論文の概要: Machine Learning-Enhanced Prediction of Surface Smoothness for Inertial Confinement Fusion Target Polishing Using Limited Data

• arxiv url: http://arxiv.org/abs/2312.10553v1
• Date: Sat, 16 Dec 2023 22:40:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 15:54:13.821589
• Title: Machine Learning-Enhanced Prediction of Surface Smoothness for Inertial Confinement Fusion Target Polishing Using Limited Data
• Title（参考訳）: 有限データを用いた慣性閉じ込め核融合ターゲット研磨のための機械学習による表面平滑化予測
• Authors: Antonios Alexos, Junze Liu, Akash Tiwari, Kshitij Bhardwaj, Sean Hayes, Pierre Baldi, Satish Bukkapatnam, Suhas Bhandarkar
• Abstract要約: Inertial Confinement Fusion (ICF)プロセスでは、レーザービームのターゲットとして、高密度炭素からなる約2mmの球状シェルが使用される。 研磨機に接続された振動センサから収集したデータに基づいて表面粗さを予測できる機械学習モデルを提案する。 このようなモデルでは、殻の表面粗さをリアルタイムで生成することができ、最適結果を得るために研磨に必要な変更を加えることができる。
• 参考スコア（独自算出の注目度）: 8.361359158345332
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Inertial Confinement Fusion (ICF) process, roughly a 2mm spherical shell made of high density carbon is used as target for laser beams, which compress and heat it to energy levels needed for high fusion yield. These shells are polished meticulously to meet the standards for a fusion shot. However, the polishing of these shells involves multiple stages, with each stage taking several hours. To make sure that the polishing process is advancing in the right direction, we are able to measure the shell surface roughness. This measurement, however, is very labor-intensive, time-consuming, and requires a human operator. We propose to use machine learning models that can predict surface roughness based on the data collected from a vibration sensor that is connected to the polisher. Such models can generate surface roughness of the shells in real-time, allowing the operator to make any necessary changes to the polishing for optimal result.
• Abstract（参考訳）: Inertial Confinement Fusion (ICF)プロセスでは、高密度炭素からなる約2mmの球殻をレーザービームのターゲットとして使用し、高融合収率に必要なエネルギーレベルまで圧縮加熱する。 これらの砲弾は、核融合の基準を満たすために精巧に研磨される。 しかし、これらの殻の研磨には複数の段階があり、各段階は数時間かかる。 研磨工程が正しい方向に進んでいることを確認するため, 殻表面粗さを測定することができる。 しかし、この測定は非常に労働集約的で、時間がかかり、人間のオペレーターが必要です。 本研究では,研磨機に接続された振動センサから収集したデータに基づいて,表面粗さを予測する機械学習モデルを提案する。 このようなモデルでは、殻の表面粗さをリアルタイムで生成することができ、最適結果を得るために研磨に必要な変更を加えることができる。

関連論文リスト

• MambaVT: Spatio-Temporal Contextual Modeling for robust RGB-T Tracking [51.28485682954006]
  本研究では,マンバをベースとした純フレームワーク(MambaVT)を提案する。 具体的には、長距離クロスフレーム統合コンポーネントを考案し、ターゲットの外観変化にグローバルに適応する。 実験では、RGB-TトラッキングのためのMambaのビジョンの可能性が示され、MambaVTは4つの主要なベンチマークで最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2024-08-15T02:29:00Z)
• Stochastic Geometry Models for Texture Synthesis of Machined Metallic Surfaces: Sandblasting and Milling [0.7673339435080445]
  視覚面検査システムのためのトレーニング欠陥検出アルゴリズムには,大規模かつ代表的なトレーニングデータが必要である。 テクスチャ合成モデルを用いて微小な表面トポグラフィーをモデル化するデジタルツインが必要である。
  論文  参考訳（メタデータ） (2024-03-20T09:27:49Z)
• A continuous beam monochromator for matter waves [0.0]
  原子干渉計の構築における一般的な方法論は、レーザービームから作製した格子の利用である。 本研究では,原子-表面回折に基づいて,速度比103$の超高速精製を実現する連続ビームモノクロマター方式を提案する。
  論文  参考訳（メタデータ） (2024-03-13T09:02:16Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• Steel Surface Roughness Parameter Calculations Using Lasers and Machine Learning Models [5.692841379023887]
  鋼板の表面性状の制御は, 亜鉛めっきおよび熱間圧延プロセスにおいて, 顧客の要求を満たすために不可欠である。 従来の方法はポストプロダクションのスタイラス測定に依存し、オンライン技術はストリップ全体を非接触でリアルタイムに計測する。 我々は最先端の機械学習モデルを活用し、オンライン計測の精度を著しく高め、Ra表面粗さ測定値に変換する。
  論文  参考訳（メタデータ） (2023-07-06T16:44:03Z)
• Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
  亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。 本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
  論文  参考訳（メタデータ） (2023-01-20T12:11:03Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Impact of Surface and Pore Characteristics on Fatigue Life of Laser Powder Bed Fusion Ti-6Al-4V Alloy Described by Neural Network Models [0.18961324344454256]
  レーザ粉末層融合部の疲労寿命に及ぼす表面粗さと細孔特性の影響について検討した。 表面粗さと細孔の統計について, 疲労挙動を解析した。 ドロップアウトニューラルネットワーク(DONN)を用いた機械学習モデルを用いて、表面特徴と細孔特徴のリンクを確立する。
  論文  参考訳（メタデータ） (2021-08-28T02:51:04Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
  ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。 現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。 そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-22T13:33:44Z)

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。