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

• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• Explainable Artificial Intelligence Techniques for Accurate Fault Detection and Diagnosis: A Review [0.0]
  この文脈でeXplainable AI(XAI)ツールとテクニックをレビューする。 私たちは、AI決定を透明にする彼らの役割、特に人間が関与する重要なシナリオに重点を置いています。 モデル性能と説明可能性のバランスをとることを目的とした,現在の限界と今後の研究について論じる。
  論文  参考訳（メタデータ） (2024-04-17T17:49:38Z)
• An Energy-Efficient Ensemble Approach for Mitigating Data Incompleteness in IoT Applications [0.0]
  同時にエネルギー効率を向上しながら、データの不完全性に対して堅牢なIoTベースの機械学習システムを構築することが重要である。 ENAMLEは、同時に欠落するデータの影響を緩和するための、能動的でエネルギーに配慮した技術である。 本研究では,ENAMLEのエネルギー効率を示す2つの異なるデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2024-03-15T15:01:48Z)
• 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)
• Deep Neural Operator Driven Real Time Inference for Nuclear Systems to Enable Digital Twin Solutions [0.5115559623386964]
  本研究では,難解な粒子輸送問題の解法におけるDeepONetの一般化性と計算効率について述べる。 DeepONetはまた、従来のMLメソッドよりも優れた予測精度とスピードを示している。 全体として、DeepONetは有望で変革的な核工学の研究と応用ツールである。
  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)
• 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。