論文の概要: Sustainable Concrete via Bayesian Optimization
- arxiv url: http://arxiv.org/abs/2310.18288v3
- Date: Mon, 20 Nov 2023 16:17:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 17:08:05.728941
- Title: Sustainable Concrete via Bayesian Optimization
- Title(参考訳): ベイズ最適化による持続可能なコンクリート
- Authors: Sebastian Ament, Andrew Witte, Nishant Garg, Julius Kusuma
- Abstract要約: 地球規模の二酸化炭素排出量の8%はセメントの生産による可能性がある。
そのため、低炭素コンクリート公式の発見は持続可能性にとって非常に重要である。
- 参考スコア(独自算出の注目度): 4.149122595744125
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Eight percent of global carbon dioxide emissions can be attributed to the
production of cement, the main component of concrete, which is also the
dominant source of CO2 emissions in the construction of data centers. The
discovery of lower-carbon concrete formulae is therefore of high significance
for sustainability. However, experimenting with new concrete formulae is time
consuming and labor intensive, as one usually has to wait to record the
concrete's 28-day compressive strength, a quantity whose measurement can by its
definition not be accelerated. This provides an opportunity for experimental
design methodology like Bayesian Optimization (BO) to accelerate the search for
strong and sustainable concrete formulae. Herein, we 1) propose modeling steps
that make concrete strength amenable to be predicted accurately by a Gaussian
process model with relatively few measurements, 2) formulate the search for
sustainable concrete as a multi-objective optimization problem, and 3) leverage
the proposed model to carry out multi-objective BO with real-world strength
measurements of the algorithmically proposed mixes. Our experimental results
show improved trade-offs between the mixtures' global warming potential (GWP)
and their associated compressive strengths, compared to mixes based on current
industry practices. Our methods are open-sourced at
github.com/facebookresearch/SustainableConcrete.
- Abstract(参考訳): 世界の二酸化炭素排出量の8%は、データセンター建設におけるco2排出源でもあるコンクリートの主要成分であるセメントの生産に起因する可能性がある。
したがって、低炭素コンクリート式の発見は持続可能性にとって非常に重要である。
しかし、新しいコンクリートの公式を実験することは時間がかかり、労働集約的であるため、通常、コンクリートの28日間の圧縮強度を記録するのを待たなければならない。
これにより、ベイズ最適化(BO)のような実験的な設計手法が、強力で持続可能なコンクリート公式の探索を加速する機会を提供する。
ここでは
1) 実測値が比較的少ないガウス過程モデルにより, コンクリート強度を精度良く予測できるモデリング手順を提案する。
2【多目的最適化問題としての持続可能なコンクリートの探索】
3)提案したモデルを用いて,アルゴリズムにより提案した混合体の実世界強度測定を行う。
実験の結果, 地球温暖化ポテンシャル(GWP)と関連する圧縮強度とのトレードオフは, 現在の産業プラクティスに基づく混合よりも改善した。
私たちのメソッドはgithub.com/facebookresearch/sustainableconcreteでオープンソースです。
関連論文リスト
- Image-based Deep Learning for the time-dependent prediction of fresh
concrete properties [0.5235143203977017]
本稿では, 立体画像系列に基づく混合過程において, 新鮮なコンクリートの特性を予測できることを示す。
この予測には畳み込みニューラルネットワーク(CNN)が使用され、ミックスデザインの情報によって支持される画像を入力として受信する。
混合設計の情報によって支援された深度と光学的流れの画像に基づくアプローチが,最良の結果が得られることを示す。
論文 参考訳(メタデータ) (2024-02-09T18:42:30Z) - 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) - Learning Energy-Based Models by Cooperative Diffusion Recovery
Likelihood [70.96045509920326]
高次元データに対する最大推定値のトレーニングエネルギーベースモデル(EBMs)は、困難かつ時間を要する可能性がある。
本研究では,データセットの雑音の増大する頂点上で定義された一連のEMMから,協調拡散回復確率(CDRL)を抽出し,抽出する手法を提案する。
CIFAR-10 と ImageNet 32x32 の既存 EBM 法と比較して FID のスコアが大幅に向上し,DRL を2倍高速化した。
論文 参考訳(メタデータ) (2023-09-10T22:05:24Z) - Probabilistic selection and design of concrete using machine learning [0.0]
機械学習を用いて信頼性の高いプロパティ予測を行うことで、コンクリートのパフォーマンスベースの仕様作成が容易になる。
本研究では, 炭素化に対する耐性が高いコンクリートの混合物と, 環境影響の低いコンクリートの混合物を同定する手法を適用した。
我々の一般的な手法は、構造工学に幅広い応用がある機械学習におけるノイズの活用を可能にする。
論文 参考訳(メタデータ) (2023-04-21T19:20:40Z) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳(メタデータ) (2023-03-24T18:32:38Z) - Robustness in Fatigue Strength Estimation [61.85933973929947]
本稿では,疲労強度推定のためのモジュール型機械学習によるアプローチについて検討する。
その可能性が高いにもかかわらず、現実の研究室に新しいアプローチを配置するには、理論的な定義とシミュレーション以上のものが必要である。
我々は、その適用性と最先端手法に対する有利な振る舞いを特定し、コストのかかる実験の数を減少させる可能性がある。
論文 参考訳(メタデータ) (2022-12-02T12:30:29Z) - Adaptive Multi-stage Density Ratio Estimation for Learning Latent Space
Energy-based Model [11.401637217963511]
本稿では,ジェネレータモデルの潜在空間における学習エネルギーベースモデル(EBM)の基本的問題について検討する。
本研究では,密度比推定によるEBMの識別にノイズコントラッシブ推定(NCE)を用いることを提案する。
本実験は画像生成と再構成および異常検出における強い性能を示す。
論文 参考訳(メタデータ) (2022-09-19T03:20:15Z) - Posterior Coreset Construction with Kernelized Stein Discrepancy for
Model-Based Reinforcement Learning [78.30395044401321]
我々は、強化学習(MBRL)のための新しいモデルベースアプローチを開発する。
ターゲット遷移モデルの仮定を緩和し、混合モデルの一般的な族に属する。
連続的な制御環境では、壁時計の時間を最大50%削減することができる。
論文 参考訳(メタデータ) (2022-06-02T17:27:49Z) - Accelerated Design and Deployment of Low-Carbon Concrete for Data
Centers [13.376376442187922]
条件付き変分オートエンコーダ (CVAE) を用いて, 所望の特性を持つ具体的な公式を探索する。
私たちのモデルは、UCI Machine Learning Repositoryの小さなオープンデータセットを使ってトレーニングされています。
本報告では, アメリカ合衆国, デカルブのメタデータセンターにおいて, 建物や構造物の造成にこれらの定式化が用いられていることを報告する。
論文 参考訳(メタデータ) (2022-04-11T20:40:13Z) - Learning to Sieve: Prediction of Grading Curves from Images of Concrete
Aggregate [1.6249267147413522]
本稿では, コンクリート骨材グレーディング曲線を決定するための深層学習法を提案する。
本稿では,マルチスケール特徴抽出モジュールを応用したネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-04-07T10:04:05Z) - Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。
モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。
提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
論文 参考訳(メタデータ) (2021-11-22T06:26:29Z)
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。