論文の概要: Spatio-Temporal Surrogates for Interaction of a Jet with High
Explosives: Part I -- Analysis with a Small Sample Size
- arxiv url: http://arxiv.org/abs/2307.01393v1
- Date: Mon, 3 Jul 2023 23:10:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 18:46:11.980967
- Title: Spatio-Temporal Surrogates for Interaction of a Jet with High
Explosives: Part I -- Analysis with a Small Sample Size
- Title（参考訳）: ジェットと高爆発物との相互作用のための時空間サロゲート:第1報 -- 小型試料による解析
- Authors: Chandrika Kamath and Juliette S. Franzman and Brian H. Daub
- Abstract要約: 高い爆発物と相互作用するジェットの2次元問題を用いて、高品質なサロゲートをどうやって構築できるかを理解する。
それぞれのシミュレーションから得られるベクトル値出力は200万以上の空間的位置で利用可能である。
我々は、これらの非常に大きなデータセットを分析し、分析に使用されるアルゴリズムのパラメータを設定し、時間的・時間的サロゲートの精度を向上させるために簡単な方法を用いる方法を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Computer simulations, especially of complex phenomena, can be expensive,
requiring high-performance computing resources. Often, to understand a
phenomenon, multiple simulations are run, each with a different set of
simulation input parameters. These data are then used to create an interpolant,
or surrogate, relating the simulation outputs to the corresponding inputs. When
the inputs and outputs are scalars, a simple machine learning model can
suffice. However, when the simulation outputs are vector valued, available at
locations in two or three spatial dimensions, often with a temporal component,
creating a surrogate is more challenging. In this report, we use a
two-dimensional problem of a jet interacting with high explosives to understand
how we can build high-quality surrogates. The characteristics of our data set
are unique - the vector-valued outputs from each simulation are available at
over two million spatial locations; each simulation is run for a relatively
small number of time steps; the size of the computational domain varies with
each simulation; and resource constraints limit the number of simulations we
can run. We show how we analyze these extremely large data-sets, set the
parameters for the algorithms used in the analysis, and use simple ways to
improve the accuracy of the spatio-temporal surrogates without substantially
increasing the number of simulations required.
- Abstract（参考訳）: 計算機シミュレーション、特に複雑な現象は高価であり、高性能な計算資源を必要とする。
多くの場合、現象を理解するために複数のシミュレーションが実行され、それぞれが異なるシミュレーション入力パラメータを持つ。
これらのデータは、対応する入力にシミュレーション出力を関連付ける補間またはサロゲートを作成するために使用される。
入力と出力がスカラーである場合、単純な機械学習モデルで十分である。
しかし、シミュレーション出力がベクトル値であり、しばしば時間成分を持つ2、3次元の場所で利用できる場合、サロゲートを作成することはより困難である。
本報告では,高爆発物と相互作用する噴流の二次元問題を用いて,高品質なサロゲートの製作方法を理解する。
データセットの特徴はユニークで、各シミュレーションからのベクトル値出力は200万以上の空間的位置で利用可能である。各シミュレーションは、比較的少ない時間ステップで実行され、計算領域のサイズはシミュレーションごとに異なり、リソース制約は、実行可能なシミュレーションの数を制限する。
これらの極めて大きなデータセットを解析し、解析に使用するアルゴリズムのパラメータを設定し、必要なシミュレーション数を大幅に増やすことなく、時空間サロゲートの精度を向上させるための簡単な方法を提案する。
関連論文リスト
- Embed and Emulate: Contrastive representations for simulation-based inference [11.543221890134399]
本稿では,新しいシミュレーションベース推論(SBI)手法であるEmbed and Emulate(E&E)を紹介する。
E&Eはデータと対応する高速エミュレータの低次元潜伏埋め込みを潜伏空間に学習する。
本研究では,現実的なパラメータ推定タスクにおいて,既存の手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-09-27T02:37:01Z) - Learning to Simulate: Generative Metamodeling via Quantile Regression [2.2518304637809714]
我々は「シミュレーターの高速シミュレータ」を構築することを目的とした、生成メタモデリングと呼ばれる新しいメタモデリング概念を提案する。
一度構築すると、生成メタモデルは入力が特定されるとすぐに大量のランダム出力を生成することができる。
本稿では,QRGMM(quantile-regression-based generative metamodeling)という新しいアルゴリズムを提案し,その収束率と収束率について検討する。
論文 参考訳（メタデータ） (2023-11-29T16:46:24Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。
我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文 参考訳（メタデータ） (2023-05-21T03:51:03Z) - Lamarr: LHCb ultra-fast simulation based on machine learning models deployed within Gauss [0.0]
LHCb実験における検出器応答と再構成アルゴリズムの両方をパラメータ化するシミュレーション生成を高速化するフレームワークであるLamarrについて論じる。
複数のアルゴリズムと戦略を駆使した深部生成モデルを用いて、LHCb検出器の単一成分の高レベル応答を効果的にパラメータ化する。
論文 参考訳（メタデータ） (2023-03-20T20:18:04Z) - Physical Systems Modeled Without Physical Laws [0.0]
ツリーベースの機械学習手法は、シミュレーションに関わる複雑なバックを「知る」ことなく、望ましい出力をエミュレートすることができる。
具体的には、2つのシミュレーション出力間の特定の時空間データの予測と、数値計算を繰り返す計算コストを伴わずに、物理予測の一般化に焦点をあてる。
論文 参考訳（メタデータ） (2022-07-26T20:51:20Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳（メタデータ） (2022-06-10T04:54:13Z) - Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。
能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。
その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文 参考訳（メタデータ） (2021-06-05T01:31:51Z) - PREPRINT: Comparison of deep learning and hand crafted features for
mining simulation data [7.214140640112874]
本稿では,高次元データセットから有意な結果を自動抽出する作業について述べる。
このようなデータを処理することができる深層学習手法を提案し、シミュレーションデータに関する関連するタスクを解決するように訓練することができる。
16,000フローフィールドを含む翼まわりの流れ場の2次元シミュレーションの大規模なデータセットをコンパイルし,比較を行った。
論文 参考訳（メタデータ） (2021-03-11T09:28:00Z) - Machine learning for rapid discovery of laminar flow channel wall
modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。
畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文 参考訳（メタデータ） (2021-01-19T16:14:02Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳（メタデータ） (2019-12-31T19:00:00Z)
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。