論文の概要: Data-driven framework for input/output lookup tables reduction -- with application to hypersonic flows in chemical non-equilibrium

• arxiv url: http://arxiv.org/abs/2210.04269v1
• Date: Sun, 9 Oct 2022 14:03:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 19:32:16.775629
• Title: Data-driven framework for input/output lookup tables reduction -- with application to hypersonic flows in chemical non-equilibrium
• Title（参考訳）: インプット・アウトプット・ルックアップテーブル削減のためのデータ駆動型フレームワーク -- 化学非平衡超音速流れへの応用-
• Authors: Cl\'ement Scherding, Georgios Rigas, Denis Sipp, Peter J. Schmid and Taraneh Sayadi
• Abstract要約: 本稿では,超音速流シミュレーションに反応する還元熱化学モデルを抽出する新しい機械学習手法を提案する。 有限レート化学を用いた超音速平板境界層のシミュレーションにより,本手法の検証と評価を行った。 Mutation++を軽量でマシン学習の代替品に置き換えることで、全体的な精度を維持しながら、ソルバのパフォーマンスを50%向上させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a novel model-agnostic machine learning technique to extract a reduced thermochemical model for reacting hypersonic flows simulation. A first simulation gathers all relevant thermodynamic states and the corresponding gas properties via a given model. The states are embedded in a low-dimensional space and clustered to identify regions with different levels of thermochemical (non)-equilibrium. Then, a surrogate surface from the reduced cluster-space to the output space is generated using radial-basis-function networks. The method is validated and benchmarked on a simulation of a hypersonic flat-plate boundary layer with finite-rate chemistry. The gas properties of the reactive air mixture are initially modeled using the open-source Mutation++ library. Substituting Mutation++ with the light-weight, machine-learned alternative improves the performance of the solver by 50% while maintaining overall accuracy.
• Abstract（参考訳）: 本稿では,超音速流シミュレーションに反応する還元熱化学モデルを抽出するモデル非依存機械学習手法を提案する。 第1のシミュレーションは、与えられたモデルを通して関連するすべての熱力学状態と対応する気体特性を収集する。 これらの状態は低次元空間に埋め込まれ、熱化学的(非)平衡の異なる領域を特定するためにクラスター化される。 そして、ラジアル基底関数ネットワークを用いて、縮小されたクラスタ空間から出力空間への代理面を生成する。 有限レート化学を用いた超音速平板境界層のシミュレーションにより,本手法の検証と評価を行った。 反応性空気混合物の気体特性は、まずオープンソースのMutation++ライブラリを用いてモデル化される。 Mutation++を軽量でマシン学習の代替品に置き換えることで、全体的な精度を維持しながら、ソルバのパフォーマンスを50%向上させる。

関連論文リスト

• Photonic Simulation of Localization Phenomena Using Boson Sampling [0.0]
  室内温度で演奏するコンパクトな合成プラットフォームとしてボソンサンプリングを提案する。 ハミルトン粒子の時間進化ユニタリを連続可変ゲート分解により干渉計にマッピングすることにより、単一粒子の局在特性の実証・実証結果を示す。
  論文  参考訳（メタデータ） (2024-10-17T18:00:05Z)
• Machine Learning methods for simulating particle response in the Zero Degree Calorimeter at the ALICE experiment, CERN [8.980453507536017]
  現在、CERN GRIDの計算能力の半分以上が高エネルギー物理シミュレーションに使われている。 大型ハドロン衝突型加速器(LHC)の最新情報により、より効率的なシミュレーション手法の開発の必要性が高まっている。 機械学習を利用した問題に対する代替手法を提案する。
  論文  参考訳（メタデータ） (2023-06-23T16:45:46Z)
• 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)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Machine-learning-accelerated simulations to enable automatic surface reconstruction [2.9599032866864654]
  ab initioシミュレーションは、理論上、熱力学変数の関数として材料表面の構造を予測することができる。 本稿では,多成分材料の表面位相図を予測するための二面計算ループを提案する。
  論文  参考訳（メタデータ） (2023-05-12T04:53:59Z)
• Adaptive physics-informed neural operator for coarse-grained non-equilibrium flows [0.0]
  このフレームワークは、階層的かつ適応的なディープラーニング戦略を通じて、次元還元とニューラル演算子を組み合わせる。 提案したサロゲートのアーキテクチャは木として構成され、葉ノードは別々の神経オペレータブロックを表す。 0-Dのシナリオでは、提案されたMLフレームワークは、最大相対誤差が4.5%である約30種の力学を適応的に予測することができる。
  論文  参考訳（メタデータ） (2022-10-27T23:26:57Z)
• Sampling with Mollified Interaction Energy Descent [57.00583139477843]
  モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する 我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
  論文  参考訳（メタデータ） (2022-10-24T16:54:18Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• A Score-based Geometric Model for Molecular Dynamics Simulations [33.158796937777886]
  分子配座のログ密度の勾配を推定する新しいモデルScoreMDを提案する。 複数のアーキテクチャの改善により、MD17とC7O2H10の異性体において最先端のベースラインよりも優れています。 この研究は、新しい物質の加速と薬物発見に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2022-04-19T05:13:46Z)
• Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
  本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。 我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。 シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-01-08T11:48:46Z)
• Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
  本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。 これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。 力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
  論文  参考訳（メタデータ） (2021-09-07T20:01:22Z)

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。