論文の概要: Procedural Generation of Grain Orientations using the Wave Function
Collapse Algorithm
- arxiv url: http://arxiv.org/abs/2311.12272v1
- Date: Tue, 21 Nov 2023 01:25:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 02:33:15.213527
- Title: Procedural Generation of Grain Orientations using the Wave Function
Collapse Algorithm
- Title（参考訳）: 波動関数崩壊アルゴリズムを用いた結晶方位の手続き的生成
- Authors: G. Magny-Fokam, D. Madisetti, J. El-Awady
- Abstract要約: ゲーム用に作られた2つのアプローチは、代表粒微細構造の手続き的生成のために検討された。
Wave Function Collapse (WFC)アルゴリズムと、第二にMarkov Juniorによる制約伝播と確率的推論である。
本研究は, 参照電子後方散乱回折(EBSD)マップを用いた2つのアルゴリズムの有効性について検討し, さらなる研究に使用できる統計的に類似した手法を再現することを目的とした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Statistics of grain sizes and orientations in metals correlate to the
material's mechanical properties. Reproducing representative volume elements
for further analysis of deformation and failure in metals, like 316L stainless
steel, is particularly important due to their wide use in manufacturing goods
today. Two approaches, initially created for video games, were considered for
the procedural generation of representative grain microstructures. The first is
the Wave Function Collapse (WFC) algorithm, and the second is constraint
propagation and probabilistic inference through Markov Junior, a free and
open-source software. This study aimed to investigate these two algorithms'
effectiveness in using reference electron backscatter diffraction (EBSD) maps
and recreating a statistically similar one that could be used in further
research. It utilized two stainless steel EBSD maps as references to test both
algorithms. First, the WFC algorithm was too constricting and, thus, incapable
of producing images that resembled EBSDs. The second, MarkovJunior, was much
more effective in creating a Voronoi tessellation that could be used to create
an EBSD map in Python. When comparing the results between the reference and the
generated EBSD, we discovered that the orientation and volume fractions were
extremely similar. With the study, it was concluded that MarkovJunior is an
effective machine learning tool that can reproduce representative grain
microstructures.
- Abstract（参考訳）: 金属中の粒度と配向の統計は、材料の機械的特性と相関している。
316Lステンレス鋼のような金属の変形・破壊を更に解析するための代表体積要素を再現することは、今日では製造製品に広く使われているため特に重要である。
ゲーム用に作られた2つのアプローチは、代表粒微細構造の手続き的生成のために検討された。
1つはWave Function Collapse (WFC)アルゴリズムで、2つ目は、自由でオープンソースのソフトウェアであるMarkov Juniorによる制約伝搬と確率的推論である。
本研究は,電子後方散乱回折(ebsd)マップを用いて,この2つのアルゴリズムの有効性について検討することを目的としている。
2つのステンレスEBSDマップを使って両方のアルゴリズムをテストした。
第一に、WFCアルゴリズムは制約が多すぎるため、EBSDに似た画像を生成することができない。
2番目の markovjunior は、python で ebsd マップを作成するのに使用できる voronoi tessellation を作成するのにずっと効果的であった。
参照値と生成した ebsd を比較した結果から, 配向率と体積率の類似性が確認された。
この研究により、マルコフジュニアは代表粒微細構造を再現できる効果的な機械学習ツールであると結論付けられた。
関連論文リスト
- R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - Interpretable Machine Learning based on Functional ANOVA Framework:
Algorithms and Comparisons [9.10422407200807]
機械学習(ML)の初期は、最高の予測性能を達成するための複雑なアルゴリズムの開発に重点が置かれていた。
近年、研究者は予測性能の小さな向上に挑戦し、本質的に解釈可能なアルゴリズムを開発した。
本稿では,ESMなどの木を用いたGAMI-Lin-Tという新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-25T02:40:52Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳（メタデータ） (2022-10-26T00:23:36Z) - Scaling Structured Inference with Randomization [64.18063627155128]
本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。
我々の手法は古典的DPベースの推論に広く適用できる。
また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
論文 参考訳（メタデータ） (2021-12-07T11:26:41Z) - ViViT: Curvature access through the generalized Gauss-Newton's low-rank
structure [26.24282086797512]
ヘッセンあるいはその一般化されたガウスニュートン(GGN)近似の形での曲線は、深層ネットワークの訓練、圧縮、説明の損失に局所モデルに依存するアルゴリズムに有用である。
本稿では,GGNの低ランク構造を利用した曲率モデルViViTを提案する。
論文 参考訳（メタデータ） (2021-06-04T17:37:47Z) - Fully Learnable Deep Wavelet Transform for Unsupervised Monitoring of
High-Frequency Time Series [2.7793394375935088]
高周波(HF)信号は産業界に広く存在しており、産業資産の監視に非常に有用である。
ほとんどのディープラーニングツールは、固定サイズおよび/または非常に制限された入力用に設計されており、インプット抽出機能として産業的文脈にディープラーニングの応用が成功している。
生のHF信号の有意義で疎い表現を抽出できる、完全に監視されていないディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-03T14:35:06Z) - Optimized and autonomous machine learning framework for characterizing
pores, particles, grains and grain boundaries in microstructural images [0.0]
実験的なマイクロ構造キャラクタリゼーション技術は、高価な計算リソースを必要とする大量のデータを生成する。
本研究では, 所定の微細構造像から細孔, 粒子, 粒界および粒界(gbs)を自律的かつ効率的にキャラクタリゼーションするための最適化機械学習(ml)フレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-16T16:42:19Z) - DeepGMR: Learning Latent Gaussian Mixture Models for Registration [113.74060941036664]
ポイントクラウドの登録は、3Dコンピュータビジョン、グラフィックス、ロボット工学の基本的な問題である。
本稿では,最初の学習ベース登録法であるDeep Gaussian Mixture Registration(DeepGMR)を紹介する。
提案手法は,最先端の幾何学的および学習的登録手法と比較して,良好な性能を示す。
論文 参考訳（メタデータ） (2020-08-20T17:25:16Z) - Scalable Computations of Wasserstein Barycenter via Input Convex Neural
Networks [15.171726731041055]
ワッサーシュタイン・バリーセンター(Wasserstein Barycenter)は、与えられた確率分布の集合の重み付き平均を表す原理的なアプローチである。
本稿では,Wasserstein Barycentersを機械学習の高次元的応用を目的とした,スケーラブルな新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-08T22:41:18Z) - Attentive WaveBlock: Complementarity-enhanced Mutual Networks for
Unsupervised Domain Adaptation in Person Re-identification and Beyond [97.25179345878443]
本稿では,新しい軽量モジュールであるAttentive WaveBlock (AWB)を提案する。
AWBは相互学習の二重ネットワークに統合され、相互学習の相補性を高め、擬似ラベルのノイズをさらに抑えることができる。
実験により, 提案手法は, 複数のUDA人物再識別タスクを大幅に改善し, 最先端の性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-06-11T15:40:40Z) - Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。
アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。
ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
論文 参考訳（メタデータ） (2020-02-20T10:50:58Z)
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。