論文の概要: PTFlash: A deep learning framework for isothermal two-phase equilibrium
calculations
- arxiv url: http://arxiv.org/abs/2205.03090v1
- Date: Fri, 6 May 2022 09:13:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-09 14:27:35.795860
- Title: PTFlash: A deep learning framework for isothermal two-phase equilibrium
calculations
- Title(参考訳): PTFlash:等温二相平衡計算のためのディープラーニングフレームワーク
- Authors: Jingang Qu (MLIA, IFPEN), Thibault Faney (IFPEN), Jean-Charles de
Hemptinne (IFPEN), Soleiman Yousef (IFPEN), Patrick Gallinari (MLIA)
- Abstract要約: PyTorch を用いた等温二相フラッシュ計算に必要なアルゴリズムをベクトル化する GPU 対応フレームワークPTFlash を導入する。
また、2つのタスク固有ニューラルネットワークを設計し、1つは与えられた繰り返しの安定性を予測し、もう1つは分布係数の推定を行う。
その結果, 参照解と完全精度を維持しつつ, 大規模計算の高速化を最大2桁まで行うことができた。
- 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: Phase equilibrium calculations are an essential part of numerical simulations
of multi-component multi-phase flow in porous media, accounting for the largest
share of the computational time. In this work, we introduce a GPUenabled, fast,
and parallel framework, PTFlash, that vectorizes algorithms required for
isothermal two-phase flash calculations using PyTorch, and can facilitate a
wide range of downstream applications. In addition, to further accelerate
PTFlash, we design two task-specific neural networks, one for predicting the
stability of given mixtures and the other for providing estimates of the
distribution coefficients, which are trained offline and help shorten
computation time by sidestepping stability analysis and reducing the number of
iterations to reach convergence. The evaluation of PTFlash was conducted on
three case studies involving hydrocarbons, CO$_2$ and N$_2$ , for which the
phase equilibrium was tested over a large range of temperature, pressure and
composition conditions, using the Soave-Redlich-Kwong (SRK) equation of state.
We compare PTFlash with an in-house thermodynamic library, Carnot, written in
C++ and performing flash calculations one by one on CPU. Results show speed-ups
on large scale calculations up to two order of magnitudes, while maintaining
perfect precision with the reference solution provided by Carnot.
- Abstract(参考訳): 相平衡計算は多孔質媒質中の多成分多相流の数値シミュレーションの重要な部分であり、計算時間の最大のシェアを占めている。
本研究では、PyTorchを用いた等温二相フラッシュ計算に必要なアルゴリズムをベクトル化し、幅広いダウンストリームアプリケーションを容易にするためのGPU対応高速並列フレームワークPTFlashを提案する。
さらにPTFlashをさらに高速化するために、与えられた混合物の安定性を予測するための2つのタスク固有ニューラルネットワークと、オフラインでトレーニングされた分散係数の推定を行い、サイドステッピング安定性解析により計算時間を短縮し、収束点に達するイテレーション数を短縮する2つのタスク固有ニューラルネットワークを設計する。
PTFlashの評価は, 炭化水素を含む3つのケーススタディ, CO$_2$およびN$_2$で行われ, 相平衡はSave-Redlich-Kwong (SRK) 方程式を用いて, 幅広い温度, 圧力, 組成条件で試験された。
PTFlashとC++で記述された社内熱力学ライブラリCarnotを比較し,CPU上で1つずつフラッシュ計算を行う。
結果は,carnot が提供する基準解による完全精度を維持しつつ,最大2桁の大規模計算における高速化を示す。
関連論文リスト
- MultiPDENet: PDE-embedded Learning with Multi-time-stepping for Accelerated Flow Simulation [48.41289705783405]
マルチスケールタイムステップ(MultiPDENet)を用いたPDE組み込みネットワークを提案する。
特に,有限差分構造に基づく畳み込みフィルタを少数のパラメータで設計し,最適化する。
4階ランゲ・クッタ積分器を微細な時間スケールで備えた物理ブロックが確立され、PDEの構造を埋め込んで予測を導出する。
論文 参考訳(メタデータ) (2025-01-27T12:15:51Z) - Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。
科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。
本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
論文 参考訳(メタデータ) (2024-12-10T11:50:46Z) - Transfer learning-based physics-informed convolutional neural network
for simulating flow in porous media with time-varying controls [0.0]
多孔質媒質中の二相流をシミュレートする物理インフォームド畳み込みニューラルネットワークを提案する。
有限体積スキームは流れの方程式を識別するために用いられる。
N ノイマン境界条件は半離散方程式にシームレスに組み込まれる。
論文 参考訳(メタデータ) (2023-10-10T05:29:33Z) - Semi-Federated Learning: Convergence Analysis and Optimization of A
Hybrid Learning Framework [70.83511997272457]
本稿では,ベースステーション(BS)とデバイスの両方を活用するセミフェデレーション学習(SemiFL)パラダイムを提案し,中央集権学習(CL)とFLのハイブリッド実装を提案する。
我々はこの難解な問題を解くための2段階のアルゴリズムを提案し、ビームフォーマに閉形式解を提供する。
論文 参考訳(メタデータ) (2023-10-04T03:32:39Z) - Dynamic Frame Interpolation in Wavelet Domain [57.25341639095404]
ビデオフレームは、より流動的な視覚体験のためにフレームレートを上げることができる、重要な低レベルな計算ビジョンタスクである。
既存の手法は、高度なモーションモデルと合成ネットワークを利用することで大きな成功を収めた。
WaveletVFIは、同様の精度を維持しながら最大40%の計算を削減できるため、他の最先端技術に対してより効率的に処理できる。
論文 参考訳(メタデータ) (2023-09-07T06:41:15Z) - Bayesian phase difference estimation algorithm for direct calculation of
fine structure splitting: accelerated simulation of relativistic and quantum
many-body effects [0.0]
我々は最近提案された量子アルゴリズムであるベイズ位相差推定(BPDE)手法を実装し,微細構造分割を正確に計算する。
数値シミュレーションにより, BPDE法はボーロン様イオンの微細構造を605.3 cm$-1$の根平均平方偏差で予測できることがわかった。
論文 参考訳(メタデータ) (2022-12-05T06:46:37Z) - Green, Quantized Federated Learning over Wireless Networks: An
Energy-Efficient Design [68.86220939532373]
有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。
提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大70%削減することができる。
論文 参考訳(メタデータ) (2022-07-19T16:37:24Z) - Accelerating Real-Time Coupled Cluster Methods with Single-Precision
Arithmetic and Adaptive Numerical Integration [3.469636229370366]
単精度算術は,実時間シミュレーションの記憶コストと乗算コストを約2倍に削減することを示した。
水クラスターの試験シミュレーションにおいて, 最大14因子のさらなる高速化は, 素直な実装によって得られる。
論文 参考訳(メタデータ) (2022-05-10T21:21:49Z) - Accelerating Feedforward Computation via Parallel Nonlinear Equation
Solving [106.63673243937492]
ニューラルネットワークの評価や自己回帰モデルからのサンプリングなどのフィードフォワード計算は、機械学習においてユビキタスである。
本稿では,非線形方程式の解法としてフィードフォワード計算の課題を定式化し,ジャコビ・ガウス・シーデル固定点法とハイブリッド法を用いて解を求める。
提案手法は, 並列化可能な繰り返し回数の削減(あるいは等値化)により, 元のフィードフォワード計算と全く同じ値が与えられることを保証し, 十分な並列化計算能力を付与する。
論文 参考訳(メタデータ) (2020-02-10T10:11:31Z)
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。