論文の概要: Comparing Forward and Inverse Design Paradigms: A Case Study on Refractory High-Entropy Alloys

• arxiv url: http://arxiv.org/abs/2307.13581v1
• Date: Tue, 25 Jul 2023 15:35:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-26 16:27:41.762791
• Title: Comparing Forward and Inverse Design Paradigms: A Case Study on Refractory High-Entropy Alloys
• Title（参考訳）: 前向きおよび逆設計パラダイムの比較:耐火性高エントロピー合金の事例研究
• Authors: Arindam Debnath, Lavanya Raman, Wenjie Li, Adam M. Krajewski, Marcia Ahn, Shuang Lin, Shunli Shang, Allison M. Beese, Zi-Kui Liu, Wesley F. Reinhart
• Abstract要約: 本研究の目的は, 前方および逆設計モデリングのパラダイムを定量的に比較することである。 目的と制約の異なる耐火性高エントロピー合金設計の2つのケーススタディを考察する。
• 参考スコア（独自算出の注目度）: 3.9458064500705867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid design of advanced materials is a topic of great scientific interest. The conventional, ``forward'' paradigm of materials design involves evaluating multiple candidates to determine the best candidate that matches the target properties. However, recent advances in the field of deep learning have given rise to the possibility of an ``inverse'' design paradigm for advanced materials, wherein a model provided with the target properties is able to find the best candidate. Being a relatively new concept, there remains a need to systematically evaluate how these two paradigms perform in practical applications. Therefore, the objective of this study is to directly, quantitatively compare the forward and inverse design modeling paradigms. We do so by considering two case studies of refractory high-entropy alloy design with different objectives and constraints and comparing the inverse design method to other forward schemes like localized forward search, high throughput screening, and multi objective optimization.
• Abstract（参考訳）: 先端材料の急速な設計は、科学的な関心事のトピックである。 素材設計の従来の'forward'パラダイムは、複数の候補を評価し、対象の特性に合致する最適な候補を決定する。 しかし,近年の深層学習分野の進歩により,先進的な材料に対する「逆」設計パラダイムが生まれ,対象特性を備えたモデルが最適な候補を見出すことが可能になった。 比較的新しい概念であるため、これらの2つのパラダイムが実際にどのように機能するかを体系的に評価する必要がある。 したがって,本研究の目的は,前方および逆設計モデリングパラダイムを直接的,定量的に比較することである。 本研究では, 異なる目的と制約を持つ耐火性高エントロピー合金設計の2つのケーススタディを考察し, 逆設計法を局所化フォワード探索, 高スループットスクリーニング, 多目的最適化といった他のフォワードスキームと比較する。

関連論文リスト

• An Uncertainty-aware Deep Learning Framework-based Robust Design Optimization of Metamaterial Units [14.660705962826718]
  メタマテリアルユニットの設計のための,新しい不確実性を考慮したディープラーニングフレームワークに基づくロバスト設計手法を提案する。 提案手法は,高性能なメタマテリアルユニットを高信頼性で設計できることを示す。
  論文  参考訳（メタデータ） (2024-07-19T22:21:27Z)
• 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)
• Two-Stage Surrogate Modeling for Data-Driven Design Optimization with Application to Composite Microstructure Generation [1.912429179274357]
  本稿では,科学・工学分野における逆問題に対処する2段階の機械学習に基づく代理モデリングフレームワークを提案する。 最初の段階では、"Learner"と呼ばれる機械学習モデルは、予測出力が望ましい結果と密接に一致している入力デザイン空間内の候補の限られたセットを特定する。 第2段では、第1段で生成された縮小候補空間を評価するために、「評価器」として機能する別の代理モデルを用いる。
  論文  参考訳（メタデータ） (2024-01-04T00:25:12Z)
• Refine, Discriminate and Align: Stealing Encoders via Sample-Wise Prototypes and Multi-Relational Extraction [57.16121098944589]
  RDAは、事前訓練されたエンコーダを盗むために、以前の取り組みで普及した2つの主要な欠陥に対処するために設計された先駆的なアプローチである。 これは、サンプルの様々な視点に対してターゲットエンコーダの表現を統一するサンプルワイドプロトタイプによって達成される。 より強力な有効性を得るために、我々はサロゲートエンコーダを訓練し、ミスマッチした埋め込み-プロトタイプペアを識別するマルチリレーショナル抽出損失を開発する。
  論文  参考訳（メタデータ） (2023-12-01T15:03:29Z)
• IRGen: Generative Modeling for Image Retrieval [82.62022344988993]
  本稿では,画像検索を生成モデルの一種として再フレーミングする新しい手法を提案する。 我々は、イメージを意味単位の簡潔なシーケンスに変換するという技術的課題に対処するため、IRGenと呼ばれるモデルを開発した。 本モデルは,広範に使用されている3つの画像検索ベンチマークと200万件のデータセットに対して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-17T17:07:36Z)
• 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)
• A Pareto-optimal compositional energy-based model for sampling and optimization of protein sequences [55.25331349436895]
  深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。 これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
  論文  参考訳（メタデータ） (2022-10-19T19:04:45Z)
• Modeling the Machine Learning Multiverse [10.809039816152161]
  機械学習研究において、ロバストで一般化可能な主張を行うための原則的枠組みを提案する。 この枠組みは,心理学の危機に対応するために導入された心理学的多元的分析に基づいている。 機械学習コミュニティにとって、Multiverse Analysisはロバストなクレームを特定するためのシンプルで効果的なテクニックである。
  論文  参考訳（メタデータ） (2022-06-13T09:11:48Z)
• Image Quality Assessment in the Modern Age [53.19271326110551]
  本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。 まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。 手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
  論文  参考訳（メタデータ） (2021-10-19T02:38:46Z)
• Pareto-wise Ranking Classifier for Multi-objective Evolutionary Neural Architecture Search [15.454709248397208]
  本研究は,多様な設計目的の下で実現可能な深層モデルを見つける方法に焦点を当てる。 オンライン分類器を訓練し、候補と構築された参照アーキテクチャとの優位性関係を予測する。 さまざまな目的や制約の下で、2Mから6Mまでの異なるモデルサイズを持つ多数のニューラルアーキテクチャを見つけます。
  論文  参考訳（メタデータ） (2021-09-14T13:28:07Z)

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。