論文の概要: Uncertainty Quantification and Sensitivity analysis for Digital Twin
Enabling Technology: Application for BISON Fuel Performance Code
- arxiv url: http://arxiv.org/abs/2210.07541v1
- Date: Fri, 14 Oct 2022 05:40:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 17:37:21.837575
- Title: Uncertainty Quantification and Sensitivity analysis for Digital Twin
Enabling Technology: Application for BISON Fuel Performance Code
- Title(参考訳): ディジタル双発エナリング技術の不確かさ定量化と感度解析:BISON燃料性能コードへの適用
- Authors: Kazuma Kobayashi, Dinesh Kumar, Matthew Bonney, Souvik Chakraborty,
Kyle Paaren, Syed Alam
- Abstract要約: DTフレームワークは、高度なATFを格付けする複雑な問題に対して、ゲームを変えるが実用的な情報を提供することができる。
不確かさの定量化と感度分析は、多基準およびリスクインフォームド意思決定の観点から、DTフレームワークの成功に最重要である。
本章では、MLに基づく不確実性定量化および感度解析手法を紹介し、有限要素系核燃料性能コードBISONの実例を示す。
- 参考スコア(独自算出の注目度): 0.3969046654861533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To understand the potential of intelligent confirmatory tools, the U.S.
Nuclear Regulatory Committee (NRC) initiated a future-focused research project
to assess the regulatory viability of machine learning (ML) and artificial
intelligence (AI)-driven Digital Twins (DTs) for nuclear power applications.
Advanced accident tolerant fuel (ATF) is one of the priority focus areas of the
U.S. Department of Energy (DOE). A DT framework can offer game-changing yet
practical and informed solutions to the complex problem of qualifying advanced
ATFs. Considering the regulatory standpoint of the modeling and simulation
(M&S) aspect of DT, uncertainty quantification and sensitivity analysis are
paramount to the DT framework's success in terms of multi-criteria and
risk-informed decision-making. This chapter introduces the ML-based uncertainty
quantification and sensitivity analysis methods while exhibiting actual
applications to the finite element-based nuclear fuel performance code BISON.
- Abstract(参考訳): インテリジェントな確認ツールの可能性を理解するため、米国原子力規制委員会(NRC)は、原子力応用のための機械学習(ML)と人工知能(AI)駆動のDigital Twins(DT)の規制可能性を評価する将来の研究プロジェクトを開始した。
事故耐性燃料(Advanced accident Tolerant Fuel、ATF)は、アメリカ合衆国エネルギー省(DOE)の優先分野の一つである。
DTフレームワークは、高度なATFを格付けする複雑な問題に対して、ゲームを変えるが実用的な情報を提供することができる。
DTのモデリング・シミュレーション(M&S)面の規制的立場を考えると、不確実性定量化と感度分析は、多基準およびリスクインフォームド意思決定の観点からDTフレームワークの成功に最重要である。
本章では、MLに基づく不確実性定量化および感度解析手法を紹介し、有限要素系核燃料性能コードBISONの実例を示す。
関連論文リスト
- The Role of Foundation Models in Neuro-Symbolic Learning and Reasoning [54.56905063752427]
Neuro-Symbolic AI(NeSy)は、AIシステムの安全なデプロイを保証することを約束している。
ニューラルネットワークとシンボリックコンポーネントを順次トレーニングする既存のパイプラインは、広範なラベリングを必要とする。
新しいアーキテクチャであるNeSyGPTは、生データから象徴的特徴を抽出する視覚言語基盤モデルを微調整する。
論文 参考訳(メタデータ) (2024-02-02T20:33:14Z) - CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework
for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。
近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-13T22:46:43Z) - State-of-the-Art Review and Synthesis: A Requirement-based Roadmap for
Standardized Predictive Maintenance Automation Using Digital Twin
Technologies [2.4861619769660637]
最近のデジタル技術は予測保守(PMx)を普及させた
しかし、データ駆動手法のサンプル非効率性、物理学に基づく手法の複雑さ、知識に基づく手法の限定的な一般化可能性や拡張性など、多くの制限に直面し続けている。
本稿では,これらの課題に対処するためにDigital Twins(DT)を活用し,大規模なPMxの自動化を実現することを提案する。
論文 参考訳(メタデータ) (2023-11-13T00:16:25Z) - Towards LogiGLUE: A Brief Survey and A Benchmark for Analyzing Logical
Reasoning Capabilities of Language Models [58.76688462256284]
大規模言語モデル(LLM)は、形式的知識表現(KR)システムの様々な制限を克服する能力を示した。
一つのタスクトレーニング,複数タスクトレーニング,および思考知識の蒸留微調整手法の連鎖について検討し,異なる論理的推論カテゴリにおけるモデルの性能を評価する。
論文 参考訳(メタデータ) (2023-10-02T01:00:50Z) - Potential of Deep Operator Networks in Digital Twin-enabling Technology
for Nuclear System [0.6043356028687779]
本研究では,Deep Operator Network (DeepONet) を,原子力工学におけるディジタルツイン (DT) システムのコンテキストにおけるロバスト・サロゲート・モデリング手法として紹介する。
DeepONetは、従来のMLメソッドよりも優れた予測精度を示している。
本研究は,重要な工学領域における代理モデリング技術の力を利用するための重要なステップである。
論文 参考訳(メタデータ) (2023-08-15T01:25:35Z) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳(メタデータ) (2023-02-05T01:39:21Z) - Leveraging Industry 4.0 -- Deep Learning, Surrogate Model and Transfer
Learning with Uncertainty Quantification Incorporated into Digital Twin for
Nuclear System [2.530807828621263]
IoT(Internet of Things)と機械学習(ML)の出現により、サロゲートモデリングの概念はさらに有効になった。
この章は、代理モデリング、トランスファーラーニング、IoT、デジタルツインという概念の概要から始まる。
その後、デジタルツインに関連付けられた代理モデルに対する不確実性、不確実性定量化フレームワーク、および不確実性定量化手法の詳細について概説する。
論文 参考訳(メタデータ) (2022-09-30T20:19:04Z) - Reinforcement Learning with a Terminator [80.34572413850186]
我々は, TerMDP のパラメータを学習し, 推定問題の構造を活用し, 状態ワイドな信頼境界を提供する。
我々はこれらを用いて証明可能な効率のよいアルゴリズムを構築し、終端を考慮し、その後悔を抑える。
論文 参考訳(メタデータ) (2022-05-30T18:40:28Z) - Putting Density Functional Theory to the Test in
Machine-Learning-Accelerated Materials Discovery [2.7810723668216575]
従来のDFTベース機械学習(ML)で典型的なものを超える精度、効率、アプローチに必要な進歩について述べる。
DFTが高スループットのスクリーンで所定のデータポイントを信頼するには、一連のテストに合格しなければならない。
DFTが高スループットのスクリーンで所定のデータポイントを信頼するには、一連のテストに合格しなければならない。
論文 参考訳(メタデータ) (2022-05-06T00:34:50Z) - Digital Twin: From Concept to Practice [1.3633989508250934]
本稿では,デジタルツインにおいて,実践者が適切なレベルの高度化を選択するためのフレームワークを提案する。
実生活における3つのケーススタディは、フレームワークの適用と有用性を示している。
論文 参考訳(メタデータ) (2022-01-14T17:41:26Z) - Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。
本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。
アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
論文 参考訳(メタデータ) (2021-04-08T08:50:44Z)
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。