論文の概要: Data-Driven Modeling of an Unsaturated Bentonite Buffer Model Test Under
High Temperatures Using an Enhanced Axisymmetric Reproducing Kernel Particle
Method
- arxiv url: http://arxiv.org/abs/2309.13519v1
- Date: Sun, 24 Sep 2023 01:22:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 19:26:10.814803
- Title: Data-Driven Modeling of an Unsaturated Bentonite Buffer Model Test Under
High Temperatures Using an Enhanced Axisymmetric Reproducing Kernel Particle
Method
- Title（参考訳）: 軸対称再生核粒子法による高温下における不飽和ベントナイト緩衝モデルテストのデータ駆動モデリング
- Authors: Jonghyuk Baek, Yanran Wang, Xiaolong He, Yu Lu, John S. McCartney, and
J. S. Chen
- Abstract要約: 高レベル核廃棄物の深部地質リポジトリでは、ベントナイトバッファは100degC以上の温度を捕捉することができる。
本研究では, 深部ニューラルネットワークを用いたベントナイトの土壌水分保持曲線(SWRC)を導入し, バッファのTHMシミュレーションを行う再生カーネル粒子法(RKPM)に統合する。
タンクスケール試験を効果的にモデル化するために、ヒーター配置を表す特異なディリクレ強制力と効果的な対流熱伝達係数に富んだ新しい軸対称再生カーネル基底関数を開発した。
- 参考スコア（独自算出の注目度）: 5.160473221022088
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In deep geological repositories for high level nuclear waste with close
canister spacings, bentonite buffers can experience temperatures higher than
100 {\deg}C. In this range of extreme temperatures, phenomenological
constitutive laws face limitations in capturing the thermo-hydro-mechanical
(THM) behavior of the bentonite, since the pre-defined functional constitutive
laws often lack generality and flexibility to capture a wide range of complex
coupling phenomena as well as the effects of stress state and path dependency.
In this work, a deep neural network (DNN)-based soil-water retention curve
(SWRC) of bentonite is introduced and integrated into a Reproducing Kernel
Particle Method (RKPM) for conducting THM simulations of the bentonite buffer.
The DNN-SWRC model incorporates temperature as an additional input variable,
allowing it to learn the relationship between suction and degree of saturation
under the general non-isothermal condition, which is difficult to represent
using a phenomenological SWRC. For effective modeling of the tank-scale test,
new axisymmetric Reproducing Kernel basis functions enriched with singular
Dirichlet enforcement representing heater placement and an effective convective
heat transfer coefficient representing thin-layer composite tank construction
are developed. The proposed method is demonstrated through the modeling of a
tank-scale experiment involving a cylindrical layer of MX-80 bentonite exposed
to central heating.
- Abstract（参考訳）: キャニスター間隔が近い高レベル核廃棄物の深部地質リポジトリでは、ベントナイトバッファは100 {\deg}C以上の温度を経験することができる。
この範囲の極端な温度では、現象論的構成法則はベントナイトの熱-水-機械的挙動(THM)を捉える際の制限に直面している。
本研究では, 深部ニューラルネットワークを用いたベントナイトの土壌水分保持曲線(SWRC)を導入し, 再生カーネル粒子法(RKPM)に統合し, ベントナイトバッファのTHMシミュレーションを行う。
DNN-SWRCモデルは、温度を付加的な入力変数として含み、一般的な非等温条件下での吸引と飽和度の関係を学習することができる。
タンクスケール試験を効果的にモデル化するために、ヒータ配置を表す特異ディリクレ強制力と、薄層複合タンク構造を表す効果的な対流熱伝達係数を富む新しい軸対称再生核基底関数を開発した。
提案手法は,mx-80ベントナイトの筒状層を中心加熱したタンクスケール実験のモデル化により実証された。
関連論文リスト
- Chemical Reaction Neural Networks for Fitting Accelerating Rate Calorimetry Data [37.69303106863453]
化学反応ニューラルネットワーク(CRNN)は、モリセル21700 P45Bから得られたARCデータにN方程式のアレニウスODEの運動パラメータを適合させるために訓練される。
この手法の柔軟性は、2方程式と4方程式のモデルを用いて実験することによって実証される。
論文 参考訳（メタデータ） (2024-08-21T20:39:41Z) - Managing Temperature in Open Quantum Systems Strongly Coupled with Structured Environments [0.0]
ヒルベルト空間における直交多項式 (T-TEDOPA) の定式化により, 階層運動方程式 (HEOM) で低温に達するか, 高温に達するかを示す。
論文 参考訳（メタデータ） (2024-06-19T13:00:26Z) - Deep generative modelling of canonical ensemble with differentiable thermal properties [0.9421843976231371]
標準アンサンブルの温度の異なる変分モデルを提案する。
深部生成モデルを用いて、連続した温度範囲で自由エネルギーを推定し、同時に最小化する。
トレーニングプロセスはデータセットを必要とせず、任意の明示的な密度生成モデルで動作する。
論文 参考訳（メタデータ） (2024-04-29T03:41:49Z) - Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。
本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-10-05T00:23:34Z) - Efficient low temperature simulations for fermionic reservoirs with the
hierarchical equations of motion method: Application to the Anderson impurity
model [0.0]
本研究では、周波数領域におけるフェルミ関数とハイブリダイゼーション関数を近似するために、バリ中心表現を用いる。
これらの関数を最適化された有理分解で近似することにより、貯水池相関関数の分解における基底関数の数を大幅に削減する。
低温条件下でのアンダーソン不純物モデル (AIM) に適用することにより, 新しい分解方式の効率, 精度, 長期安定性を実証する。
論文 参考訳（メタデータ） (2022-11-08T08:46:23Z) - Real-time equation-of-motion CC cumulant and CC Green's function
simulations of photoemission spectra of water and water dimer [54.44073730234714]
実時間CC累積法で得られた結果について考察する。
これらの方法を用いて得られたイオン化ポテンシャルを価領域で比較した。
RT-EOM-CC法とCCGF法により得られたスペクトル関数の特徴を衛星ピークの位置と関連づけて解析した。
論文 参考訳（メタデータ） (2022-05-27T18:16:30Z) - Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains
at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。
正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文 参考訳（メタデータ） (2021-05-11T14:08:02Z) - Accurate simulation and thermal tuning by temperature-adaptive boundary
interactions on quantum many-body systems [2.13230439190003]
本研究では, 1次元(1次元)多体系の熱力学を模倣し, 調整する温度適応型エンタングルメントシミュレータ(TAES)を提案する。
1Dスピンチェーンのベンチマークでは、TAESは既存の有限温度アプローチと比較して最先端の精度を上回っている。
論文 参考訳（メタデータ） (2021-04-30T15:21:06Z) - Adiabatic Sensing Technique for Optimal Temperature Estimation using
Trapped Ions [64.31011847952006]
捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。
フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。
それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
論文 参考訳（メタデータ） (2020-12-16T12:58:08Z) - Probing eigenstate thermalization in quantum simulators via
fluctuation-dissipation relations [77.34726150561087]
固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。
本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。
我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
論文 参考訳（メタデータ） (2020-07-20T18:00:02Z) - Reservoir engineering with arbitrary temperatures for spin systems and
quantum thermal machine with maximum efficiency [50.591267188664666]
貯留層工学は、量子情報科学と量子熱力学にとって重要なツールである。
この手法を用いて、任意の(有効)負および正の温度の貯水池を単一スピン系に設計する。
論文 参考訳（メタデータ） (2020-01-28T00:18:00Z)
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。