論文の概要: Data-driven intelligent computational design for products: Method,
techniques, and applications
- arxiv url: http://arxiv.org/abs/2301.12382v2
- Date: Tue, 11 Apr 2023 07:19:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 18:09:07.375761
- Title: Data-driven intelligent computational design for products: Method,
techniques, and applications
- Title（参考訳）: 製品のためのデータ駆動型インテリジェント計算設計:方法、技術、応用
- Authors: Maolin Yang, Pingyu Jiang, Tianshuo Zang, Yuhao Liu
- Abstract要約: データ駆動型インテリジェント・コンピューティング・デザイン(DICD)は、急速に発展する人工知能の文脈下で出現する研究ホットスポットである。
ディープラーニングアルゴリズムを活用して、歴史的または製造された設計プロセスデータに隠されたデザイン特徴を抽出し、表現することを強調している。
- 参考スコア（独自算出の注目度）: 7.459096362979925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data-driven intelligent computational design (DICD) is a research hotspot
emerged under the context of fast-developing artificial intelligence. It
emphasizes on utilizing deep learning algorithms to extract and represent the
design features hidden in historical or fabricated design process data, and
then learn the combination and mapping patterns of these design features for
the purposes of design solution retrieval, generation, optimization,
evaluation, etc. Due to its capability of automatically and efficiently
generating design solutions and thus supporting human-in-the-loop intelligent
and innovative design activities, DICD has drawn the attentions from both
academic and industrial fields. However, as an emerging research subject, there
are still many unexplored issues that limit the development and application of
DICD, such as specific dataset building, engineering design related feature
engineering, systematic methods and techniques for DICD implementation in the
entire product design process, etc. In this regard, a systematic and operable
road map for DICD implementation from full-process perspective is established,
including a general workflow for DICD project planning, an overall framework
for DICD project implementation, the computing mechanisms for DICD
implementation, key enabling technologies for detailed DICD implementation, and
three application scenarios of DICD. The road map reveals the common mechanisms
and calculation principles of existing DICD researches, and thus it can provide
systematic guidance for the possible DICD applications that have not been
explored.
- Abstract（参考訳）: data-driven intelligent computational design (dicd) は、高速な人工知能のコンテキスト下で出現した研究ホットスポットである。
ディープラーニングアルゴリズムを活用して、歴史的または製造された設計プロセスデータに隠されたデザイン特徴を抽出し、表現し、設計ソリューションの検索、生成、最適化、評価などのためにこれらのデザイン特徴の組み合わせとマッピングパターンを学ぶ。
自動的かつ効率的に設計ソリューションを生成できる能力と、人力によるインテリジェントで革新的な設計活動を支援する能力から、dcdは学術分野と産業分野の両方から注目を集めてきた。
しかし、新たな研究課題として、具体的なデータセット構築、エンジニアリングデザインに関連する機能工学、製品設計プロセス全体におけるdicd実装のための体系的手法と技術など、dicdの開発と適用を制限する多くの未検討の課題が残っている。
この点に関して、DICDプロジェクト計画の一般的なワークフロー、DICDプロジェクト実装の全体的なフレームワーク、DICD実装のコンピューティングメカニズム、詳細なDICD実装のための重要な実現技術、DICDの3つのアプリケーションシナリオを含む、フルプロセスの観点からDICD実装のための体系的で実行可能なロードマップが確立されている。
road map は既存の dicd 研究の共通機構と計算原理を明らかにしており、探索されていない dicd 応用について体系的なガイダンスを提供することができる。
関連論文リスト
- Intelligent OPC Engineer Assistant for Semiconductor Manufacturing [10.099586311437497]
我々は、光近接補正(OPC)として知られる中核的な製造・認識最適化問題を解決するために、AI/LLMを利用した手法であるtextitIntelligent OPC Engineer Assistantを提案する。
本手法は、強化学習に基づくOPCレシピ検索と、レシピ要約のためのカスタマイズされたマルチモーダルエージェントシステムを含む。
実験により,提案手法は設計トポロジを特別に処理した様々なチップ設計上で効率的にOPCレシピを構築できることが実証された。
論文 参考訳（メタデータ） (2024-08-23T00:49:36Z) - 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) - Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳（メタデータ） (2024-02-27T17:11:35Z) - Approximate Computing Survey, Part II: Application-Specific &
Architectural Approximation Techniques and Applications [14.450131342802631]
近似コンピューティングは、エネルギー効率と/または性能を改善するために、システムの設計における結果の質を調整できる。
この急進的なパラダイムシフトは、学界と産業の両方から関心を集めている。
重要な側面(例えば、用語と応用)をカバーし、最先端の近似技術についてレビューする。
論文 参考訳（メタデータ） (2023-07-20T15:54:33Z) - Design Automation for Fast, Lightweight, and Effective Deep Learning
Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。
これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。
この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文 参考訳（メタデータ） (2022-08-22T12:12:43Z) - Computational Rational Engineering and Development: Synergies and
Opportunities [0.0]
本稿では,工学開発プロセスの自動化と自動化をめざした進歩と定式化の視点について検討する。
従来の人中心型ツールベースのCAEアプローチを超越して,コンピュータ・ライタリティの枠組みを設計・工学・開発における課題にまで拡張することが提案されている。
論文 参考訳（メタデータ） (2021-12-27T19:11:34Z) - YMIR: A Rapid Data-centric Development Platform for Vision Applications [82.67319997259622]
本稿では,コンピュータビジョンアプリケーションの開発を迅速化するオープンソースプラットフォームについて紹介する。
このプラットフォームは、効率的なデータ開発を機械学習開発プロセスの中心に置く。
論文 参考訳（メタデータ） (2021-11-19T05:02:55Z) - Deep Generative Models in Engineering Design: A Review [1.933681537640272]
本稿では,工学設計におけるDeep Generative Learningモデルのレビューと分析を行う。
最近のDGMは、構造最適化、材料設計、形状合成といった設計応用において有望な結果を示している。
論文 参考訳（メタデータ） (2021-10-21T02:50:10Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z)
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。