論文の概要: Biologically Inspired Design Concept Generation Using Generative
Pre-Trained Transformers
- arxiv url: http://arxiv.org/abs/2212.13196v1
- Date: Mon, 26 Dec 2022 16:06:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 14:25:35.589299
- Title: Biologically Inspired Design Concept Generation Using Generative
Pre-Trained Transformers
- Title（参考訳）: 生成型事前学習変換器を用いた生体設計概念生成
- Authors: Qihao Zhu, Xinyu Zhang, Jianxi Luo
- Abstract要約: 本稿では、生成事前学習言語モデル(PLM)に基づく生成設計手法を提案する。
問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。
このアプローチは評価され、その後、軽量の空飛ぶ自動車を設計する現実世界のプロジェクトで使用される。
- 参考スコア（独自算出の注目度）: 13.852758740799452
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biological systems in nature have evolved for millions of years to adapt and
survive the environment. Many features they developed can be inspirational and
beneficial for solving technical problems in modern industries. This leads to a
specific form of design-by-analogy called bio-inspired design (BID). Although
BID as a design method has been proven beneficial, the gap between biology and
engineering continuously hinders designers from effectively applying the
method. Therefore, we explore the recent advance of artificial intelligence
(AI) for a data-driven approach to bridge the gap. This paper proposes a
generative design approach based on the generative pre-trained language model
(PLM) to automatically retrieve and map biological analogy and generate BID in
the form of natural language. The latest generative pre-trained transformer,
namely GPT-3, is used as the base PLM. Three types of design concept generators
are identified and fine-tuned from the PLM according to the looseness of the
problem space representation. Machine evaluators are also fine-tuned to assess
the mapping relevancy between the domains within the generated BID concepts.
The approach is evaluated and then employed in a real-world project of
designing light-weighted flying cars during its conceptual design phase The
results show our approach can generate BID concepts with good performance.
- Abstract（参考訳）: 自然界の生物システムは環境に適応し生き残るために何百万年も進化してきた。
彼らが開発した多くの機能は、現代の産業における技術的な問題を解決するのにインスピレーションを与え、有益である。
これはバイオインスパイアドデザイン(bid)と呼ばれる特定のデザイン・バイ・アナロジーに繋がる。
設計手法としてのBIDは有用であることが証明されているが、生物学と工学のギャップは設計者が効果的に適用するのを継続的に妨げている。
そこで我々は,このギャップを埋めるためのデータ駆動型アプローチとして,人工知能(AI)の最近の進歩を探求する。
本稿では,生物アナロジーの自動検索とマッピングを行い,自然言語形式の入札を生成するための生成前訓練言語モデル(plm)に基づく生成設計手法を提案する。
最新の生成前訓練トランスであるGPT-3がベースPLMとして使用されている。
問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。
マシン評価器は、生成されたBID概念内のドメイン間のマッピング関連性を評価するために微調整される。
提案手法は, コンセプト設計段階において, 軽量空飛ぶ車を設計するための実世界のプロジェクトとして評価され, 採用されている。
関連論文リスト
- Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
我々は、MBOタスクの構造を学習し、経験的に改良された設計につながるモデルを開発する。
我々はCliqueformerを、高次元のブラックボックス機能から、化学・遺伝設計の現実的なタスクまで、様々なタスクで評価する。
論文 参考訳（メタデータ） (2024-10-17T00:35:47Z) - Generative Structural Design Integrating BIM and Diffusion Model [4.619347136761891]
本研究では,ビルディング情報モデリング(BIM)をインテリジェントな構造設計に適用し,BIMと生成AIを統合した構造設計パイプラインを確立する。
人図作成のプロセスにインスパイアされた生成フレームワークでは,AIモデルの生成困難を軽減するため,新たな2段階生成フレームワークが提案されている。
生成型AIツールでは、広く使われているGANベースのモデルを置き換えるために拡散モデル(DM)を導入し、新しい物理ベースの条件付き拡散モデル(PCDM)を提案し、異なる設計の前提条件を検討する。
論文 参考訳（メタデータ） (2023-11-07T15:05:19Z) - Learning Transferable Conceptual Prototypes for Interpretable
Unsupervised Domain Adaptation [79.22678026708134]
本稿では,Transferable Prototype Learning (TCPL) という,本質的に解釈可能な手法を提案する。
この目的を達成するために、ソースドメインからターゲットドメインにカテゴリの基本概念を転送する階層的なプロトタイプモジュールを設計し、基礎となる推論プロセスを説明するためにドメイン共有プロトタイプを学習する。
総合的な実験により,提案手法は有効かつ直感的な説明を提供するだけでなく,従来の最先端技術よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-10-12T06:36:41Z) - Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
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。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - Generative Transformers for Design Concept Generation [7.807713821263175]
本研究では,人工知能(AI)分野における自然言語生成技術(NLG)の最近の進歩について考察する。
テキストデータからの知識と推論を活用するために,GPT(Generative Pre-trained Transformer)を用いた新しい手法を提案する。
3つの概念生成タスクは、異なる知識と推論(ドメイン知識合成、問題駆動合成、アナログ駆動合成)を活用するために定義される。
論文 参考訳（メタデータ） (2022-11-07T11:29:10Z) - Generative Pre-Trained Transformers for Biologically Inspired Design [13.852758740799452]
本稿では,事前学習言語モデル(PLM)に基づく生成設計手法を提案する。
問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。
このアプローチは、自然にインスパイアされた軽量の空飛ぶ車の概念の生成と評価に微調整されたモデルを適用するケーススタディによってテストされる。
論文 参考訳（メタデータ） (2022-03-31T11:13:22Z) - Generative Design Ideation: A Natural Language Generation Approach [7.807713821263175]
本稿では,人工知能(AI)における最新の事前学習言語モデルの適用により,知識に基づく設計概念の生成的アプローチを検討することを目的とする。
AI生成されたアイデアは、簡潔で理解可能な言語であるだけでなく、制御可能な知識距離を持つ外部知識ソースでターゲット設計を合成することができる。
論文 参考訳（メタデータ） (2022-03-28T08:11:29Z) - Generative Pre-Trained Transformer for Design Concept Generation: An
Exploration [6.233117407988574]
本稿では,自然言語設計概念生成における生成事前学習変換器(GPT)の利用について検討する。
本実験では, GPT-2 と GPT-3 を設計作業における様々な創造的推論に用いた。
論文 参考訳（メタデータ） (2021-11-16T14:12:08Z) - Dynamically Grown Generative Adversarial Networks [111.43128389995341]
本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。
本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
論文 参考訳（メタデータ） (2021-06-16T01:25:51Z) - Analogous to Evolutionary Algorithm: Designing a Unified Sequence Model [58.17021225930069]
実演的進化アルゴリズム(EA)と類似した視覚変換器の合理性について説明する。
我々は、より効率的なEATモデルを提案し、様々なタスクに柔軟に対処するタスク関連ヘッドを設計する。
近年のビジョントランスに比べて,イメージネット分類作業における最先端の成果が得られている。
論文 参考訳（メタデータ） (2021-05-31T16:20:03Z)
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。