Fugu-MT 論文翻訳(概要): Investigating KAN-Based Physics-Informed Neural Networks for EMI/EMC Simulations

論文の概要: Investigating KAN-Based Physics-Informed Neural Networks for EMI/EMC Simulations

arxiv url: http://arxiv.org/abs/2405.11383v2
Date: Tue, 21 May 2024 11:00:13 GMT
ステータス: 処理完了
システム内更新日: 2024-05-22 15:26:53.330125
Title: Investigating KAN-Based Physics-Informed Neural Networks for EMI/EMC Simulations
Title（参考訳）: EMI/EMCシミュレーションのためのkan-based Physics-informed Neural Networksの検討
Authors: Kun Qian, Mohamed Kheir,
Abstract要約: 一般的なEM問題の定式化と、AI駆動のソリューションを使ってそれらを解決する方法を紹介している。この研究は、エネルギー消費を減らし、計算能力が実現可能なグリーンEMIシミュレーションのための新たな地平を開く可能性がある。
参考スコア（独自算出の注目度）: 3.2005061268752746
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The main objective of this paper is to investigate the feasibility of employing Physics-Informed Neural Networks (PINNs) techniques, in particular KolmogorovArnold Networks (KANs), for facilitating Electromagnetic Interference (EMI) simulations. It introduces some common EM problem formulations and how they can be solved using AI-driven solutions instead of lengthy and complex full-wave numerical simulations. This research may open new horizons for green EMI simulation workflows with less energy consumption and feasible computational capacity.
Abstract（参考訳）: 本研究の目的は,特にKAN(KolmogorovArnold Networks)における物理インフォームドニューラルネットワーク(PINN)を用いた電磁干渉(EMI)シミュレーションの実現可能性を検討することである。これは、一般的なEM問題の定式化と、それをAI駆動のソリューションで解く方法を導入し、長大で複雑なフルウェーブの数値シミュレーションに代えて導入する。この研究は、エネルギー消費の少ないグリーンEMIシミュレーションワークフローのための新たな地平を開く可能性がある。

関連論文リスト

Physics aware machine learning for micromagnetic energy minimization: recent algorithmic developments [0.0]
ブラウンの静電自己エネルギーに対する境界の上に構築し、伝達問題の変分定式化の文脈でそれらの応用を再検討する。有限領域上のこれらの境界を再構成し、数値シミュレーションの手法をより効率的かつスケーラブルにする。その結果,メッシュフリーな物理インフォームドニューラルネットワーク(PINN)とELM(Extreme Learning Machines)が,厳しい制約と統合される可能性を強調した。
論文参考訳（メタデータ） (2024-09-19T16:22:40Z)
NeuroSEM: A hybrid framework for simulating multiphysics problems by coupling PINNs and spectral elements [7.704598780320887]
本研究では、PINNと高忠実度スペクトル要素法(SEM)を融合したハイブリッドフレームワークであるNeuroSEMを紹介した。 NeuroSEMはPINNとSEMの両方の強度を活用し、多物理問題に対する堅牢な解決策を提供する。キャビティフローおよびシリンダーを過ぎる流れにおける熱対流に対するNeuroSEMの有効性と精度を実証した。
論文参考訳（メタデータ） (2024-07-30T22:01:14Z)
Quantum Neural Networks for Solving Power System Transient Simulation Problem [0.0]
本稿では2つの新しい量子ニューラルネットワーク(QNN)を導入し,従来のシミュレーション手法の代替として提案する。これらのQNNの応用は、2つの小さな電力系統をシミュレートし、その可能性を実証する。この研究は、量子コンピューティングを電力システムシミュレーションに適用する先駆的な取り組みであると同時に、複雑なエンジニアリング課題に対処する量子技術の可能性も拡大している。
論文参考訳（メタデータ） (2024-05-19T02:18:04Z)
Physics-informed generative neural networks for RF propagation prediction with application to indoor body perception [2.679900758407988]
本稿では,人の動きがEMフィールドに与える影響を再現するために訓練された変分自動エンコーダ(VAE)モデルについて述べる。提案する物理インフォームド生成ニューラルネットワークモデルは、古典的回折に基づくEMツールとフルウェーブEMボディシミュレーションの両方に対して検証される。
論文参考訳（メタデータ） (2024-05-03T14:35:02Z)
Quantum Tunneling: From Theory to Error-Mitigated Quantum Simulation [49.1574468325115]
本研究では,量子トンネルシミュレーションの理論的背景とハードウェア対応回路の実装について述べる。我々は、ハードウェアのアンダーユース化問題を解決するために、ZNEとREM(エラー軽減技術)と量子チップのマルチプログラミングを使用する。
論文参考訳（メタデータ） (2024-04-10T14:27:07Z)
Quantum Algorithms for Simulating Nuclear Effective Field Theories [40.83664249192338]
我々は、最先端のハミルトンシミュレーション法を用いて、核物理学の低エネルギー有効場理論(EFT)をシミュレートするために、量子ビットとゲートコストを推定する。シミュレーションアルゴリズムにより, 低エネルギーのハミルトニアンの対称性を用いて, より厳密な誤差境界が得られることを示す。
論文参考訳（メタデータ） (2023-12-08T20:09:28Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
論文参考訳（メタデータ） (2022-11-03T14:49:02Z)
PARC: Physics-Aware Recurrent Convolutional Neural Networks to Assimilate Meso-scale Reactive Mechanics of Energetic Materials [0.0]
衝撃開始エネルギー材料(EM)のメソスケール熱力学を学習する深層学習アルゴリズムであるPARCニューラルネットワークについて述べる。 PARCにおける人工ニューロンの可視化は、EM熱力学の重要な側面に光を当てることと、EMを概念化する追加レンズを提供することを実証する。
論文参考訳（メタデータ） (2022-04-04T14:29:35Z)
Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
論文参考訳（メタデータ） (2021-06-22T18:00:00Z)
OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted Atomic-Orbital Features [42.96944345045462]
textscOrbNetは、学習効率と転送可能性の観点から、既存のメソッドよりも優れています。薬物のような分子のデータセットに応用するために、textscOrbNetは1000倍以上の計算コストでDFTの化学的精度でエネルギーを予測する。
論文参考訳（メタデータ） (2020-07-15T22:38:41Z)

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。