論文の概要: Multifidelity surrogate modeling, NARGP, digital twin, aquaculture net cage, real-time monitoring, graph convolutional networks

• arxiv url: http://arxiv.org/abs/2406.04519v1
• Date: Thu, 6 Jun 2024 21:26:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-06-10 17:57:38.798733
• Title: Multifidelity surrogate modeling, NARGP, digital twin, aquaculture net cage, real-time monitoring, graph convolutional networks
• Title（参考訳）: 多要素代理モデル, NARGP, デジタルツイン, 養殖網ケージ, リアルタイムモニタリング, グラフ畳み込みネットワーク
• Authors: Eirini Katsidoniotaki, Biao Su, Eleni Kelasidi, Themistoklis P. Sapsis,
• Abstract要約: デジタルツイン技術は水産産業を前進させることができるが、その採用は限られている。 フレキシブルな浮体構造である魚網ケージは、養殖農場の重要かつ脆弱な構成要素である。 本研究では,水生生物網の構造動態をリアルタイムにモニタリングするデジタルツインへの統合のための多要素代理モデリングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.124958340749622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the global population grows and climate change intensifies, sustainable food production is critical. Marine aquaculture offers a viable solution, providing a sustainable protein source. However, the industry's expansion requires novel technologies for remote management and autonomous operations. Digital twin technology can advance the aquaculture industry, but its adoption has been limited. Fish net cages, which are flexible floating structures, are critical yet vulnerable components of aquaculture farms. Exposed to harsh and dynamic marine environments, the cages experience significant loads and risk damage, leading to fish escapes, environmental impacts, and financial losses. We propose a multifidelity surrogate modeling framework for integration into a digital twin for real-time monitoring of aquaculture net cage structural dynamics under stochastic marine conditions. Central to this framework is the nonlinear autoregressive Gaussian process method, which learns complex, nonlinear cross-correlations between models of varying fidelity. It combines low-fidelity simulation data with a small set of high-fidelity field sensor measurements, which offer the real dynamics but are costly and spatially sparse. Validated at the SINTEF ACE fish farm in Norway, our digital twin receives online metocean data and accurately predicts net cage displacements and mooring line loads, aligning closely with field measurements. The proposed framework is beneficial where application-specific data are scarce, offering rapid predictions and real-time system representation. The developed digital twin prevents potential damages by assessing structural integrity and facilitates remote operations with unmanned underwater vehicles. Our work also compares GP and GCNs for predicting net cage deformation, highlighting the latter's effectiveness in complex structural applications.
• Abstract（参考訳）: 世界の人口が増加し、気候変動が増すにつれて、持続可能な食料生産が重要となる。 海洋養殖は持続可能なソリューションを提供し、持続可能なタンパク質源を提供する。 しかし、産業の拡大には、遠隔管理と自律運転のための新しい技術が必要である。 デジタルツイン技術は水産産業を前進させることができるが、その採用は限られている。 フレキシブルな浮体構造である魚網ケージは、養殖農場の重要かつ脆弱な構成要素である。 厳しい海洋環境に曝露され、ケージは大きな負荷と危険を経験し、魚の逃走、環境への影響、財政的損失につながった。 確率海洋環境下での養殖網ケージ構造動態のリアルタイムモニタリングのための多要素代理モデリングフレームワークを提案する。 この枠組みの中心は非線形自己回帰的ガウス過程法であり、様々な忠実度モデル間の複雑で非線形な相互相関を学習する。 低忠実度シミュレーションデータと高忠実度センサの小さなセットを組み合わせることで、実際のダイナミクスを提供するが、高価で空間的にも疎らである。 ノルウェーのSINTEF ACE養殖場で検証された我々のデジタル双生児は、オンラインメトカンデータを受け取り、ネットケージの変位と係留ラインの荷重を正確に予測し、フィールド計測と密接に一致させる。 提案するフレームワークは,アプリケーション固有のデータが不足している場合に有効であり,迅速な予測とリアルタイムシステム表現を提供する。 開発されたデジタルツインは、構造的整合性を評価することによって潜在的な損傷を防止し、無人水中車両による遠隔操作を容易にする。 また,ネットワークケージ変形予測のためのGPとGCNを比較し,複雑な構造応用における後者の有効性を強調した。

関連論文リスト

• AI-Enhanced Automatic Design of Efficient Underwater Gliders [60.45821679800442]
  自動設計フレームワークの構築は、グライダー形状を表現する複雑さと、複雑な固体-流体相互作用をモデル化する際の計算コストが高いため、困難である。 非自明な船体形状の水中ロボットを作れるようにすることで、これらの制限を克服するAI強化型自動計算フレームワークを導入する。 提案手法は, 形状と制御信号の両面を協調的に最適化するアルゴリズムで, 低次幾何表現と微分可能なニューラルネット型流体代理モデルを用いる。
  論文  参考訳（メタデータ） (2025-04-30T23:55:44Z)
• Real-time Seafloor Segmentation and Mapping [0.0]
  ポシドニア・オーシャンカ・メドウ(Posidonia Oceanica meadows)は、サバイバルと保全のために岩に大きく依存する海草の一種である。 ディープラーニングベースのセマンティックセグメンテーションと視覚自動監視システムは、さまざまなアプリケーションで有望であることを示している。 本稿では,自律型水中車両(AUV)がポシドニア大洋の牧草地の境界を自律的に調査できるようにするために,機械学習とコンピュータビジョン技術を組み合わせたフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-14T22:49:08Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• Enhancing Robustness Of Digital Shadow For CO2 Storage Monitoring With Augmented Rock Physics Modeling [0.276240219662896]
  時間ラプス地震イメージングはCO2の移動を追跡するのに不可欠であるが、多相下流の複雑さを捉えるのにしばしば苦労する。 非線形ベイズフィルタリングや生成AIといった機械学習駆動のデータ同化技術を活用するDigital Shadows(DS)は、より詳細で不確実性を認識した監視アプローチを提供する。 本研究では,様々な岩石物理モデルによる予測アンサンブルの増大が誤った仮定の影響を緩和し,予測精度を向上させることを示す。
  論文  参考訳（メタデータ） (2025-02-11T01:33:35Z)
• Exploring Physics-Informed Neural Networks for Crop Yield Loss Forecasting [4.707950656037167]
  気候変動への対応として、極度の気候条件下での作物の生産性の評価は、食料の安全性を高めるために不可欠である。 本研究では,水利用量と水不足に対する農作物の感受性を画素レベルで推定することにより,両アプローチの強度を両立させる手法を提案する。 我々のモデルは高い精度を示し、RNNやTransformersのような最先端のモデルに適合または超える最大0.77のR2を達成する。
  論文  参考訳（メタデータ） (2024-12-31T15:21:50Z)
• Composing Open-domain Vision with RAG for Ocean Monitoring and Conservation [41.94295877935867]
  本稿では, 海洋アプリケーションにおける画像解析と映像解析のためのレジリエントでスケーラブルなソリューションを提案する。 我々は,本手法を,ビデオ漁船から魚を分類する予備的応用を通じて検証する。
  論文  参考訳（メタデータ） (2024-12-03T08:34:42Z)
• Virtual Sensing-Enabled Digital Twin Framework for Real-Time Monitoring of Nuclear Systems Leveraging Deep Neural Operators [0.36651088217486427]
  本稿では,デジタルツインフレームワークのコアコンポーネントとしてDeepOperator Networks (DeepONet) を導入する。 DeepONetは動的でスケーラブルな仮想センサとして機能し、操作された入力パラメータと空間的に分散されたシステムの振る舞いの間の相互作用を正確にマッピングする。 この結果から,DeepONetは平均二乗誤差と相対L2誤差で精度の高い予測を行い,従来のCFDシミュレーションの1400倍の精度で未知データの予測を行うことができた。
  論文  参考訳（メタデータ） (2024-10-17T16:56:04Z)
• An uncertainty-aware Digital Shadow for underground multimodal CO2 storage monitoring [1.1249583407496222]
  Geological Carbon Storage GCSは、おそらく唯一利用可能なスケーラブルなネット負のCO2排出技術である。 機械学習に基づくデータ同化フレームワークを導入し、現実的な数値シミュレーションで検証する。 この研究は、不確実性を意識したインプリンシプルなスケーラブルなデジタルシャドウの概念の最初の証明である。
  論文  参考訳（メタデータ） (2024-10-02T03:58:45Z)
• Causal Deciphering and Inpainting in Spatio-Temporal Dynamics via Diffusion Model [45.45700202300292]
  CaPaintは2段階のプロセスで因果推論能力を備えたデータとエンドウモデルの因果領域を特定することを目的としている。 微調整未条件拡散確率モデル(DDPM)を生成前として, 環境成分として定義されたマスクを埋め込む。 5つの実世界のSTベンチマークで実施された実験は、CaPaintの概念の統合により、モデルが4.3%から77.3%の改善を達成できることを示した。
  論文  参考訳（メタデータ） (2024-09-29T08:18:50Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Diffusion-based subsurface multiphysics monitoring and forecasting [4.2193475197905705]
  本稿では,ビデオ拡散モデルを用いた新しい地下マルチ物理モニタリングおよび予測フレームワークを提案する。 このアプローチは、CO$2$進化の高品質な表現と、それに伴う地下弾性特性の変化を生成することができる。 コンパスモデルに基づく実験では,CO$モニタリングに関連する本質的に複雑な物理現象を,提案手法がうまく捉えることができた。
  論文  参考訳（メタデータ） (2024-07-25T23:04:37Z)
• Deep Vision-Based Framework for Coastal Flood Prediction Under Climate Change Impacts and Shoreline Adaptations [0.3413711585591077]
  低データ環境下での高忠実度ディープビジョンに基づく沿岸洪水予測モデルを訓練するための体系的枠組みを提案する。 また,沿岸の洪水予測問題に特化して,CNNの深部構造を導入している。 開発したDLモデルの性能は、一般に採用されている測地回帰法に対して検証される。
  論文  参考訳（メタデータ） (2024-06-06T19:54:34Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Enhanced multi-fidelity modelling for digital twin and uncertainty quantification [0.0]
  データ駆動モデルは、リアルタイムのアップデートと予測を可能にするデジタルツインにおいて重要な役割を果たす。 利用可能なデータの忠実さと正確なセンサーデータの不足は、しばしば代理モデルの効率的な学習を妨げる。 本稿では,ロバストなマルチフィデリティ・サロゲートモデルの開発から始まる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-26T05:58:17Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• A Deep Learning-Accelerated Data Assimilation and Forecasting Workflow for Commercial-Scale Geologic Carbon Storage [2.464972164779053]
  本稿では,多孔質中流挙動の物理的理解を深層学習技術で活用し,高速な履歴マッチング・貯留層応答予測ワークフローを開発することを提案する。 マルチウェルインジェクション下での動的圧力とCO2配管幅を予測するための代理モデルを開発した。 このワークフローは、メインストリームの個人ワークステーションで1時間以内で、履歴マッチングと不確実な定量化による貯蓄予測を完了させることができる。
  論文  参考訳（メタデータ） (2021-05-09T16:38:29Z)

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。