論文の概要: Multi-fidelity Design of Porous Microstructures for Thermofluidic
Applications
- arxiv url: http://arxiv.org/abs/2310.18505v1
- Date: Fri, 27 Oct 2023 21:51:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-31 18:22:05.754241
- Title: Multi-fidelity Design of Porous Microstructures for Thermofluidic
Applications
- Title(参考訳): 熱流体利用のための多孔質組織多面体設計
- Authors: Jonathan Tammer Eweis-LaBolle, Chuanning Zhao, Yoonjin Won, and Ramin
Bostanabad
- Abstract要約: 多孔質表面で強化された二相冷却法が潜在的な溶液として出現している。
このような多孔質構造では、最適放熱容量は2つの競合する目的に依存する。
我々は, 最適多孔質構造を設計するためのデータ駆動型フレームワークを開発した。
- 参考スコア(独自算出の注目度): 0.5249805590164902
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As modern electronic devices are increasingly miniaturized and integrated,
their performance relies more heavily on effective thermal management.
Two-phase cooling methods enhanced by porous surfaces, which capitalize on
thin-film evaporation atop structured porous surfaces, are emerging as
potential solutions. In such porous structures, the optimum heat dissipation
capacity relies on two competing objectives that depend on mass and heat
transfer. The computational costs of evaluating these objectives, the high
dimensionality of the design space which a voxelated microstructure
representation, and the manufacturability constraints hinder the optimization
process for thermal management. We address these challenges by developing a
data-driven framework for designing optimal porous microstructures for cooling
applications. In our framework we leverage spectral density functions (SDFs) to
encode the design space via a handful of interpretable variables and, in turn,
efficiently search it. We develop physics-based formulas to quantify the
thermofluidic properties and feasibility of candidate designs via offline
simulations. To decrease the reliance on expensive simulations, we generate
multi-fidelity data and build emulators to find Pareto-optimal designs. We
apply our approach to a canonical problem on evaporator wick design and obtain
fin-like topologies in the optimal microstructures which are also
characteristics often observed in industrial applications.
- Abstract(参考訳): 現代の電子機器は小型化と統合化が進んでいるため、その性能は効果的な熱管理に大きく依存している。
構造多孔質表面上での薄膜蒸発を利用した多孔質表面による二相冷却法がポテンシャル溶液として出現している。
このような多孔質構造では、最適放熱能力は質量と熱移動に依存する2つの競合する目的に依存する。
これらの目的を評価する計算コスト、構造表現をボクセル化した設計空間の高次元、および製造性制約は熱管理の最適化プロセスを妨げる。
これらの課題に対処するため, 冷却用途に最適な多孔質構造を設計するためのデータ駆動型フレームワークを開発した。
我々のフレームワークでは、スペクトル密度関数(SDF)を利用して、少数の解釈可能な変数を通して設計空間を符号化し、効率よく探索する。
オフラインシミュレーションにより, 熱流動特性と候補設計の可能性を定量化する物理式を開発した。
コストのかかるシミュレーションへの依存を減らすため,多要素データを生成し,パレート最適設計を求めるエミュレータを構築する。
本手法を蒸発器ウィック設計における標準問題に適用し, 工業用途でもよく見られる最適微細構造におけるフィン様トポロジーを得る。
関連論文リスト
- PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。
ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。
最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
論文 参考訳(メタデータ) (2024-12-26T17:02:19Z) - 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) - Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。
本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。
提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
論文 参考訳(メタデータ) (2024-03-20T00:41:12Z) - 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) - Latent Conservative Objective Models for Data-Driven Crystal Structure
Prediction [62.36797874900395]
計算化学において、結晶構造予測は最適化問題である。
この問題に対処する1つのアプローチは、密度汎関数理論(DFT)に基づいてシミュレータを構築し、続いてシミュレーションで探索を実行することである。
我々は,LCOM(最近の保守的客観モデル)と呼ばれる我々の手法が,構造予測の成功率の観点から,最も優れたアプローチと同等に機能することを示す。
論文 参考訳(メタデータ) (2023-10-16T04:35:44Z) - FluxGAN: A Physics-Aware Generative Adversarial Network Model for
Generating Microstructures That Maintain Target Heat Flux [0.0]
本稿では,大規模構造物の高品質な画像を同時に生成できる物理認識型生成逆ネットワークモデルFluxGANを提案する。
このモデルは2次元(2次元)の例で訓練した後、3次元(3次元)ドメインでコーティングミクロ組織と物理プロセスを生成することができる。
本手法は, 溶射皮膜の設計と最適化を, 様々な用途に応用できる可能性を持っている。
論文 参考訳(メタデータ) (2023-10-06T23:13:40Z) - Aligning Optimization Trajectories with Diffusion Models for Constrained
Design Generation [17.164961143132473]
本稿では,拡散モデルのサンプリング軌跡と従来の物理法に基づく最適化軌跡との整合性を示す学習フレームワークを提案する。
提案手法では,高コストプリプロセッシングや外部サロゲートモデル,ラベル付きデータの追加を必要とせずに,実用的で高性能な設計を2段階で生成することができる。
この結果から, TAは分布内構成における最先端の深層生成モデルより優れ, 推論計算コストを半減することがわかった。
論文 参考訳(メタデータ) (2023-05-29T09:16:07Z) - Machine learning based surrogate models for microchannel heat sink
optimization [0.0]
本稿では,二次チャネルとリブを用いたマイクロチャネルの設計を計算流体力学を用いて検討する。
ラテンハイパーキューブサンプリング、機械学習に基づく代理モデリング、多目的最適化を組み合わせたワークフローを提案する。
論文 参考訳(メタデータ) (2022-08-20T13:49:11Z) - Generative Thermal Design Through Boundary Representation and
Multi-Agent Cooperative Environment [0.0]
協調型多エージェント深部強化学習と連続幾何表現を用いた生成熱設計を提案する。
提案フレームワークは、熱伝達と圧力降下を予測する環境として、事前訓練されたニューラルネットワークサロゲートモデルで構成されている。
論文 参考訳(メタデータ) (2022-08-16T21:22:44Z) - Designing thermal radiation metamaterials via hybrid adversarial
autoencoder and Bayesian optimization [19.684529604466015]
我々は、ターゲット波長の異なる狭帯域熱放射体を設計するためのハイブリッド材料情報化手法を開発した。
最適性質を持つ新しい構造は、圧縮された2次元ラテント空間で素早く解ける。
提案する設計枠組みは,高次元特徴を持つ他の熱放射性メタマテリアルの設計に容易に拡張することができる。
論文 参考訳(メタデータ) (2022-04-26T06:50:13Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z)
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。