論文の概要: Chemoreception and chemotaxis of a three-sphere swimmer

• arxiv url: http://arxiv.org/abs/2205.02678v1
• Date: Thu, 5 May 2022 14:34:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 20:52:20.761308
• Title: Chemoreception and chemotaxis of a three-sphere swimmer
• Title（参考訳）: 三球スイマーの化学受容と走走性
• Authors: Stevens Paz, Roberto F. Ausas, Juan P. Carbajal, Gustavo C. Buscaglia
• Abstract要約: ナジャフィ・ゴリスタス・スイマーにおける流体力学と溶質輸送の複合問題について検討した。 最適な移動歩行を行うスイマーに対しては,同種流体中のPeの関数としてシャーウッド数を報告した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The coupled problem of hydrodynamics and solute transport for the Najafi-Golestanian three-sphere swimmer is studied, with the Reynolds number set to zero and P\'eclet numbers (Pe) ranging from 0.06 to 60. The adopted method is the numerical simulation of the problem with a finite element code based upon the FEniCS library. For the swimmer executing the optimal locomotion gait, we report the Sherwood number as a function of Pe in homogeneous fluids and confirm that little gain in solute flux is achieved by swimming unless Pe is significantly larger than 10. We also consider the swimmer as an learning agent moving inside a fluid that has a concentration gradient. The outcomes of Q-learning processes show that learning locomotion (with the displacement as reward) is significantly easier than learning chemotaxis (with the increase of solute flux as reward). The chemotaxis problem, even at low Pe, has a varying environment that renders learning more difficult. Further, the learning difficulty increases severely with the P\'eclet number. The results demonstrate the challenges that natural and artificial swimmers need to overcome to migrate efficiently when exposed to chemical inhomogeneities.
• Abstract（参考訳）: Najafi-Golestanian 3球スイマーの流体力学と溶質輸送の結合問題について検討し、レイノルズ数は0に、P'eclet number (Pe) は0.06から60に設定された。 本手法は,FEniCSライブラリに基づく有限要素符号による問題の数値シミュレーションである。 最適な移動歩行を行うスイマーに対しては,同種流体中でのPeの関数としてSherwood番号を報告し,Peが10より大きくない限り溶質フラックスの利得がほとんどないことを確認した。 また, スイマーは濃度勾配を有する流体の中を移動する学習エージェントであると考える。 q-learningプロセスの結果から,運動の学習(転位を報酬として)は,遊走の学習(溶質フラックスを報酬として増す)よりも有意に容易であることが示された。 ケモトキシー問題は、低いpeでも、学習をより困難にする様々な環境を持つ。 さらに、学習難易度はp\'eclet数で著しく増加する。 その結果, 自然および人工の水泳選手は, 化学的不均一性にさらされた場合, 効率的に遊泳するために必要な課題が明らかになった。

関連論文リスト

• Deep reinforcement learning for tracking a moving target in jellyfish-like swimming [16.727471388063893]
  本研究では,ゼリーフィッシュのようなスイマーを訓練し,運動目標を二次元の流れで追跡する深層強化学習法を開発した。 深層Qネットワーク(DQN)を用いて,スイマーの幾何と動的パラメータを入力とし,スイマーに適用される力である動作を出力する。
  論文  参考訳（メタデータ） (2024-09-13T13:29:46Z)
• Learning rheological parameters of non-Newtonian fluids from velocimetry data [46.2482873419289]
  せん断薄い流体の最も可能性が高いカラオウパラメータを学習するアルゴリズムを考案する。 このアルゴリズムは,最も可能性の高いCarreauパラメータを学習することで,流れ場を再構築できることを示す。
  論文  参考訳（メタデータ） (2024-08-05T16:27:38Z)
• Inpainting Computational Fluid Dynamics with Deep Learning [8.397730500554047]
  有効な流体データ補完法は、流体力学実験において必要なセンサー数を削減する。 流体データ完備化問題の誤った性質は、理論解を得るのを違法に困難にしている。 ベクトル量子化法を用いて、完全および不完全流体データ空間を離散値下次元表現にマッピングする。
  論文  参考訳（メタデータ） (2024-02-27T03:44:55Z)
• Pruning Small Pre-Trained Weights Irreversibly and Monotonically Impairs "Difficult" Downstream Tasks in LLMs [71.56345106591789]
  大型言語モデル(LLM)の重みには、かなりの冗長性が含まれていると信じられている。 本稿では,下流の難題に対処する上で必要となる重要な知識を包含する,事前訓練されたモデル重みの小さなマグニチュード重みについて述べる。
  論文  参考訳（メタデータ） (2023-09-29T22:55:06Z)
• Machine learning of hidden variables in multiscale fluid simulation [77.34726150561087]
  流体力学方程式を解くには、しばしばミクロ物理学の欠如を考慮に入れた閉包関係を用いる必要がある。 本研究では, 終端微分可能な偏微分方程式シミュレータを用いて, 偏微分ニューラルネットワークを訓練する。 本手法により, 非線形, 大型クヌーズン数プラズマ物理を再現する方程式に基づく手法が可能であることを示す。
  論文  参考訳（メタデータ） (2023-06-19T06:02:53Z)
• HomoDistil: Homotopic Task-Agnostic Distillation of Pre-trained Transformers [49.79405257763856]
  本稿では,タスク非依存蒸留に焦点をあてる。 これは、計算コストとメモリフットプリントを小さくして、様々なタスクで簡単に微調整できるコンパクトな事前訓練モデルを生成する。 本稿では, 反復刈り込みによる新規なタスク非依存蒸留法であるHomotopic Distillation (HomoDistil)を提案する。
  論文  参考訳（メタデータ） (2023-02-19T17:37:24Z)
• Learning to swim efficiently in a nonuniform flow field [0.0]
  マイクロスウィマーは、機械的キューを感知することで、周囲の流体に関する情報を取得することができる。 本研究では,スイマーを訓練して特定の水泳課題を遂行するために,局所的および非局所的情報をいかに活用できるかを検討する。
  論文  参考訳（メタデータ） (2022-12-22T04:51:47Z)
• Physics-informed Neural Networks with Periodic Activation Functions for Solute Transport in Heterogeneous Porous Media [0.0]
  本研究では, 絶対輸送シミュレーションを高速化する深層学習に基づくメッシュフリー手法について検討する。 物理インフォームドニューラルネットワーク (PiNN) と周期活性化関数を用いて, 絶対輸送問題を解く。 以上の結果から, アクティベーション機能を有するPiNNは, タングアクティベーション機能と比較して最大2桁精度が高く, トレーニングの2倍高速であることがわかった。
  論文  参考訳（メタデータ） (2022-12-17T21:58:53Z)
• Shape Analysis for Pediatric Upper Body Motor Function Assessment [1.7434874566844876]
  脊髄筋萎縮症(SMA)やデュシェンヌ筋ジストロフィー(DMD)などの神経筋疾患は進行性筋変性と運動機能の喪失を引き起こす。 従来の上肢運動機能評価は、患者の運動を定量的に測定するものではない。 本稿では,曲線登録と形状解析を用いて,平均基準形状を抽出しながら時間的に軌道を整列する。
  論文  参考訳（メタデータ） (2022-09-10T17:02:31Z)
• Deep Random Vortex Method for Simulation and Inference of Navier-Stokes Equations [69.5454078868963]
  ナビエ・ストークス方程式(Navier-Stokes equation)は、液体や空気などの流体の運動を記述する重要な偏微分方程式である。 AI技術の発展に伴い、非圧縮性ナビエ・ストークス方程式によって支配される流体力学をシミュレーションし、推論するために、ディープニューラルネットワークを統合するためにいくつかのアプローチが設計された。 本研究では,ニューラルネットワークとNavier-Stokes方程式に相当するランダム渦力学系を組み合わせたemphDeep Random Vortex Method (DRVM)を提案する。
  論文  参考訳（メタデータ） (2022-06-20T04:58:09Z)
• Tesseract: Tensorised Actors for Multi-Agent Reinforcement Learning [92.05556163518999]
  MARLは、コミュニケーションと可観測性に様々な制約を課すことによって、問題を悪化させる。 値ベースの手法では、最適な値関数を正確に表現することが課題となる。 政策勾配法では、批判者の訓練を困難にし、遅れる批判者の問題を悪化させる。 学習理論の観点からは、関連するアクション値関数を正確に表現することで、両方の問題に対処できることが示される。
  論文  参考訳（メタデータ） (2021-05-31T23:08:05Z)

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。