論文の概要: Accurate ignition detection of solid fuel particles using machine learning

• arxiv url: http://arxiv.org/abs/2305.00004v1
• Date: Thu, 20 Apr 2023 21:10:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 16:01:34.906973
• Title: Accurate ignition detection of solid fuel particles using machine learning
• Title（参考訳）: 機械学習による固体燃料粒子の正確な点火検出
• Authors: Tao Li, Zhangke Liang, Andreas Dreizler, Benjamin B\"ohm
• Abstract要約: 石炭粒子径90-125mと160-200mの2つの粒径を従来の空気およびオキシ燃料条件下で検討した。 残留ネットワーク(ResNet)と特徴ピラミッドネットワーク(FPN)は、真実に基づいて訓練され、点火時間を予測する。
• 参考スコア（独自算出の注目度）: 3.473038099935777
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the present work, accurate determination of single-particle ignition is focused on using high-speed optical diagnostics combined with machine learning approaches. Ignition of individual particles in a laminar flow reactor are visualized by simultaneous 10 kHz OH-LIF and DBI measurements. Two coal particle sizes of 90-125{\mu}m and 160-200{\mu}m are investigated in conventional air and oxy-fuel conditions with increasing oxygen concentrations. Ignition delay times are first evaluated with threshold methods, revealing obvious deviations compared to the ground truth detected by the human eye. Then, residual networks (ResNet) and feature pyramidal networks (FPN) are trained on the ground truth and applied to predict the ignition time.~Both networks are capable of detecting ignition with significantly higher accuracy and precision. Besides, influences of input data and depth of networks on the prediction performance of a trained model are examined.~The current study shows that the hierarchical feature extraction of the convolutions networks clearly facilitates data evaluation for high-speed optical measurements and could be transferred to other solid fuel experiments with similar boundary conditions.
• Abstract（参考訳）: 本研究は, 高速光診断と機械学習の併用により, 単粒子点火の正確な判定を行うものである。 層流リアクター内の個々の粒子の着火を10khzのoh-lifとdbiの同時測定により可視化する。 90-125{\mu}mと160-200{\mu}mの2つの石炭粒子径を従来の空気および酸素濃度の増加を伴う酸素燃料条件下で検討した。 着火遅延時間をしきい値法で最初に評価し、人間の眼で検出された地面の真理と比較して明らかな偏差を明らかにした。 次に、残差ネットワーク(ResNet)と特徴ピラミッドネットワーク(FPN)を地上真実に基づいて訓練し、着火時間を予測する。 両ネットワークは、高い精度と精度で点火を検出することができる。 また,入力データとネットワークの深さがトレーニングモデルの予測性能に及ぼす影響について検討した。 本研究は, 畳み込みネットワークの階層的特徴抽出により, 高速光計測のためのデータ評価が容易になり, 同様の境界条件で他の固体燃料実験に移管できることを示す。

関連論文リスト

• Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
  超イオン材料は、エネルギー密度と安全性を向上させる固体電池の推進に不可欠である。 このような物質を同定するための従来の計算手法は資源集約的であり、容易ではない。 普遍的原子間ポテンシャル解析によるイオン伝導率の迅速かつ確実な評価手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T09:01:36Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• Using deep neural networks to improve the precision of fast-sampled particle timing detectors [0.0]
  粒子タイミング検出器の測定は、通過する粒子によって堆積された電荷の統計的変動によって生じる時間歩行効果に影響されることが多い。 定数分数判別器(CFD)アルゴリズムは、テスト設定と実行実験の両方において、この効果を緩和するために頻繁に使用される。 我々は、DESY-IIシンクロトロンの試験ビーム施設で取得したデータを用いて、様々なニューラルネットワークアーキテクチャを評価した。 我々は,検出器の読み出しチャネルに応じて,タイミング精度を8%から23%改善した。
  論文  参考訳（メタデータ） (2023-12-10T13:22:46Z)
• Fast Uncertainty Quantification of Spent Nuclear Fuel with Neural Networks [0.0]
  最先端の物理ベースのモデルは信頼性はあるものの、計算集約的で時間を要する。 本稿では,ニューラルネットワーク(NN)を用いてSNF特性の予測を行うサロゲートモデリング手法を提案する。 NNは、CASMO5格子計算から生成されたデータを用いて訓練される。
  論文  参考訳（メタデータ） (2023-08-16T14:23:24Z)
• Accurate melting point prediction through autonomous physics-informed learning [52.217497897835344]
  NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。 固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
  論文  参考訳（メタデータ） (2023-06-23T07:53:09Z)
• Label-free timing analysis of SiPM-based modularized detectors with physics-constrained deep learning [9.234802409391111]
  モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。 本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-24T09:16:31Z)
• An Adaptive GViT for Gas Mixture Identification and Concentration Estimation [9.331787778137945]
  ガス識別の精度は97.61%に達し、純粋なガス濃度推定のR2は平均で99.5%を超える。 GViTモデルは、センサアレイの可変長リアルタイム信号データを入力として直接利用することができる。
  論文  参考訳（メタデータ） (2023-03-10T03:37:05Z)
• Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
  実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。 その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-01-19T20:04:36Z)
• Deep learning extraction of band structure parameters from density of states: a case study on trilayer graphene [45.61296767255256]
  包括的定量的理論の鍵となる要件は、材料のバンド構造パラメータの正確な決定である。 本稿では、ディープニューラルネットワークを用いた実験データからバンド構造パラメータを導出する一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-12T15:24:42Z)
• A deep learning-based ODE solver for chemical kinetics [6.146046338698173]
  この研究はDeepCombustion0.0と呼ばれる深層学習に基づく数値計算法を提案し、硬い常微分方程式系を解く。 54種を含むDME/空気混合物の均一な自己着火は、アルゴリズムの有効性と精度を示す例として採用されている。
  論文  参考訳（メタデータ） (2020-11-24T02:44:21Z)
• BiDet: An Efficient Binarized Object Detector [96.19708396510894]
  本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。 我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。 我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
  論文  参考訳（メタデータ） (2020-03-09T08:16:16Z)

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。