論文の概要: A Novel Perspective Process Simulation Framework Based on Automatic Differentiation

• arxiv url: http://arxiv.org/abs/2311.11129v1
• Date: Sat, 18 Nov 2023 17:37:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 10:17:49.118901
• Title: A Novel Perspective Process Simulation Framework Based on Automatic Differentiation
• Title（参考訳）: 自動微分に基づく新しいパースペクティブ・プロセス・シミュレーション・フレームワーク
• Authors: Shaoyi Yang
• Abstract要約: 我々は、熱力学計算に最先端の自動微分フレームワークを使用し、アルゴリズムの論理を変化させることなく正確な微分を得る。 これは従来の数値微分アルゴリズムとは対照的であり、プロセスシミュレーションの収束と計算効率を大幅に改善する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thermodynamic and flash equilibrium calculations are the cornerstones of simulation process calculations. The iterative approach, a widely used nonlinear problem-solving technique, relies on derivative calculations throughout the procedure that directly affect the stability and effectiveness of the solution. In this study, we use state-of-the-art automatic differentiation frameworks for thermodynamic calculations to obtain precise derivatives without altering the logic of the algorithm. This contrasts with traditional numerical differentiation algorithms and significantly improves the convergence and computational efficiency of process simulations in contrast to numerical differentiation algorithms. Standard chemical phase equilibrium calculations such as PT, PV, and PH flash are used to evaluate an automated differentiation approach with respect to numerical stability and iteration counts. It is used to evaluate the iteration count. The results of the experiment showed that the automatic differentiation method has a more uniform gradient distribution and requires fewer convergence iterations. The experimental results show that the system shows that the process is more uniform. The gradient distribution and computational convergence curves help to highlight the improvements provided by automatic differentiation. In addition, this method shows greater generalizability and can be used more easily in the calculation of various other chemical simulation modules.
• Abstract（参考訳）: 熱力学とフラッシュ平衡計算はシミュレーションプロセスの計算の基礎である。 非線形問題解決手法である反復的アプローチは、解の安定性と有効性に直接影響を及ぼす過程全体の微分計算に依存する。 本研究では,熱力学計算のための最先端の自動微分フレームワークを用いて,アルゴリズムの論理を変更せずに正確な微分を求める。 これは従来の数値微分アルゴリズムとは対照的であり、数値微分アルゴリズムとは対照的にプロセスシミュレーションの収束と計算効率を大幅に改善する。 PT,PV,PHフラッシュなどの標準化学相平衡計算を用いて,数値安定性および繰り返し数に対する自動微分アプローチを評価する。 イテレーション数を評価するために使われる。 実験の結果, 自動微分法はより均一な勾配分布を持ち, 収束反復を少なくすることを示した。 実験結果から, プロセスがより均一であることが示唆された。 勾配分布と計算収束曲線は、自動微分による改善を強調するのに役立つ。 さらに, この手法はより一般化性が高く, 様々な化学シミュレーションモジュールの計算にも容易に利用できる。

関連論文リスト

• A Physics-Informed Machine Learning Approach for Solving Distributed Order Fractional Differential Equations [0.0]
  本稿では,物理インフォームド機械学習フレームワークを用いた分散次分数差分方程式の解法を提案する。 分散階関数式をSVRフレームワークに組み込むことで、物理法則を直接学習プロセスに組み込む。 提案手法の有効性は,Caputo-based distributed-order fractional differential equationsの数値実験を通じて検証した。
  論文  参考訳（メタデータ） (2024-09-05T13:20:10Z)
• Mitigating distribution shift in machine learning-augmented hybrid simulation [15.37429773698171]
  本稿では,機械学習によるハイブリッドシミュレーションにおいて一般的に発生する分布シフトの問題について検討する。 本稿では,分布シフトを制御するために,接空間正規化推定器に基づく簡単な手法を提案する。 いずれの場合も,提案手法によるシミュレーション精度の向上が顕著である。
  論文  参考訳（メタデータ） (2024-01-17T15:05:39Z)
• Parallel-in-Time Probabilistic Numerical ODE Solvers [35.716255949521305]
  常微分方程式(ODE)の確率論的数値解法は、力学系の数値シミュレーションをベイズ状態推定の問題として扱う。 我々は,反復拡張カルマンスムーダの時間並列定式化に基づいて,並列時間確率数値ODEソルバを定式化する。
  論文  参考訳（メタデータ） (2023-10-02T12:32:21Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
  非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。 鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
  論文  参考訳（メタデータ） (2023-05-24T20:43:47Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
  本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。 これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。 力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
  論文  参考訳（メタデータ） (2021-09-07T20:01:22Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Probabilistic Gradients for Fast Calibration of Differential Equation Models [1.066048003460524]
  最先端のアートキャリブレーション手法における重要なボトルネックは、局所的な感度の計算である。 局所的な感性を計算するための新しい確率論的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-03T10:35:09Z)
• Efficient Learning of Generative Models via Finite-Difference Score Matching [111.55998083406134]
  有限差分で任意の順序方向微分を効率的に近似する汎用戦略を提案する。 我々の近似は関数評価にのみ関係しており、これは並列で実行でき、勾配計算は行わない。
  論文  参考訳（メタデータ） (2020-07-07T10:05:01Z)
• Convergence and sample complexity of gradient methods for the model-free linear quadratic regulator problem [27.09339991866556]
  本稿では,コントローラの空間を直接探索することにより,未知の計算系に対する最適制御を求める。 我々は、安定化フィードバックゲインの勾配-フローのダイナミクスセットに焦点をあてて、そのような手法の性能と効率を最小化するための一歩を踏み出した。
  論文  参考訳（メタデータ） (2019-12-26T16:56:59Z)

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。