論文の概要: Efficient Quality Diversity Optimization of 3D Buildings through 2D Pre-optimization

• arxiv url: http://arxiv.org/abs/2303.15896v1
• Date: Tue, 28 Mar 2023 11:20:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 15:27:17.370650
• Title: Efficient Quality Diversity Optimization of 3D Buildings through 2D Pre-optimization
• Title（参考訳）: 2次元最適化による高効率3次元建築物の多様性最適化
• Authors: Alexander Hagg, Martin L. Kliemank, Alexander Asteroth, Dominik Wilde, Mario C. Bedrunka, Holger Foysi, Dirk Reith
• Abstract要約: 品質多様性アルゴリズムは、エンジニアの直感を伝える様々なソリューションセットを作成するために使用することができる。 しかし、品質の多様性は、非常に高価な問題では効率的ではない。 品質の多様性のあるトレーニングデータを生成することで、より優れた機械学習モデルを作成できることを示します。
• 参考スコア（独自算出の注目度）: 101.18253437732933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quality diversity algorithms can be used to efficiently create a diverse set of solutions to inform engineers' intuition. But quality diversity is not efficient in very expensive problems, needing 100.000s of evaluations. Even with the assistance of surrogate models, quality diversity needs 100s or even 1000s of evaluations, which can make it use infeasible. In this study we try to tackle this problem by using a pre-optimization strategy on a lower-dimensional optimization problem and then map the solutions to a higher-dimensional case. For a use case to design buildings that minimize wind nuisance, we show that we can predict flow features around 3D buildings from 2D flow features around building footprints. For a diverse set of building designs, by sampling the space of 2D footprints with a quality diversity algorithm, a predictive model can be trained that is more accurate than when trained on a set of footprints that were selected with a space-filling algorithm like the Sobol sequence. Simulating only 16 buildings in 3D, a set of 1024 building designs with low predicted wind nuisance is created. We show that we can produce better machine learning models by producing training data with quality diversity instead of using common sampling techniques. The method can bootstrap generative design in a computationally expensive 3D domain and allow engineers to sweep the design space, understanding wind nuisance in early design phases.
• Abstract（参考訳）: 品質多様性アルゴリズムは、エンジニアの直感を伝える様々なソリューションセットを効率的に作成するために使用することができる。 しかし、品質の多様性は非常に高価な問題では効率的ではない。 代理モデルの助けを借りても、品質の多様性には100や1000の評価が必要です。 本研究では,低次元最適化問題に対する事前最適化戦略を用いてこの問題に取り組み,その解を高次元ケースにマッピングする。 風量を最小限に抑える建築設計のユースケースとして,3次元建物周辺の流動特性を,建物足跡周辺の2次元流動特性から予測できることを示す。 多様な建築設計において、品質多様性アルゴリズムを用いて2次元フットプリントの空間をサンプリングすることにより、ソボルシーケンスのような空間充填アルゴリズムで選択されたフットプリントのセットでトレーニングされた場合よりも、より正確な予測モデルを訓練することができる。 16棟の建物を3Dで再現し、1024棟の建物を風のニュアンスを低く予測して設計する。 一般的なサンプリング手法を使わずに、品質の多様性のあるトレーニングデータを生成することで、より良い機械学習モデルを作ることができることを示す。 この手法は、計算コストのかかる3Dドメインで生成設計をブートストラップし、設計空間を網羅し、初期の設計フェーズにおける風のニュアンスを理解する。

関連論文リスト

• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• 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)
• Don't Bet on Luck Alone: Enhancing Behavioral Reproducibility of Quality-Diversity Solutions in Uncertain Domains [2.639902239625779]
  アーカイブ再現性向上アルゴリズム(ARIA)を紹介する。 ARIAは、アーカイブに存在するソリューションの品質を改善するプラグイン・アンド・プレイのアプローチである。 提案アルゴリズムは,任意のアーカイブの品質とディスクリプタ空間のカバレッジを少なくとも50%向上させることを示す。
  論文  参考訳（メタデータ） (2023-04-07T14:45:14Z)
• An unsupervised, open-source workflow for 2D and 3D building mapping from airborne LiDAR data [0.0]
  本研究では,空中LiDARデータを利用した大規模2次元および3次元ビルディングマッピングのためのオープンソースワークフローを提案する。 私たちのワークフローは完全に教師なしであり、いかなるトレーニング手順も不要です。 提案手法のロバスト性は,広範囲なデータセット(>550 km$2$)を用いて厳密に検証され,深層学習および手指による製品との比較によりさらに検証されている。
  論文  参考訳（メタデータ） (2022-05-29T07:00:34Z)
• 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)
• Physical Design using Differentiable Learned Simulators [9.380022457753938]
  逆設計では、学習したフォワードシミュレータは勾配に基づく設計最適化と組み合わせられる。 この枠組みは数百歩の軌跡を伝播することで高品質な設計を行う。 この結果から,機械学習をベースとしたシミュレータは,いくつかの課題があるにもかかわらず,汎用設計の最適化をサポートできる段階まで成熟していることが示唆された。
  論文  参考訳（メタデータ） (2022-02-01T19:56:39Z)
• An adaptive artificial neural network-based generative design method for layout designs [17.377351418260577]
  適応型人工ニューラルネットワークに基づく生成設計手法の提案と開発。 新しい適応学習と最適化戦略が提案され、設計空間を効果的に探索することができます。 2つの熱源レイアウト設計問題に対して,提案手法の性能を実証した。
  論文  参考訳（メタデータ） (2021-01-29T05:32:17Z)
• Evolving Search Space for Neural Architecture Search [70.71153433676024]
  最適化された検索空間サブセットを維持することにより,前回の取り組みから得られた結果を増幅するニューラルサーチ空間進化(NSE)方式を提案する。 我々は333万のFLOPでImageNet上で77.3%のトップ1リトレーニング精度を実現し、最先端の性能を得た。 遅延制約が適用された場合、我々の結果は、77.9%のTop-1再トレーニング精度を持つ、以前の最高のパフォーマンスのモバイルモデルよりも優れた性能が得られる。
  論文  参考訳（メタデータ） (2020-11-22T01:11:19Z)
• Discovering Representations for Black-box Optimization [73.59962178534361]
  ブラックボックス最適化符号化は手作業で行うのではなく,自動的に学習可能であることを示す。 学習された表現は、標準的なMAP-Elitesよりも桁違いに少ない評価で高次元の問題を解くことができることを示す。
  論文  参考訳（メタデータ） (2020-03-09T20:06:20Z)

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。