論文の概要: Computational Fluid Dynamics and Machine Learning as tools for
Optimization of Micromixers geometry
- arxiv url: http://arxiv.org/abs/2203.02498v1
- Date: Fri, 4 Mar 2022 18:53:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-07 16:17:41.816454
- Title: Computational Fluid Dynamics and Machine Learning as tools for
Optimization of Micromixers geometry
- Title（参考訳）: マイクロミキサー幾何の最適化ツールとしての計算流体力学と機械学習
- Authors: Daniela de Oliveira Maionchi, Luca Ainstein, Fabio Pereira dos Santos,
Maur\'icio Bezerra de Souza J\'unior
- Abstract要約: 本研究は,CFD(Computational Fluid Dynamics)と機械学習技術を組み合わせて,マイクロ流体の分野における新しい最適化手法を提案する。
初期形状はY型マイクロミキサーにインスパイアされ、主チャネルの表面に円筒状の溝があり、内部の障害物がある。
閉塞径(OD)とオフセット(OF)が混合(varphi$)、圧力降下(Delta P$)、エネルギーコスト(Delta P/varphi$)に与える影響について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work explores a new approach for optimization in the field of
microfluidics, using the combination of CFD (Computational Fluid Dynamics), and
Machine Learning techniques. The objective of this combination is to enable
global optimization with lower computational cost. The initial geometry is
inspired in a Y-type micromixer with cylindrical grooves on the surface of the
main channel and obstructions inside it. Simulations for circular obstructions
were carried out using the OpenFOAM software to observe the influences of
obstacles. The effects of obstruction diameter (OD), and offset (OF) in the
range of [20,140] mm and [10,160] mm, respectively, on percentage of mixing
($\varphi$), pressure drop ($\Delta P$) and energy cost ($\Delta P/\varphi$)
were investigated. Numerical experiments were analyzed using machine learning.
Firstly, a neural network was used to train the dataset composed by the inputs
OD and OF and outputs $\varphi$ and $\Delta P$. The objective functions (ObF)
chosen to numerically optimize the performance of micromixers with grooves and
obstructions were $\varphi$, $\Delta P$, $\Delta P/\varphi$. The genetic
algorithm obtained the geometry that offers the maximum value of $\varphi$ and
the minimum value of $\Delta P_s$. The results show that $\varphi$ increases
monotonically with increasing OD at all values of OF. The inverse is observed
with increasing offset. Furthermore, the results reveal that $\Delta P$ e
$\Delta P/\varphi$ also increase with OD. On the other hand, the pressure drop
and the cost of mixing energy present a maximum close to the lowest values of
OF. Finally, the optimal value obtained for the diameter was OD=131 mm and for
the offset OF=10 mm, which corresponds to obstruction of medium size close to
the channel wall.
- Abstract（参考訳）: 本研究は,CFD(Computational Fluid Dynamics)と機械学習技術を組み合わせて,マイクロ流体の分野における新しい最適化手法を提案する。
この組み合わせの目的は、計算コストを低くしてグローバル最適化を可能にすることである。
初期形状はY型マイクロミキサーにインスパイアされ、主チャネルの表面に円筒状の溝があり、内部の障害物がある。
障害物の影響を観測するために,OpenFOAMソフトウェアを用いて円形障害物シミュレーションを行った。
また, [20,140]mmおよび[10,160]mmの範囲における閉塞径 (od) およびオフセット (of) が混合率 (\varphi$) , 圧力降下率 (\delta p$) およびエネルギーコスト (\delta p/\varphi$) に及ぼす影響を検討した。
機械学習を用いて数値実験を行った。
まず、入力odとofからなるデータセットをトレーニングするためにニューラルネットワークを使用し、$\varphi$と$\delta p$を出力する。
ObFは溝と障害物を有するマイクロミキサーの性能を数値的に最適化するために選択され、$\varphi$, $\Delta P$, $\Delta P/\varphi$であった。
遺伝的アルゴリズムは、最大値が$\varphi$、最小値が$\delta p_s$となる幾何学を得た。
その結果、$\varphi$ は、of のすべての値での od の増加とともに単調に増加する。
逆はオフセットの増加とともに観測される。
さらに,ODでは,$\Delta P$e $\Delta P/\varphi$も増加した。
一方、圧力の低下と混合エネルギーのコストは、最低値ofに近い最大値を示す。
最後に, 直径が od=131 mm であり, オフセットが 10 mm であり, チャネル壁近傍の中間サイズの障害に相当する。
関連論文リスト
- Minimum tracking linear response Hubbard and Hund corrected Density Functional Theory in CP2K [6.296865098278439]
本稿では,CP2K スイートにおける Hubbard (U$) および Hund (J$) 補正密度汎関数理論 (DFT+$U$+J$) 機能の実装について述べる。
また,最近提案された最小追従線形応答法の実装について述べる。
論文 参考訳（メタデータ） (2024-07-18T08:09:01Z) - Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳（メタデータ） (2024-02-15T08:51:49Z) - Normalizing flows as approximations of optimal transport maps via linear-control neural ODEs [49.1574468325115]
ニューマライズフロー」は、深層ニューラルネットワークを用いて確率測度間の可逆輸送マップを構築するタスクに関連している。
我々は、絶対連続測度$mu,nuinmathcalP(mathbbRn)$間の$Wamma$-optimal transport map $T$を線形制御ニューラルネットワークのフローとして回収する問題を考える。
論文 参考訳（メタデータ） (2023-11-02T17:17:03Z) - Overview of Physics-Informed Machine Learning Inversion of Geophysical
Data [1.5108390071719444]
物理インフォームド・機械学習(PIML)による物理データのインバージョンのための4種類のアルゴリズムについて概説する。
ウェイトの選択はlambda_i$で、NN操作は4つの異なるPIMLアルゴリズムのうちの1つを決定する。
論文 参考訳（メタデータ） (2023-10-12T08:10:31Z) - Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。
我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
論文 参考訳（メタデータ） (2023-09-01T16:59:21Z) - Effective Minkowski Dimension of Deep Nonparametric Regression: Function
Approximation and Statistical Theories [70.90012822736988]
ディープ非パラメトリック回帰に関する既存の理論は、入力データが低次元多様体上にある場合、ディープニューラルネットワークは本質的なデータ構造に適応できることを示した。
本稿では,$mathcalS$で表される$mathbbRd$のサブセットに入力データが集中するという緩和された仮定を導入する。
論文 参考訳（メタデータ） (2023-06-26T17:13:31Z) - Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
クエーサースペクトルを完全に記述できる新しいモデルを提案する。
また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。
CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
論文 参考訳（メタデータ） (2022-11-17T13:01:26Z) - Poisson Flow Generative Models [9.843778728210427]
ポアソンフロー」生成モデルは、高次元半球上の一様分布を任意のデータ分布にマッピングする。
PFGM は CIFAR-10 上での正規化フローモデルの中で現在の最先端性能を実現する。
論文 参考訳（メタデータ） (2022-09-22T17:26:58Z) - Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。
我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
論文 参考訳（メタデータ） (2022-03-18T18:50:52Z) - Predicting the near-wall region of turbulence through convolutional
neural networks [0.0]
乱流開水路流れにおける近接壁挙動を予測するためのニューラルネットワークに基づく手法について検討した。
完全畳み込みネットワーク(FCN)は,2次元速度変動場を$y+_rmターゲット$で予測するために訓練される。
FCNは流れの対数領域の自己相似性を生かし、速度変動場を$y+ = 50$で予測することができる。
論文 参考訳（メタデータ） (2021-07-15T13:58:26Z)
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。