論文の概要: Designing thermal radiation metamaterials via hybrid adversarial
autoencoder and Bayesian optimization
- arxiv url: http://arxiv.org/abs/2205.01063v1
- Date: Tue, 26 Apr 2022 06:50:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-08 23:37:27.788234
- Title: Designing thermal radiation metamaterials via hybrid adversarial
autoencoder and Bayesian optimization
- Title(参考訳): ハイブリッド対向オートエンコーダによる熱放射メタマテリアルの設計とベイズ最適化
- Authors: Dezhao Zhu, Jiang Guo, Gang Yu, C. Y. Zhao, Hong Wang, Shenghong Ju
- Abstract要約: 我々は、ターゲット波長の異なる狭帯域熱放射体を設計するためのハイブリッド材料情報化手法を開発した。
最適性質を持つ新しい構造は、圧縮された2次元ラテント空間で素早く解ける。
提案する設計枠組みは,高次元特徴を持つ他の熱放射性メタマテリアルの設計に容易に拡張することができる。
- 参考スコア(独自算出の注目度): 19.684529604466015
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing thermal radiation metamaterials is challenging especially for
problems with high degrees of freedom and complex objective. In this letter, we
have developed a hybrid materials informatics approach which combines the
adversarial autoencoder and Bayesian optimization to design narrowband thermal
emitters at different target wavelengths. With only several hundreds of
training data sets, new structures with optimal properties can be quickly
figured out in a compressed 2-dimensional latent space. This enables the
optimal design by calculating far less than 0.001\% of the total candidate
structures, which greatly decreases the design period and cost. The proposed
design framework can be easily extended to other thermal radiation
metamaterials design with higher dimensional features.
- Abstract(参考訳): 熱放射メタマテリアルの設計は、特に高い自由度と複雑な目的を持つ問題に対して困難である。
本稿では,対象波長の異なる狭帯域熱エミッタを設計するために,逆オートエンコーダとベイズ最適化を組み合わせたハイブリッド材料インフォマティクス手法を開発した。
数百のトレーニングデータセットだけで、最適な性質を持つ新しい構造は、圧縮された2次元ラテント空間ですぐに理解することができる。
これにより、全体の候補構造の0.001\%未満を計算して最適設計が可能となり、設計期間とコストを大幅に削減できる。
提案する設計枠組みは,高次元特徴を持つ他の熱放射性メタマテリアルの設計に容易に拡張することができる。
関連論文リスト
- Guided Diffusion for Fast Inverse Design of Density-based Mechanical
Metamaterials [43.780353583539785]
本稿では, ボクセルをベースとしたメカニカルメタマテリアルを生成するために, コアが高度な深層生成AIアルゴリズムである高速逆設計法を提案する。
具体的には, 1283ドルの分解能を持つマイクロ構造を生成できる自己条件拡散モデルを用いて, 特定の均質化行列にわずか3秒でアプローチする。
論文 参考訳(メタデータ) (2024-01-24T16:31:50Z) - 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) - Multi-fidelity Design of Porous Microstructures for Thermofluidic
Applications [0.5249805590164902]
多孔質表面で強化された二相冷却法が潜在的な溶液として出現している。
このような多孔質構造では、最適放熱容量は2つの競合する目的に依存する。
我々は, 最適多孔質構造を設計するためのデータ駆動型フレームワークを開発した。
論文 参考訳(メタデータ) (2023-10-27T21:51:11Z) - Efficient Quality Diversity Optimization of 3D Buildings through 2D
Pre-optimization [101.18253437732933]
品質多様性アルゴリズムは、エンジニアの直感を伝える様々なソリューションセットを作成するために使用することができる。
しかし、品質の多様性は、非常に高価な問題では効率的ではない。
品質の多様性のあるトレーニングデータを生成することで、より優れた機械学習モデルを作成できることを示します。
論文 参考訳(メタデータ) (2023-03-28T11:20:59Z) - Data-Model-Circuit Tri-Design for Ultra-Light Video Intelligence on Edge
Devices [90.30316433184414]
本稿では,HDビデオストリーム上での高スループット,低コスト,高精度MOTのためのデータモデル・ハードウエア・トリデザイン・フレームワークを提案する。
現状のMOTベースラインと比較して、我々の三設計アプローチは12.5倍の遅延低減、20.9倍のフレームレート改善、5.83倍の低消費電力、9.78倍のエネルギー効率を実現でき、精度は低下しない。
論文 参考訳(メタデータ) (2022-10-16T16:21:40Z) - Generative Thermal Design Through Boundary Representation and
Multi-Agent Cooperative Environment [0.0]
協調型多エージェント深部強化学習と連続幾何表現を用いた生成熱設計を提案する。
提案フレームワークは、熱伝達と圧力降下を予測する環境として、事前訓練されたニューラルネットワークサロゲートモデルで構成されている。
論文 参考訳(メタデータ) (2022-08-16T21:22:44Z) - Inverse design of photonic devices with strict foundry fabrication
constraints [55.41644538483948]
本稿では,ナノフォトニクス素子の逆設計法を提案し,設計が厳密な長さの制約を満たすことを保証した。
本手法の性能と信頼性を,いくつかの共通集積フォトニック部品を設計することによって実証する。
論文 参考訳(メタデータ) (2022-01-31T02:27:25Z) - How to See Hidden Patterns in Metamaterials with Interpretable Machine
Learning [82.67551367327634]
我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。
具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
論文 参考訳(メタデータ) (2021-11-10T21:19:02Z) - Inverse design of two-dimensional materials with invertible neural
networks [0.6973491758935711]
非可逆ニューラルネットワークを利用した逆設計フレームワーク(MatDesINNe)は、前と逆のプロセスの両方をマッピングできる。
フレームワークは、新しい、高い忠実度、多種多様な候補を、ほぼ化学的精度で生成できることを示す。
論文 参考訳(メタデータ) (2021-06-06T02:49:09Z) - Online Preconditioning of Experimental Inkjet Hardware by Bayesian
Optimization in Loop [62.997667081978825]
インクジェットプリンタから堆積した液滴構造を最適化するためのコンピュータビジョン駆動ベイズ最適化フレームワークを開発する。
フレームワークを用いて,最適インクジェットハードウェア条件の収束を10分で示す。
論文 参考訳(メタデータ) (2021-05-06T17:46:16Z) - Learning to simulate and design for structural engineering [0.0]
本研究では,建物構造をグラフとして定式化し,柱と梁の最適断面を学習するためのエンドツーエンドパイプラインを作成する。
提案した構造設計の性能は、遺伝的アルゴリズム(GA)によって最適化された設計と同等であり、全ての制約が満たされている。
論文 参考訳(メタデータ) (2020-03-20T05:00:28Z)
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。