論文の概要: Deep Neural Operator Driven Real Time Inference for Nuclear Systems to Enable Digital Twin Solutions
- arxiv url: http://arxiv.org/abs/2308.07523v2
- Date: Sun, 28 Apr 2024 04:31:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-01 01:04:37.888493
- Title: Deep Neural Operator Driven Real Time Inference for Nuclear Systems to Enable Digital Twin Solutions
- Title(参考訳): 深部ニューラル演算子駆動型実時間推定によるディジタル双極子解の実現
- Authors: Kazuma Kobayashi, Syed Bahauddin Alam,
- Abstract要約: 本研究では,難解な粒子輸送問題の解法におけるDeepONetの一般化性と計算効率について述べる。
DeepONetはまた、従来のMLメソッドよりも優れた予測精度とスピードを示している。
全体として、DeepONetは有望で変革的な核工学の研究と応用ツールである。
- 参考スコア(独自算出の注目度): 0.5115559623386964
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper focuses on the feasibility of Deep Neural Operator (DeepONet) as a robust surrogate modeling method within the context of digital twin (DT) for nuclear energy systems. Through benchmarking and evaluation, this study showcases the generalizability and computational efficiency of DeepONet in solving a challenging particle transport problem. DeepONet also exhibits remarkable prediction accuracy and speed, outperforming traditional ML methods, making it a suitable algorithm for real-time DT inference. However, the application of DeepONet also reveals challenges related to optimal sensor placement and model evaluation, critical aspects of real-world implementation. Addressing these challenges will further enhance the method's practicality and reliability. Overall, DeepONet presents a promising and transformative nuclear engineering research and applications tool. Its accurate prediction and computational efficiency capabilities can revolutionize DT systems, advancing nuclear engineering research. This study marks an important step towards harnessing the power of surrogate modeling techniques in critical engineering domains.
- Abstract(参考訳): 本稿では,Deep Neural Operator (DeepONet) の核エネルギーシステムに対するディジタルツイン (DT) の文脈におけるロバスト・サロゲート・モデリング手法としての可能性に焦点を当てる。
本研究では,DeepONetの粒子輸送問題における一般化可能性と計算効率について検討した。
DeepONetはまた、従来のMLメソッドよりも優れた予測精度と速度を示し、リアルタイムDT推論に適したアルゴリズムである。
しかし,DeepONetの応用は,センサ配置やモデル評価,実世界の実装における重要な側面に関わる課題も明らかにしている。
これらの課題に対処することで、メソッドの実用性と信頼性をさらに高めることができます。
全体として、DeepONetは有望で変革的な核工学の研究と応用ツールである。
その正確な予測と計算効率の能力はDTシステムに革命をもたらし、原子力工学の研究を前進させる。
本研究は,重要な工学領域における代理モデリング技術の力を利用するための重要なステップである。
関連論文リスト
- Brain-Inspired Decentralized Satellite Learning in Space Computing Power Networks [42.67808523367945]
Space Computing Power Networks (Space-CPN) は、衛星の計算能力を調整し、オンボードのデータ処理を可能にする、有望なアーキテクチャとして登場した。
本稿では,ニューロモルフィックコンピューティングアーキテクチャがサポートするスパイクニューラルネットワーク(SNN)をオンボードデータ処理に適用することを提案する。
我々は分散型ニューロモルフィック学習フレームワークを提案し、通信効率の良い平面間モデルアグリゲーション法を開発した。
論文 参考訳(メタデータ) (2025-01-27T12:29:47Z) - A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。
これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。
本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
論文 参考訳(メタデータ) (2024-12-18T14:11:15Z) - Leveraging Conversational Generative AI for Anomaly Detection in Digital Substations [0.0]
提案したADフレームワークとHITLベースのADフレームワークの比較評価を行うために,高度なパフォーマンス指標を採用している。
このアプローチは、サイバーセキュリティの課題が進展する中で、電力系統運用の信頼性を高めるための有望なソリューションを提供する。
論文 参考訳(メタデータ) (2024-11-09T18:38:35Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳(メタデータ) (2024-08-02T10:47:10Z) - Constructing and Evaluating Digital Twins: An Intelligent Framework for DT Development [11.40908718824589]
デジタルツインズ(DT)の開発は、制御されたデジタル空間における複雑なシステムをシミュレートし最適化するための変革的な進歩を表している。
本稿では,アルゴリズム性能試験におけるDTの精度と有用性を高めるために,DTの構築と評価のためのインテリジェントなフレームワークを提案する。
本稿では,Deep Learning-based policy gradient techniqueを統合してDTパラメータを動的に調整し,物理システムのデジタル複製における高い忠実性を確保する手法を提案する。
論文 参考訳(メタデータ) (2024-06-19T01:45:18Z) - Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。
具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。
実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文 参考訳(メタデータ) (2024-05-30T23:20:23Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。
ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。
新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
論文 参考訳(メタデータ) (2023-08-27T03:55:28Z) - Digital Twin-Centered Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction [0.4166512373146748]
本稿では,ハイブリッドデジタルツインに焦点を当てた多段階深層学習フレームワークを提案する。
96%の分類、2.3%のMAPEを達成し、反応器の最終的な定常電力を予測する。
データ駆動の洞察をデジタルツインの原理と整合させることで、この研究は核システム管理における適応的でスケーラブルなソリューションの基礎となる。
論文 参考訳(メタデータ) (2022-11-23T17:32:52Z) - Rectified Linear Postsynaptic Potential Function for Backpropagation in
Deep Spiking Neural Networks [55.0627904986664]
スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。
本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
論文 参考訳(メタデータ) (2020-03-26T11:13:07Z)
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。