Fugu-MT 論文翻訳(概要): Artificial Intelligence-Assisted Optimization and Multiphase Analysis of Polygon PEM Fuel Cells

論文の概要: Artificial Intelligence-Assisted Optimization and Multiphase Analysis of Polygon PEM Fuel Cells

arxiv url: http://arxiv.org/abs/2205.06768v2
Date: Wed, 6 Jul 2022 07:00:19 GMT
ステータス: 処理完了
システム内更新日: 2023-02-17 16:33:04.637605
Title: Artificial Intelligence-Assisted Optimization and Multiphase Analysis of Polygon PEM Fuel Cells
Title（参考訳）: 人工知能によるポリゴンPEM燃料電池の最適化と多相解析
Authors: Ali Jabbary, Nader Pourmahmoud, Mir Ali Asghar Abdollahi, Marc A. Rosen
Abstract要約: モデルは、セル性能を改善した後、最適化されている。最適化された六角形とペンタゴナルは出力電流密度をそれぞれ21.8%、39.9%増加させる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article presents new hexagonal and pentagonal PEM fuel cell models. The models have been optimized after achieving improved cell performance. The input parameters of the multi-objective optimization algorithm were pressure and temperature at the inlet, and consumption and output powers were the objective parameters. The output data of the numerical simulation has been trained using deep neural networks and then modeled with polynomial regression. The target functions have been extracted using the RSM (Response Surface Method), and the targets were optimized using the multi-objective genetic algorithm (NSGA-II). Compared to the base model, the optimized Pentagonal and Hexagonal models increase the output current density by 21.8% and 39.9%, respectively.
Abstract（参考訳）: 本稿では,新しい六角形および五角形pem燃料電池モデルについて述べる。これらのモデルは、セル性能の改善後に最適化された。多目的最適化アルゴリズムの入力パラメータは入口の圧力と温度であり、消費と出力のパワーは客観的なパラメータであった。数値シミュレーションの出力データはディープニューラルネットワークを用いて訓練され、多項式回帰によってモデル化された。 RSM (Response Surface Method) を用いて対象関数を抽出し, 多目的遺伝的アルゴリズム (NSGA-II) を用いて対象関数を最適化した。ベースモデルと比較すると、最適化された五角形モデルと六角形モデルはそれぞれ出力電流密度を21.8%、39.9%増加させる。

関連論文リスト

Using evolutionary machine learning to characterize and optimize co-pyrolysis of biomass feedstocks and polymeric wastes [14.894507238371768]
共熱分解は、結果の液体燃料の量および品質パラメータを改善するための有望な戦略である。機械学習(ML)は、既存のデータを活用することで、このような問題に対処する機能を提供する。本研究は, バイオマス-ポリマー共熱分解プロセスの生成物を定量化するために, 進化的MLアプローチを導入することを目的とする。
論文参考訳（メタデータ） (2023-05-24T19:59:21Z)
Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
論文参考訳（メタデータ） (2023-05-03T13:45:40Z)
An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文参考訳（メタデータ） (2022-10-27T01:58:10Z)
Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。提案手法はRパッケージプローブに実装されている。
論文参考訳（メタデータ） (2022-09-16T19:15:50Z)
Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。 3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文参考訳（メタデータ） (2022-09-09T14:58:43Z)
Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文参考訳（メタデータ） (2022-08-10T19:17:45Z)
Data-driven evolutionary algorithm for oil reservoir well-placement and control optimization [3.012067935276772]
一般化されたデータ駆動進化アルゴリズム(GDDE)は、適切な配置と制御最適化問題で実行されるシミュレーションの数を減らすために提案される。確率的ニューラルネットワーク(PNN)は、情報的および有望な候補を選択するための分類器として採用されている。
論文参考訳（メタデータ） (2022-06-07T09:07:49Z)
Conservative Objective Models for Effective Offline Model-Based Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。 COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文参考訳（メタデータ） (2021-07-14T17:55:28Z)
End-to-end deep meta modelling to calibrate and optimize energy consumption and comfort [0.0]
本稿では,リカレントニューラルネットワークに基づくメタモデルを導入し,一般の建物の挙動を予測する訓練を行う。メタモデルの予測とセンサから得られた実データを比較することでパラメータを推定する。エネルギー消費は、目標の熱の快適さと空気の質を維持しながら最適化されている。
論文参考訳（メタデータ） (2021-02-01T10:21:09Z)
Particle Swarm Based Hyper-Parameter Optimization for Machine Learned Interatomic Potentials [0.0]
機械学習(ML)アプローチを用いた非経験的原子間電位エネルギー表面(PES)のトレーニングは、分子および材料研究で人気が高まっています。本稿では,まず特徴抽出段階に関連するhpsを最適化し,次いで訓練段階におけるhpsの最適化を行う2段階最適化戦略を提案する。この戦略は、訓練が必要なモデルの数を著しく削減することで、全てのHPを同時に最適化するよりも計算効率が良い。
論文参考訳（メタデータ） (2020-12-31T19:27:17Z)
End-to-end deep metamodeling to calibrate and optimize energy loads [0.0]
本研究では,大規模建物のエネルギー性能と快適性,空気質,衛生性を最適化する新しいエンド・ツー・エンド手法を提案する。シミュレーションプログラムでサンプル化したデータセットを用いてトランスフォーマーネットワークに基づくメタモデルを導入,訓練する。
論文参考訳（メタデータ） (2020-06-19T07:40:11Z)

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。