論文の概要: Mixed-Variable Global Sensitivity Analysis For Knowledge Discovery And
Efficient Combinatorial Materials Design
- arxiv url: http://arxiv.org/abs/2310.15124v1
- Date: Mon, 23 Oct 2023 17:29:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 18:15:17.140454
- Title: Mixed-Variable Global Sensitivity Analysis For Knowledge Discovery And
Efficient Combinatorial Materials Design
- Title（参考訳）: 知識発見と効果的なコンビネーション材料設計のための多変量グローバル感性分析
- Authors: Yigitcan Comlek, Liwei Wang, Wei Chen
- Abstract要約: メタモデルに基づく混合変数GSA法を開発した。
数値ケーススタディを通じて,混合変数問題に対する提案手法の有効性を検証し,実証する。
本手法は,多層設計空間の最適化に感度解析を利用することができる。
- 参考スコア（独自算出の注目度）: 15.840852223499303
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Global Sensitivity Analysis (GSA) is the study of the influence of any given
inputs on the outputs of a model. In the context of engineering design, GSA has
been widely used to understand both individual and collective contributions of
design variables on the design objectives. So far, global sensitivity studies
have often been limited to design spaces with only quantitative (numerical)
design variables. However, many engineering systems also contain, if not only,
qualitative (categorical) design variables in addition to quantitative design
variables. In this paper, we integrate Latent Variable Gaussian Process (LVGP)
with Sobol' analysis to develop the first metamodel-based mixed-variable GSA
method. Through numerical case studies, we validate and demonstrate the
effectiveness of our proposed method for mixed-variable problems. Furthermore,
while the proposed GSA method is general enough to benefit various engineering
design applications, we integrate it with multi-objective Bayesian optimization
(BO) to create a sensitivity-aware design framework in accelerating the Pareto
front design exploration for metal-organic framework (MOF) materials with
many-level combinatorial design spaces. Although MOFs are constructed only from
qualitative variables that are notoriously difficult to design, our method can
utilize sensitivity analysis to navigate the optimization in the many-level
large combinatorial design space, greatly expediting the exploration of novel
MOF candidates.
- Abstract（参考訳）: グローバル感度分析(GSA)は、任意の入力がモデルの出力に与える影響についての研究である。
エンジニアリング設計の文脈では、GSAは設計目的に対する設計変数の個人的および集団的貢献を理解するために広く使われてきた。
これまで、グローバル感度の研究は、量的(数値的な)設計変数のみを持つ設計空間に限られてきた。
しかし、多くの工学系は、量的設計変数に加えて質的な(カテゴリー的な)設計変数も含んでいる。
本稿では,LVGP(Latent Variable Gaussian Process)とSobolの解析を統合し,メタモデルに基づく混合変数GSA法を開発した。
数値ケーススタディを通じて,混合変数問題に対する提案手法の有効性を検証し,実証する。
さらに, 提案手法は, 種々の工学的設計応用に十分な汎用性を有するが, 多目的ベイズ最適化(BO)と統合して, 多層複合設計空間を有する金属-有機フレームワーク(MOF)材料に対するPareto事前設計探索を加速する感度対応設計フレームワークを構築する。
MOFは設計が困難な定性的変数からのみ構築されるが、本手法は感度解析を利用して多層大規模組合せ設計空間の最適化を行ない、新しいMOF候補の探索を大幅に高速化する。
関連論文リスト
- Latent Energy-Based Odyssey: Black-Box Optimization via Expanded Exploration in the Energy-Based Latent Space [65.44449711359724]
ブラックボックス関数の高次元かつ高マルチモーダルな入力設計空間は、既存の手法に固有の課題をもたらす。
設計値の結合空間の圧縮的かつ正確な表現として機能する潜在空間の発見を検討する。
本稿では, 高精度潜時空間モデルの変分学習のための雑音強調型テレスコープ密度比推定法を提案する。
論文 参考訳（メタデータ） (2024-05-27T00:11:53Z) - Exploring the Capabilities of Large Language Models for Generating Diverse Design Solutions [0.8514062145382637]
本稿では,大規模言語モデル (LLM) による多種多様な設計手法の有効性について検討する。
LLM生成のソリューションは、設計トピック毎に100の人為的なソリューションと比較される。
人間とLLM生成ソリューションの間には、いくつかの設計トピックが分断されているが、他のトピックには明確な分断がない。
論文 参考訳（メタデータ） (2024-05-02T14:20:04Z) - 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) - 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) - Multi-Agent Reinforcement Learning for Microprocessor Design Space
Exploration [71.95914457415624]
マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。
この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。
評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
論文 参考訳（メタデータ） (2022-11-29T17:10:24Z) - Automated Circuit Sizing with Multi-objective Optimization based on
Differential Evolution and Bayesian Inference [1.1579778934294358]
一般化微分進化3(GDE3)とガウス過程(GP)に基づく設計最適化手法を提案する。
提案手法は,多数の設計変数を持つ複雑な回路の小型化を実現し,多くの競合対象を最適化する。
本研究では,2つの電圧レギュレータにおいて,異なるレベルの複雑さを示す手法について検討した。
論文 参考訳（メタデータ） (2022-06-06T06:48:45Z) - Space4HGNN: A Novel, Modularized and Reproducible Platform to Evaluate
Heterogeneous Graph Neural Network [51.07168862821267]
本稿では, ヘテロジニアス・リニア変換, ヘテロジニアス・グラフ変換, ヘテロジニアス・メッセージパッシング・レイヤの3つのコンポーネントからなる, 殆どのHGNNをカバーする統一的なフレームワークを提案する。
次に、モジュール化されたコンポーネント、再現可能な実装、およびHGNNの標準化された評価を提供する統一フレームワークに基づいて、HGNNの設計空間を定義することで、Space4HGNNを構築する。
論文 参考訳（メタデータ） (2022-02-18T13:11:35Z) - Mutual Information for Explainable Deep Learning of Multiscale Systems [1.1470070927586016]
我々はモデルに依存しないモーメント非依存グローバル感度分析(GSA)を開発した。
GSAは、QoIに対するCVの影響をランク付けするために、異なる相互情報に依存している。
我々は,サロゲート駆動型相互情報GSAが,エネルギー貯蔵に関心のある2つの応用について,有用かつ識別可能なランキングを提供することを示した。
論文 参考訳（メタデータ） (2020-09-07T18:26:21Z) - Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。
この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文 参考訳（メタデータ） (2020-08-10T09:42:59Z) - Bayesian optimization of variable-size design space problems [0.0]
このタイプの最適化問題を解決するために,ベイズ最適化に基づく2つのアプローチが提案されている。
最初のアプローチは、最も有望な設計サブスペースに計算予算を集中させるための予算配分戦略である。
第二のアプローチは、部分的に異なる変数の集合によって特徴づけられるサンプル間の共分散を計算することができるカーネル関数の定義に基づいている。
論文 参考訳（メタデータ） (2020-03-06T16:30:44Z)
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。