論文の概要: Reduced order modeling of parametrized systems through autoencoders and
SINDy approach: continuation of periodic solutions
- arxiv url: http://arxiv.org/abs/2211.06786v2
- Date: Mon, 17 Apr 2023 21:58:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 18:14:01.690849
- Title: Reduced order modeling of parametrized systems through autoencoders and
SINDy approach: continuation of periodic solutions
- Title（参考訳）: オートエンコーダとSINDyアプローチによるパラメタライズドシステムの低次モデリング:周期解の継続
- Authors: Paolo Conti, Giorgio Gobat, Stefania Fresca, Andrea Manzoni, Attilio
Frangi
- Abstract要約: 本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。
提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。
これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Highly accurate simulations of complex phenomena governed by partial
differential equations (PDEs) typically require intrusive methods and entail
expensive computational costs, which might become prohibitive when
approximating steady-state solutions of PDEs for multiple combinations of
control parameters and initial conditions. Therefore, constructing efficient
reduced order models (ROMs) that enable accurate but fast predictions, while
retaining the dynamical characteristics of the physical phenomenon as
parameters vary, is of paramount importance. In this work, a data-driven,
non-intrusive framework which combines ROM construction with reduced dynamics
identification, is presented. Starting from a limited amount of full order
solutions, the proposed approach leverages autoencoder neural networks with
parametric sparse identification of nonlinear dynamics (SINDy) to construct a
low-dimensional dynamical model. This model can be queried to efficiently
compute full-time solutions at new parameter instances, as well as directly fed
to continuation algorithms. These aim at tracking the evolution of periodic
steady-state responses as functions of system parameters, avoiding the
computation of the transient phase, and allowing to detect instabilities and
bifurcations. Featuring an explicit and parametrized modeling of the reduced
dynamics, the proposed data-driven framework presents remarkable capabilities
to generalize with respect to both time and parameters. Applications to
structural mechanics and fluid dynamics problems illustrate the effectiveness
and accuracy of the proposed method.
- Abstract（参考訳）: 偏微分方程式(PDE)によって支配される複雑な現象の高精度なシミュレーションは、典型的には侵入法や高価な計算コストを必要とするが、制御パラメータと初期条件の複数組み合わせに対するPDEの定常解の近似が禁止される。
したがって、パラメータの異なる物理現象の動的特性を維持しつつ、正確だが高速な予測を可能にする効率的な縮小順序モデル(ROM)の構築が最重要となる。
本研究では,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。
提案手法は,非線形力学(SINDy)のパラメトリックスパース同定による自己エンコーダニューラルネットワークを利用して,低次元の動的モデルを構築する。
このモデルは、新しいパラメータインスタンスでフルタイムのソリューションを効率的に計算するためにクエリされ、継続アルゴリズムに直接供給される。
これらはシステムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
削減されたダイナミックスの明示的でパラメトリズドなモデリングを特徴とし、提案したデータ駆動フレームワークは、時間とパラメータの両方に関して、顕著な一般化能力を示す。
構造力学および流体力学問題への応用は,提案手法の有効性と精度を示す。
関連論文リスト
- ADAM-SINDy: An Efficient Optimization Framework for Parameterized Nonlinear Dynamical System Identification [0.0]
本稿では,ADAM-SINDyと呼ばれるSINDyフレームワークの新たな手法を提案する。
ADAM-SINDyはADAM最適化アルゴリズムを用いて確立されたアプローチの強みを合成する。
その結果、パラメータ化力学系を同定する際の大幅な改善が示された。
論文 参考訳（メタデータ） (2024-10-21T21:36:17Z) - A parametric framework for kernel-based dynamic mode decomposition using deep learning [0.0]
提案されたフレームワークは、オフラインとオンラインの2つのステージで構成されている。
オンラインステージでは、これらのLANDOモデルを活用して、所望のタイミングで新しいデータを生成する。
高次元力学系に次元還元法を適用して, トレーニングの計算コストを低減させる。
論文 参考訳（メタデータ） (2024-09-25T11:13:50Z) - On latent dynamics learning in nonlinear reduced order modeling [0.6249768559720122]
本稿では,パラメータ化非線形時間依存PDEの次数モデリングのための潜在力学モデル(LDM)の数学的枠組みを提案する。
フルオーダーモデル (FOM) 解の LDM 近似に対する誤差と安定性の推定を導出するために, 時間連続的な設定を用いる。
ディープニューラルネットワークは離散LDM成分を近似し、FOMに関して有界近似誤差を提供する。
論文 参考訳（メタデータ） (2024-08-27T16:35:06Z) - VENI, VINDy, VICI: a variational reduced-order modeling framework with uncertainty quantification [4.804365706049767]
我々は、低次モデル(ROM)を構築するためのデータ駆動型非侵入型フレームワークを提案する。
詳細は、縮小座標の分布を特定するための変分SINIで構成されている。
トレーニングされたオフラインで、特定されたモデルは、新しいパラメータインスタンスと、対応するフルタイムソリューションを計算するための新しい初期条件のためにクエリすることができる。
論文 参考訳（メタデータ） (2024-05-31T15:16:48Z) - Learning minimal representations of stochastic processes with
variational autoencoders [52.99137594502433]
プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。
我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
論文 参考訳（メタデータ） (2023-07-21T14:25:06Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - 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) - A Causality-Based Learning Approach for Discovering the Underlying
Dynamics of Complex Systems from Partial Observations with Stochastic
Parameterization [1.2882319878552302]
本稿では,部分的な観測を伴う複雑な乱流系の反復学習アルゴリズムを提案する。
モデル構造を識別し、観測されていない変数を復元し、パラメータを推定する。
数値実験により、新しいアルゴリズムはモデル構造を同定し、多くの複雑な非線形系に対して適切なパラメータ化を提供することに成功した。
論文 参考訳（メタデータ） (2022-08-19T00:35:03Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - Extension of Dynamic Mode Decomposition for dynamic systems with
incomplete information based on t-model of optimal prediction [69.81996031777717]
動的モード分解は、動的データを研究するための非常に効率的な手法であることが証明された。
このアプローチの適用は、利用可能なデータが不完全である場合に問題となる。
本稿では,森-Zwanzig分解の1次近似を考察し,対応する最適化問題を記述し,勾配に基づく最適化法を用いて解く。
論文 参考訳（メタデータ） (2022-02-23T11:23:59Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T23:31:25Z)
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。