論文の概要: Smoothing the Rough Edges: Evaluating Automatically Generated Multi-Lattice Transitions

• arxiv url: http://arxiv.org/abs/2306.10055v1
• Date: Tue, 13 Jun 2023 16:22:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-26 01:40:00.714713
• Title: Smoothing the Rough Edges: Evaluating Automatically Generated Multi-Lattice Transitions
• Title（参考訳）: ラフエッジの平滑化:自動生成マルチラティス遷移の評価
• Authors: Martha Baldwin, Nicholas A. Meisel, Christopher McComb
• Abstract要約: 本研究は, 変分型オートエンコーダを用いた遷移格子細胞の自動生成手法の実証と評価を行う。 その結果, 遷移領域の滑らかさは, 終端が潜時空間にどの程度近いかによって強く予測された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Additive manufacturing is advantageous for producing lightweight components while addressing complex design requirements. This capability has been bolstered by the introduction of unit lattice cells and the gradation of those cells. In cases where loading varies throughout a part, it may be beneficial to use multiple, distinct lattice cell types, resulting in multi-lattice structures. In such structures, abrupt transitions between unit cell topologies may cause stress concentrations, making the boundary between unit cell types a primary failure point. Thus, these regions require careful design in order to ensure the overall functionality of the part. Although computational design approaches have been proposed, smooth transition regions are still difficult to achieve, especially between lattices of drastically different topologies. This work demonstrates and assesses a method for using variational autoencoders to automate the creation of transitional lattice cells, examining the factors that contribute to smooth transitions. Through computational experimentation, it was found that the smoothness of transition regions was strongly predicted by how closely the endpoints were in the latent space, whereas the number of transition intervals was not a sole predictor.
• Abstract（参考訳）: 付加物製造は、複雑な設計要件に対処しながら軽量な部品を製造するのに有利である。 この機能は、単位格子細胞の導入とそれらの細胞の階調によって強化されている。 ローディングが部分によって異なる場合、複数の異なる格子細胞タイプを使用することで、複数の格子構造が得られる。 このような構造では、単位細胞トポロジー間の急激な遷移がストレス集中を引き起こし、単位細胞間の境界が第一の障害点となる。 したがって、これらの領域は部分全体の機能を保証するために慎重に設計する必要がある。 計算設計手法が提案されているが、滑らかな遷移領域は依然として達成しづらい。 本研究は, 変分オートエンコーダを用いた遷移格子細胞生成の自動化方法を示し, 滑らかな遷移に寄与する因子について検討する。 計算実験により, トランジッション領域の滑らかさは, エンドポイントが潜在空間にどれだけ密接かによって強く予測できたが, トランジッション区間の数は唯一の予測因子ではなかった。

関連論文リスト

• Transolver: A Fast Transformer Solver for PDEs on General Geometries [66.82060415622871]
  本稿では, 離散化された測地の背後に隠れた本質的な物理状態を学習するTransolverについて述べる。 スライスから符号化された物理認識トークンに注意を向けることで、Transovlerは複雑な物理的相関を効果的に捉えることができる。 Transolverは6つの標準ベンチマークで22%の相対的な利得で一貫した最先端を実現し、大規模産業シミュレーションでも優れている。
  論文  参考訳（メタデータ） (2024-02-04T06:37:38Z)
• CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point Cloud Learning [81.85951026033787]
  この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。 また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。 提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
  論文  参考訳（メタデータ） (2022-07-31T21:39:15Z)
• Inverse Design and Experimental Verification of a Bianisotropic Metasurface Using Optimization and Machine Learning [0.0]
  多くの中表面設計は、放射された遠方界に対する一連の制約から始まり、表面に対する一様でない物理的構造で終わる。 ここでは、反復最適化プロセスを用いて、指定された制約に準拠する遠距離場パターンを放射する表面特性を求める。 微視的なステップでは、これらの最適化された表面特性は、機械学習サロゲートモデルを用いて物理単位セルで実現される。
  論文  参考訳（メタデータ） (2022-03-28T02:21:03Z)
• Phase Collapse in Neural Networks [1.8620637029128544]
  深部畳み込み画像分類器は、空間変数をより少ない数のチャネルに徐々に変換し、全てのクラスを線形に分離する。 本稿では,空間的変動性を段階的に排除できる相崩壊機構について述べる。 非線型性のしきい値とは対照的に、繰り返し位相崩壊がクラス平均の分離を段階的に改善する方法を説明することによって正当化される。
  論文  参考訳（メタデータ） (2021-10-11T13:58:01Z)
• Combiner: Full Attention Transformer with Sparse Computation Cost [142.10203598824964]
  計算の複雑さを低く保ちつつ、各注目ヘッドにフルアテンション機能を提供するコンバインダを提案する。 既存のスパース変圧器で使用されるスパースアテンションパターンのほとんどは、そのような分解設計をフルアテンションに刺激することができることを示す。 自己回帰的タスクと双方向シーケンスタスクの両方に関する実験的評価は、このアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2021-07-12T22:43:11Z)
• Poly-NL: Linear Complexity Non-local Layers with Polynomials [76.21832434001759]
  性能を損なわずに2次から線形に複雑性を低減できる新しい高速非局所ブロックを定式化する。 The proposed method, we dub that "Poly-NL" is competitive to state-of-the-art performance across image recognition, instance segmentation, and face detection task。
  論文  参考訳（メタデータ） (2021-07-06T19:51:37Z)
• A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation [28.761569157861018]
  角膜内皮細胞セグメンテーションは、細胞密度、変動係数、ヘキサゴニティなどの臨床指標を定量化する重要な役割を担っている。 局所的な畳み込みと連続的なダウンサンプリングの受容領域が限られているため、既存のディープラーニングセグメンテーション手法はグローバルコンテキストを完全に活用することはできない。 本稿では,トランスフォーマネットワーク(MBT-Net)をトランスフォーマーとボディーエッジブランチをベースとしたマルチブランチハイブリッドトランスフォーマネットワークを提案する。
  論文  参考訳（メタデータ） (2021-05-21T07:31:09Z)
• DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution [136.7261709896713]
  本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。 提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。 また、現在の最先端よりも推論速度を25%以上向上させる。
  論文  参考訳（メタデータ） (2020-11-26T14:56:57Z)
• Cluster-Former: Clustering-based Sparse Transformer for Long-Range Dependency Encoding [90.77031668988661]
  Cluster-Formerはクラスタリングベースの新しいスパーストランスであり、チャンクされたシーケンスにまたがって注意を向ける。 提案されたフレームワークは、Sliding-Window LayerとCluster-Former Layerの2つのユニークなタイプのTransformer Layerにピボットされている。 実験によると、Cluster-Formerはいくつかの主要なQAベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-09-13T22:09:30Z)
• Computational Phase Transitions: Benchmarking Ising Machines and Quantum Optimisers [0.0]
  最も厳しい例は、一様ランダム分布を許容する制御パラメータを持つ狭い領域で十分に集中しているように見える。 コヒーレントイジングマシンから生成した分布の計算位相遷移を観測できることが確立されている。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)
• Masked Language Modeling for Proteins via Linearly Scalable Long-Context Transformers [42.93754828584075]
  我々は、高速注意Via Orthogonal Random機能(FAVOR)に基づく新しいトランスフォーマーアーキテクチャPerformerを提案する。 我々の機構は、列内のトークンの数で2次ではなく2次的にスケールし、四次空間の複雑さが特徴であり、スパーシティパターンの先行を含まない。 これは強い理論的保証を与える:注意行列の偏りのない推定と一様収束である。
  論文  参考訳（メタデータ） (2020-06-05T17:09:16Z)

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。