論文の概要: Multi-objective optimization of actuation waveform for high-precision
drop-on-demand inkjet printing
- arxiv url: http://arxiv.org/abs/2208.11301v1
- Date: Wed, 24 Aug 2022 05:08:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 13:27:55.578954
- Title: Multi-objective optimization of actuation waveform for high-precision
drop-on-demand inkjet printing
- Title(参考訳): 高速ドロップオンオンデマンドインクジェット印刷におけるアクチュエータ波形の多目的最適化
- Authors: Hanzhi Wang and Yosuke Hasegawa
- Abstract要約: 最適波形を適用することにより、液滴径をノズル径の24.9%に著しく低減することができる。
衛星の液滴を効果的に除去でき、ノズルの直径の24.9%まで大幅に減らすことができる。
- 参考スコア(独自算出の注目度): 3.925522341994433
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Drop-on-demand (DOD) inkjet printing has been considered as one of promising
technologies for the fabrication of advanced functional materials. For a DOD
printer, high-precision dispensing techniques for achieving satellite-free
smaller droplets, have long been desired for patterning thin-film structures.
The present study considers the inlet velocity of a liquid chamber located
upstream of a dispensing nozzle as a control variable and aims to optimize its
waveform using a sample-efficient Bayesian optimization algorithm. Firstly, the
droplet dispensing dynamics are numerically reproduced by using an open-source
OpenFOAM solver, interFoam, and the results are passed on to another code based
on pyFoam. Then, the parameters characterizing the actuation waveform driving a
DOD printer are determined by the Bayesian optimization (BO) algorithm so as to
maximize a prescribed multi-objective function expressed as the sum of two
factors, i.e., the size of a primary droplet and the presence of satellite
droplets. The results show that the present BO algorithm can successfully find
high-precision dispensing waveforms within 150 simulations. Specifically,
satellite droplets can be effectively eliminated and the droplet diameter can
be significantly reduced to 24.9% of the nozzle diameter by applying the
optimal waveform.
- Abstract(参考訳): ドロップ・オン・デマンド(dod)インクジェット印刷は、高度な機能性材料の製造に有望な技術の一つと考えられている。
DODプリンタでは、衛星のない小型の液滴を実現するための高精度ディスペンサ技術が長い間望まれてきた。
本研究では, 噴射ノズル上流に位置する液室の流入速度を制御変数とし, 試料効率のよいベイズ最適化アルゴリズムを用いてその波形を最適化することを目的とした。
まず、オープンソースのopenfoamソルバであるinterfoamを用いて、液滴散布ダイナミクスを数値的に再現し、結果をpyfoamに基づいて別のコードに渡す。
そして、DODプリンタを駆動するアクチュエータ波形を特徴付けるパラメータをベイズ最適化(BO)アルゴリズムにより決定し、一次液滴の大きさと衛星液滴の存在量という2つの要素の和として表される所定の多目的関数を最大化する。
その結果,現在のboアルゴリズムは150のシミュレーションで高精度のディスペンサー波形を検出できることがわかった。
具体的には、衛星液滴を効果的に除去することができ、最適な波形を適用することで液滴径をノズル径の24.9%に著しく低減することができる。
関連論文リスト
- Machine-learning-based multipoint optimization of fluidic injection parameters for improving nozzle performance [2.5864426808687893]
本稿では,計算流体力学(CFD)シミュレーションの代替として,事前学習ニューラルネットワークモデルを用いる。
ノズル流れ場の物理的特性を考慮すると, モデルの伝達性を高めるために, 先行予測手法が採用された。
推力係数1.14%の改善を実現し、従来の最適化手法と比較して時間コストを大幅に削減する。
論文 参考訳(メタデータ) (2024-09-19T12:32:54Z) - One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from
Electromagnetic Solvers [57.441926088870325]
Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。
本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-06T20:28:37Z) - Deep neural operators can serve as accurate surrogates for shape
optimization: A case study for airfoils [3.2996060586026354]
本研究では, 形状最適化を目的とし, 未確認翼まわりの流れ場を推定するためにDeepONetsを用いることを検討した。
本稿では,オンライン最適化コストを桁違いに削減しつつ,予測精度の劣化が少ない結果を示す。
論文 参考訳(メタデータ) (2023-02-02T00:19:09Z) - Machine learning based surrogate models for microchannel heat sink
optimization [0.0]
本稿では,二次チャネルとリブを用いたマイクロチャネルの設計を計算流体力学を用いて検討する。
ラテンハイパーキューブサンプリング、機械学習に基づく代理モデリング、多目的最適化を組み合わせたワークフローを提案する。
論文 参考訳(メタデータ) (2022-08-20T13:49:11Z) - Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。
エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
論文 参考訳(メタデータ) (2021-10-21T08:58:59Z) - Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative
Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。
内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。
FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文 参考訳(メタデータ) (2021-09-13T08:31:59Z) - FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。
提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。
Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
論文 参考訳(メタデータ) (2021-08-27T03:07:55Z) - 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) - Direct Optimal Control Approach to Laser-Driven Quantum Particle
Dynamics [77.34726150561087]
間接制御理論に対する頑健で柔軟な代替手段として, 直接最適制御を提案する。
この方法は、バイスタブルポテンシャルにおけるレーザー駆動のウェーブパレットダイナミクスの場合に説明される。
論文 参考訳(メタデータ) (2020-10-08T07:59:29Z) - Augmented Sliced Wasserstein Distances [55.028065567756066]
拡張スライスされたワッサーシュタイン距離(ASWD)と呼ばれる新しい距離測定法を提案する。
ASWDは、ニューラルネットワークによってパラメータ化された高次元超曲面への最初のマッピングサンプルによって構成される。
数値的な結果から、ASWDは、合成問題と実世界の問題の両方において、他のワッサーシュタイン変種を著しく上回っていることが示されている。
論文 参考訳(メタデータ) (2020-06-15T23:00:08Z) - Automatic heterogeneous quantization of deep neural networks for
low-latency inference on the edge for particle detectors [5.609098985493794]
我々は,チップ上での最小エネルギー,高精度,ナノ秒の推論,完全自動展開のための,深層ニューラルネットワークモデルの最適ヘテロジニゼーションバージョンを設計する手法を提案する。
これはCERN大型ハドロン衝突型加速器における陽子-陽子衝突におけるイベント選択の手順に不可欠であり、リソースは厳密に制限され、$mathcal O(1)mu$sのレイテンシが要求される。
論文 参考訳(メタデータ) (2020-06-15T15:07:49Z)
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。