探索する再帰畳み込みネットワーク(RCN)を提案する。 学習可能なパラメータを増やさなくてもRCNと統合できる3つのパラメータフリーモジュールを開発した。
  論文  参考訳（メタデータ） (2020-06-17T06:19:24Z)
• Convolutional Tensor-Train LSTM for Spatio-temporal Learning [116.24172387469994]
  本稿では,ビデオシーケンスの長期相関を効率的に学習できる高次LSTMモデルを提案する。 これは、時間をかけて畳み込み特徴を組み合わせることによって予測を行う、新しいテンソルトレインモジュールによって達成される。 この結果は,幅広いアプリケーションやデータセットにおいて,最先端のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2020-02-21T05:00:01Z)

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。