Fugu-MT 論文翻訳(概要): Quadrupole Magnet Design based on Genetic Multi-Objective Optimization

論文の概要: Quadrupole Magnet Design based on Genetic Multi-Objective Optimization

arxiv url: http://arxiv.org/abs/2211.09580v2
Date: Fri, 3 Nov 2023 08:38:40 GMT
ステータス: 処理完了
システム内更新日: 2023-11-06 18:31:04.270799
Title: Quadrupole Magnet Design based on Genetic Multi-Objective Optimization
Title（参考訳）: 遺伝的多目的最適化に基づく四極磁石の設計
Authors: Eric Diehl, Moritz von Tresckow, Lou Scholtissek, Dimitrios Loukrezis, Nicolas Marsic, Wolfgang F. O. M\"uller, Herbert De Gersem
Abstract要約: 本研究は,多目的最適化問題の解法に適応した遺伝的アルゴリズムを用いて,四極磁石の形状を最適化することを提案する。最適化目的は、磁石の開口部における高磁場品質が保証され、同時に磁石設計はコスト効率が維持されるように選択される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This work suggests to optimize the geometry of a quadrupole magnet by means of a genetic algorithm adapted to solve multi-objective optimization problems. To that end, a non-domination sorting genetic algorithm known as NSGA-III is used. The optimization objectives are chosen such that a high magnetic field quality in the aperture of the magnet is guaranteed, while simultaneously the magnet design remains cost-efficient. The field quality is computed using a magnetostatic finite element model of the quadrupole, the results of which are post-processed and integrated into the optimization algorithm. An extensive analysis of the optimization results is performed, including Pareto front movements and identification of best designs.
Abstract（参考訳）: 本研究は,多目的最適化問題に適応した遺伝的アルゴリズムを用いて,四極磁石の形状を最適化することを提案する。そのため、nsga-iiiとして知られる非ドーミネーションソート遺伝アルゴリズムが用いられる。マグネットの開口部における高い磁場品質が保証されると共に、磁石設計のコスト効率が維持されるように最適化目標を選定する。フィールド品質は四重極の静磁場有限要素モデルを用いて計算され、その結果は後処理され最適化アルゴリズムに統合される。最適化結果を広範囲に分析し,パレート前部運動と最適設計の同定を行った。

関連論文リスト

Multi-objective Memetic Algorithm with Adaptive Weights for Inverse Antenna Design [0.0]
単目的のアルゴリズムを多目的のアルゴリズムに変更すること。その結果、数十から数百の速度が大幅に増加する。
論文参考訳（メタデータ） (2024-08-07T08:43:38Z)
Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-04T01:47:37Z)
Generative Models for Anomaly Detection and Design-Space Dimensionality Reduction in Shape Optimization [0.0]
本研究は,グローバルアルゴリズムの効率向上と高品質な設計の促進を目的として,新たな形状最適化手法を提案する。これは、幾何学的分散を最大化する新しい縮小部分空間を定義する元の設計変数の数を減らすことで達成される。計算結果から,グローバル最適化アルゴリズムの収束性を改善するとともに,高品質な幾何学的特徴を持つ設計のみを生成する。
論文参考訳（メタデータ） (2023-08-08T04:57:58Z)
An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文参考訳（メタデータ） (2022-10-27T01:58:10Z)
Full optimization of a single-qubit gate on the generalized sequential quantum optimizer [4.341421846091307]
量子回路における単一量子ビットゲートの解析的最適選択に基づく量子アルゴリズムを提案する。目的関数に対する回路評価をわずかに修正した行列要素を用いた行列分解法を提案する。
論文参考訳（メタデータ） (2022-09-18T11:19:56Z)
First-Order Algorithms for Min-Max Optimization in Geodesic Metric Spaces [93.35384756718868]
min-maxアルゴリズムはユークリッド設定で解析されている。指数関数法 (RCEG) が線形速度で最終収束を補正したことを証明した。
論文参考訳（メタデータ） (2022-06-04T18:53:44Z)
Augmenting High-dimensional Nonlinear Optimization with Conditional GANs [0.0]
本稿では,逆最適化アルゴリズムを補完する生成モデルを提案する。生成モデルは、オリジナルのソリューションよりも100%優れた多様性を持つソリューションを生成します。単純なトレーニングアプローチや単純なトレーニングさえも、高次元問題に対する逆アルゴリズムによって見つかる解の多様性と最適性を大幅に改善できることを示す。
論文参考訳（メタデータ） (2021-02-20T18:07:33Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)
A Riemannian Primal-dual Algorithm Based on Proximal Operator and its Application in Metric Learning [3.511851311025242]
一次変数と双対変数を反復的に最適化する原始双対アルゴリズムを提案する。提案アルゴリズムの収束を証明し,その非漸近収束率を示す。ファンドマネージメントにおける最適ファンド選択問題に関する予備実験の結果,有効性が確認された。
論文参考訳（メタデータ） (2020-05-19T03:31:01Z)
Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文参考訳（メタデータ） (2020-03-11T13:52:41Z)
Self-Directed Online Machine Learning for Topology Optimization [58.920693413667216]
自己指向型オンライン学習最適化は、ディープニューラルネットワーク(DNN)と有限要素法(FEM)計算を統合している。本アルゴリズムは, コンプライアンスの最小化, 流体構造最適化, 伝熱促進, トラス最適化の4種類の問題によって検証された。その結果, 直接使用法と比較して計算時間を2～5桁削減し, 実験で検証した全ての最先端アルゴリズムより優れていた。
論文参考訳（メタデータ） (2020-02-04T20:00:28Z)

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。