論文の概要: A Meta-Generation framework for Industrial System Generation
- arxiv url: http://arxiv.org/abs/2306.05123v1
- Date: Thu, 8 Jun 2023 11:47:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 14:33:32.538692
- Title: A Meta-Generation framework for Industrial System Generation
- Title(参考訳): 産業システム生成のためのメタジェネレーションフレームワーク
- Authors: Fouad Oubari, Raphael Meunier, Rodrigue D\'ecatoire, Mathilde Mougeot
- Abstract要約: ジェネレーティブデザインは、産業の世界においてますます重要なツールである。
深層生成モデル(Deep Generative Models)は、ジェネレーティブデザイン技術の間で人気を集めている。
しかし、これらのモデルの開発と評価は困難である。
マルチコンポーネント産業システムを実現するメタVAEを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Generative design is an increasingly important tool in the industrial world.
It allows the designers and engineers to easily explore vast ranges of design
options, providing a cheaper and faster alternative to the trial and failure
approaches. Thanks to the flexibility they offer, Deep Generative Models are
gaining popularity amongst Generative Design technologies. However, developing
and evaluating these models can be challenging. The field lacks accessible
benchmarks, in order to evaluate and compare objectively different Deep
Generative Models architectures. Moreover, vanilla Deep Generative Models
appear to be unable to accurately generate multi-components industrial systems
that are controlled by latent design constraints. To address these challenges,
we propose an industry-inspired use case that incorporates actual industrial
system characteristics. This use case can be quickly generated and used as a
benchmark. We propose a Meta-VAE capable of producing multi-component
industrial systems and showcase its application on the proposed use case.
- Abstract(参考訳): ジェネレーティブデザインは、産業の世界においてますます重要なツールである。
これにより、設計者とエンジニアは、幅広い設計オプションを簡単に探索でき、試行錯誤のアプローチに対するより安価で高速な代替手段を提供する。
柔軟性のおかげで、Deep Generative Modelsはジェネレーティブデザイン技術の間で人気を集めています。
しかし、これらのモデルの開発と評価は困難である。
このフィールドは、異なるDeep Generative Modelsアーキテクチャを評価し比較するために、アクセス可能なベンチマークを欠いている。
さらに、バニラ深層生成モデルは、潜在設計制約によって制御される多成分産業システムを正確に生成できないように見える。
これらの課題に対処するため,産業システムの特徴を取り入れた産業用ユースケースを提案する。
このユースケースは素早く生成し、ベンチマークとして使用できます。
本稿では,多成分産業システムを生産可能なメタベールを提案し,その応用例を示す。
関連論文リスト
- AIGC for Industrial Time Series: From Deep Generative Models to Large Generative Models [10.861135490840725]
本稿では,DGMからLGMへの産業時系列生成モデルの概要を概説する。
まず,産業時系列生成のためのDGMベースのAIGCフレームワークを提案する。このフレームワークでは,先進的な産業用DGMを調査し,多視点分類を提案する。
さらに, 産業用LGMの構築に必要な重要な技術は, 大規模産業用データセット, 複合産業用LGMアーキテクチャ, 産業用時系列の自己監督訓練, 産業用ダウンストリームタスクの微調整の4つの側面から分析する。
論文 参考訳(メタデータ) (2024-07-16T08:16:54Z) - Exploring the Potentials and Challenges of Deep Generative Models in Product Design Conception [0.0]
DGM-families (VAE, GAN, Diffusion, Transformer, Radiance Field) を解析し,その強度,弱点,製品設計概念の適用性について検討した。
我々の目標は、エンジニアが意思決定プロセスを簡単にし、特定の課題に対してどの方法が最も効果的かを決定するのに役立つ洞察を提供することです。
論文 参考訳(メタデータ) (2024-07-15T14:28:50Z) - PosterLLaVa: Constructing a Unified Multi-modal Layout Generator with LLM [58.67882997399021]
本研究では,グラフィックレイアウトの自動生成のための統合フレームワークを提案する。
データ駆動方式では、レイアウトを生成するために構造化テキスト(JSONフォーマット)とビジュアルインストラクションチューニングを用いる。
我々は、大規模な実験を行い、パブリックなマルチモーダルレイアウト生成ベンチマーク上で、最先端(SOTA)性能を達成した。
論文 参考訳(メタデータ) (2024-06-05T03:05:52Z) - Zero-Shot RTL Code Generation with Attention Sink Augmented Large
Language Models [0.0]
本稿では,大規模言語モデルを利用したハードウェア設計におけるコード生成プロセスの合理化の可能性について論じる。
RTLコード生成で大きな言語モデルを使用する能力は、設計サイクルを高速化するだけでなく、設計空間の探索を促進する。
論文 参考訳(メタデータ) (2024-01-12T17:41:38Z) - Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。
この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。
これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。
本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
論文 参考訳(メタデータ) (2023-11-28T15:09:36Z) - Adversarial Latent Autoencoder with Self-Attention for Structural Image Synthesis [4.619979201312323]
本稿では, 複雑な工学部品の設計画像を生成可能な, 自己注意適応遅延オートエンコーダ (SA-ALAE) を提案する。
SA-ALAEでは、ユーザーは既存のデザインの新しいバリエーションを探索できるだけでなく、潜在空間で操作することで生成プロセスを制御できる。
論文 参考訳(メタデータ) (2023-07-19T17:50:03Z) - TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。
本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文 参考訳(メタデータ) (2023-05-19T10:11:21Z) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [80.61492265221817]
グラフィックレイアウトデザインは視覚コミュニケーションにおいて重要な役割を担っている。
しかし、手作りのレイアウトデザインは、スキルを要求し、時間がかかり、バッチプロダクションではスケールできない。
ジェネレーティブモデルは、設計自動化をスケーラブルにするために出現するが、デザイナの欲求に沿うデザインを作成することは、未だに容易ではない。
論文 参考訳(メタデータ) (2022-12-19T21:57:35Z) - 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) - Design Target Achievement Index: A Differentiable Metric to Enhance Deep
Generative Models in Multi-Objective Inverse Design [4.091593765662773]
設計目標達成指標(Design Target Achievement Index, DTAI)は、設計者が指定した最小パフォーマンス目標を達成するための設計能力を評価する、微分可能で調整可能な指標である。
DTAIをPaDGAN(Performance-Augmented Diverse GAN)に適用し,ベースラインのDeep Generative Modelよりも優れた生成性能を示す。
論文 参考訳(メタデータ) (2022-05-06T04:14:34Z) - Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
産業用AIは、より効率的な将来の産業用制御システムを約束する。
Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
論文 参考訳(メタデータ) (2020-10-30T20:33:05Z)
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。