論文の概要: Hall effect thruster design via deep neural network for additive manufacturing

• arxiv url: http://arxiv.org/abs/2303.08227v1
• Date: Tue, 14 Mar 2023 20:46:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 18:36:29.598267
• Title: Hall effect thruster design via deep neural network for additive manufacturing
• Title（参考訳）: 深層ニューラルネットワークによる添加物製造用ホール効果スラスタの設計
• Authors: Konstantin Korolev
• Abstract要約: ホールエフェクトスラスタの衝撃性能において, 放電流路の正径化が著しく大きいことが理解された。 ほとんどのスラスタは、いわゆるスケーリング法則を使って設計されている。 この研究は、文学における通常のスケーリング設計アプローチよりも少ない頻度で概説される、かなり斬新なアプローチに焦点を当てている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Hall effect thrusters are one of the most versatile and popular electric propulsion systems for space use. Industry trends towards interplanetary missions arise advances in design development of such propulsion systems. It is understood that correct sizing of discharge channel in Hall effect thruster impact performance greatly. Since the complete physics model of such propulsion system is not yet optimized for fast computations and design iterations, most thrusters are being designed using so-called scaling laws. But this work focuses on rather novel approach, which is outlined less frequently than ordinary scaling design approach in literature. Using deep machine learning it is possible to create predictive performance model, which can be used to effortlessly get design of required hall thruster with required characteristics using way less computational power than design from scratch and way more flexible than usual scaling approach.
• Abstract（参考訳）: ホールエフェクト・スラスタは宇宙用の最も汎用的で一般的な電気推進システムの一つである。 惑星間ミッションへの産業動向は、このような推進システムの設計開発において進展する。 ホール効果スラスタの衝突性能は,放電流路の正確なサイズが大きいことが判明した。 このような推進システムの完全な物理モデルはまだ高速計算や設計イテレーションに最適化されていないため、ほとんどのスラスタはいわゆるスケーリング則を用いて設計されている。 しかし、この研究は、文学における通常のスケーリング設計アプローチよりも少ない頻度で概説される、かなり新しいアプローチに焦点を当てている。 ディープラーニングを使用することで、必要な特性を備えた必要なホールスラスタの設計を、スクラッチから設計するよりも計算能力が少なく、従来のスケーリングアプローチよりも柔軟に行うことができる。

関連論文リスト

• 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)
• GANDSE: Generative Adversarial Network based Design Space Exploration for Neural Network Accelerator Design [27.290616313982323]
  GANDSEというニューラルネットワークアクセラレータ設計自動化フレームワークを提案する。 GANDSEは、多層パーセプトロンや深層強化学習といったアプローチと比較して、より最適化された設計を無視できる時間で見つけることができる。
  論文  参考訳（メタデータ） (2022-08-01T12:32:46Z)
• Modeling and Predicting Transistor Aging under Workload Dependency using Machine Learning [10.82757480889144]
  物理モデルに再現する機械学習モデルを提案する。 本研究では,ある回路からのデータをトレーニングし,ベンチマーク回路に適用することでモデルを一般化する能力を実証する。 この研究は、ファウントリーと回路設計者の間の広い湾を埋める方向への有望なステップである。
  論文  参考訳（メタデータ） (2022-07-08T21:52:29Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Sparseloop: An Analytical Approach To Sparse Tensor Accelerator Modeling [10.610523739702971]
  本稿ではまず,多種多様なテンソル型加速器の設計空間を体系的に記述する統合分類法を提案する。 提案された分類に基づいて、最初の高速で正確で柔軟な分析モデリングフレームワークであるSparseloopを導入した。 Sparseloopは、さまざまなデータフローやスパースアクセラレーション機能を含む、大規模なアーキテクチャ仕様を理解している。
  論文  参考訳（メタデータ） (2022-05-12T01:28:03Z)
• Data-Driven Offline Optimization For Architecting Hardware Accelerators [89.68870139177785]
  PRIMEと呼ばれるハードウェアアクセラレータを設計するための,データ駆動型オフライン最適化手法を開発した。 PRIMEは、最先端のシミュレーション駆動方式の性能を約1.54倍と1.20倍に改善し、必要な総シミュレーション時間をそれぞれ93%と99%削減する。 さらにPRIMEは、ゼロショット設定で見えないアプリケーションのための効果的なアクセラレーターを設計し、シミュレーションベースの手法を1.26倍に向上させた。
  論文  参考訳（メタデータ） (2021-10-20T17:06:09Z)
• Powerpropagation: A sparsity inducing weight reparameterisation [65.85142037667065]
  我々は、本質的にスパースモデルにつながるニューラルネットワークの新しい重みパラメータ化であるPowerpropagationを紹介した。 この方法で訓練されたモデルは同様の性能を示すが、0で明らかに高い密度の分布を持ち、より多くのパラメータを安全に刈り取ることができる。 ここでは、Powerpropagationと従来のウェイトプルーニング技術と、最近の最先端スパース・トゥ・スパースアルゴリズムを組み合わせることで、ImageNetベンチマークで優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2021-10-01T10:03:57Z)
• Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network [0.0]
  右翼を見つけることは、あらゆる航空機の設計の予備段階における重要なステップである。 本研究では、異なるネットワークアーキテクチャとトレーニングデータセットを比較し、ネットワークが与えられた翼のジオメトリをどのように知覚するかについての洞察を得る。
  論文  参考訳（メタデータ） (2021-09-24T19:07:19Z)
• Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
  立方体の作動限界における時間-最適軌道の計画は未解決の問題である。 四重項のアクチュエータポテンシャルをフル活用する解を提案する。 我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
  論文  参考訳（メタデータ） (2021-08-10T09:26:43Z)
• First Steps: Latent-Space Control with Semantic Constraints for Quadruped Locomotion [73.37945453998134]
  従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。 これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。 この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。 深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。 実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
  論文  参考訳（メタデータ） (2020-07-03T07:04:18Z)

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。