Fugu-MT 論文翻訳(概要): ARRID: ANN-based Rotordynamics for Robust and Integrated Design

論文の概要: ARRID: ANN-based Rotordynamics for Robust and Integrated Design

arxiv url: http://arxiv.org/abs/2208.12640v1
Date: Thu, 25 Aug 2022 16:08:05 GMT
ステータス: 処理完了
システム内更新日: 2022-08-29 12:25:04.420705
Title: ARRID: ANN-based Rotordynamics for Robust and Integrated Design
Title（参考訳）: arrid: annベースのロバストおよび統合設計のためのロータダイナミクス
Authors: Soheyl Massoudi, J\"urg Schiffmann
Abstract要約: ARRIDは、製造逸脱の影響を含む高速な性能情報を提供する。設計者は、設計のパラメータと動作条件を操作でき、数秒で性能情報を得ることができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The purpose of this study is to introduce ANN-based software for the fast evaluation of rotordynamics in the context of robust and integrated design. It is based on a surrogate model made of ensembles of artificial neural networks running in a Bokeh web application. The use of a surrogate model has sped up the computation by three orders of magnitude compared to the current models. ARRID offers fast performance information, including the effect of manufacturing deviations. As such, it helps the designer to make optimal design choices early in the design process. The designer can manipulate the parameters of the design and the operating conditions to obtain performance information in a matter of seconds.
Abstract（参考訳）: 本研究の目的は、ロジスティックかつ統合設計の文脈でロータ力学を高速に評価するためのANNベースのソフトウェアを導入することである。これは、bokeh webアプリケーションで実行される人工ニューラルネットワークのアンサンブルで構成されたサーロゲートモデルに基づいている。代理モデルの使用により、現在のモデルと比較して3桁の計算が高速化された。 ARRIDは、製造逸脱の影響を含む高速な性能情報を提供する。そのため、設計プロセスの早い段階で設計者が最適な設計選択を行うのに役立つ。設計者は設計のパラメータと動作条件を操作でき、数秒で性能情報を得ることができる。

関連論文リスト

Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
我々は、MBOタスクの構造を学習し、経験的に改良された設計につながるモデルを開発する。我々はCliqueformerを、高次元のブラックボックス機能から、化学・遺伝設計の現実的なタスクまで、様々なタスクで評価する。
論文参考訳（メタデータ） (2024-10-17T00:35:47Z)
Generative AI-based Prompt Evolution Engineering Design Optimization With Vision-Language Model [22.535058343006828]
本稿では,車両設計シナリオでコンテキスト化された,迅速な進化設計最適化(PEDO)フレームワークを提案する。生成車の設計において,物理に基づく解法と視覚言語モデルを用いて,実用的あるいは機能的な指導を行う。自動車設計最適化問題に関する調査は,探索の初期段階に発生する潜在的な自動車設計の広範な普及を示唆している。
論文参考訳（メタデータ） (2024-06-13T14:11:19Z)
Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
論文参考訳（メタデータ） (2024-03-20T00:41:12Z)
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)
Latent Diffusion Models for Structural Component Design [11.342098118480802]
本稿では,構造部品の生成設計のための枠組みを提案する。我々は、問題固有の負荷条件のセットを満たすことができるコンポーネントの潜在的な設計を生成するために、遅延拡散モデルを用いる。
論文参考訳（メタデータ） (2023-09-20T19:28:45Z)
Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文参考訳（メタデータ） (2022-11-29T17:28:31Z)
Design of Unmanned Air Vehicles Using Transformer Surrogate Models [8.914156789222266]
我々は,無人航空機(UAV)の設計を合成するAIデザイナを開発した。提案手法では,高額なフライトダイナミックスモデルやCADツールを動作させることなく,新規なドメイン固有符号化を用いた深部変圧器モデルを用いて,提案手法の性能評価を行う。
論文参考訳（メタデータ） (2022-11-11T21:22:21Z)
Efficient Automatic Machine Learning via Design Graphs [72.85976749396745]
最適なモデル設計を探索する効率的なサンプルベース手法であるFALCONを提案する。 FALCONは,1)グラフニューラルネットワーク(GNN)を介してデザイングラフ上でメッセージパッシングを行うタスク非依存モジュール,2)既知のモデル性能情報のラベル伝搬を行うタスク固有モジュールを特徴とする。 FALCONは,30個の探索ノードのみを用いて,各タスクに対して良好な性能を持つ設計を効率的に得ることを実証的に示す。
論文参考訳（メタデータ） (2022-10-21T21:25:59Z)
Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文参考訳（メタデータ） (2022-04-15T20:40:43Z)
Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
論文参考訳（メタデータ） (2020-08-17T06:50:47Z)

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。