論文の概要: Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges
- arxiv url: http://arxiv.org/abs/2211.16406v1
- Date: Tue, 29 Nov 2022 17:28:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 17:07:06.857579
- Title: Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges
- Title(参考訳): メタモデルに基づく歩行者橋の概念設計における条件付き変分オートエンコーダによる設計空間探索と説明
- Authors: Vera M. Balmer and Sophia V. Kuhn and Rafael Bischof and Luis
Salamanca and Walter Kaufmann and Fernando Perez-Cruz and Michael A. Kraus
- Abstract要約: 本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
- 参考スコア(独自算出の注目度): 52.77024349608834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For conceptual design, engineers rely on conventional iterative (often
manual) techniques. Emerging parametric models facilitate design space
exploration based on quantifiable performance metrics, yet remain
time-consuming and computationally expensive. Pure optimisation methods,
however, ignore qualitative aspects (e.g. aesthetics or construction methods).
This paper provides a performance-driven design exploration framework to
augment the human designer through a Conditional Variational Autoencoder
(CVAE), which serves as forward performance predictor for given design features
as well as an inverse design feature predictor conditioned on a set of
performance requests. The CVAE is trained on 18'000 synthetically generated
instances of a pedestrian bridge in Switzerland. Sensitivity analysis is
employed for explainability and informing designers about (i) relations of the
model between features and/or performances and (ii) structural improvements
under user-defined objectives. A case study proved our framework's potential to
serve as a future co-pilot for conceptual design studies of pedestrian bridges
and beyond.
- Abstract(参考訳): 概念設計では、エンジニアは従来の反復的(しばしば手動)技術に依存している。
新たに出現するパラメトリックモデルは、定量化可能なパフォーマンスメトリクスに基づく設計空間の探索を促進するが、時間と計算コストは依然としてかかる。
しかし、純粋な最適化法は質的な側面(例えば美学や構成法)を無視している。
本稿では,条件付き変分オートエンコーダ(cvae)により,人間設計者を支援するための性能駆動設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
感性分析は、説明可能性とデザイナーに伝えるために使われる
一 特徴及び/又はパフォーマンスのモデルの関係
(ii)ユーザ定義による構造改善。
歩行者用橋梁等の概念設計研究における将来の共同パイロットとしての枠組みの可能性が実証された。
関連論文リスト
- Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳(メタデータ) (2024-01-24T01:33:39Z) - Design of Unmanned Air Vehicles Using Transformer Surrogate Models [8.914156789222266]
我々は,無人航空機(UAV)の設計を合成するAIデザイナを開発した。
提案手法では,高額なフライトダイナミックスモデルやCADツールを動作させることなく,新規なドメイン固有符号化を用いた深部変圧器モデルを用いて,提案手法の性能評価を行う。
論文 参考訳(メタデータ) (2022-11-11T21:22:21Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-10-07T02:12:34Z) - ARRID: ANN-based Rotordynamics for Robust and Integrated Design [0.0]
ARRIDは、製造逸脱の影響を含む高速な性能情報を提供する。
設計者は、設計のパラメータと動作条件を操作でき、数秒で性能情報を得ることができる。
論文 参考訳(メタデータ) (2022-08-25T16:08:05Z) - Designing MacPherson Suspension Architectures using Bayesian
Optimization [21.295015276123962]
コンプライアンステストは、まず、規律モデルを用いたコンピュータシミュレーションによって行われる。
このシミュレーションを通した設計は、物理的プロトタイピングとして考慮される。
提案手法は汎用的で,スケーラブルで,効率的であることを示す。
論文 参考訳(メタデータ) (2022-06-17T21:50:25Z) - Design Target Achievement Index: A Differentiable Metric to Enhance Deep
Generative Models in Multi-Objective Inverse Design [4.091593765662773]
設計目標達成指標(Design Target Achievement Index, DTAI)は、設計者が指定した最小パフォーマンス目標を達成するための設計能力を評価する、微分可能で調整可能な指標である。
DTAIをPaDGAN(Performance-Augmented Diverse GAN)に適用し,ベースラインのDeep Generative Modelよりも優れた生成性能を示す。
論文 参考訳(メタデータ) (2022-05-06T04:14:34Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳(メタデータ) (2022-04-15T20:40:43Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z) - Unadversarial Examples: Designing Objects for Robust Vision [100.4627585672469]
現代の機械学習アルゴリズムの感度を入力摂動に活かし、「ロバストオブジェクト」を設計するフレームワークを開発しています。
標準ベンチマークから(シミュレーション中)ロボット工学まで,さまざまな視覚ベースのタスクに対するフレームワークの有効性を実証する。
論文 参考訳(メタデータ) (2020-12-22T18:26:07Z) - Generative Design by Reinforcement Learning: Enhancing the Diversity of
Topology Optimization Designs [5.8010446129208155]
本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。
RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
論文 参考訳(メタデータ) (2020-08-17T06:50:47Z)
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。