論文の概要: Towards Foundation Models for the Industrial Forecasting of Chemical Kinetics
- arxiv url: http://arxiv.org/abs/2408.10720v1
- Date: Tue, 20 Aug 2024 10:43:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-21 14:04:52.041337
- Title: Towards Foundation Models for the Industrial Forecasting of Chemical Kinetics
- Title（参考訳）: ケミカル・キネティクスの産業予測のための基礎モデルに向けて
- Authors: Imran Nasim, Joaõ Lucas de Sousa Almeida,
- Abstract要約: 本稿では,多層パーセプトロンミキサーアーキテクチャ(MLP-ミキサー)を用いて,固形化学反応の時系列をモデル化する手法を提案する。
本手法は化学力学のベンチマークモデルであるROBERシステムを用いて評価し,その性能を従来の数値手法と比較する。
- 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: Scientific Machine Learning is transforming traditional engineering industries by enhancing the efficiency of existing technologies and accelerating innovation, particularly in modeling chemical reactions. Despite recent advancements, the issue of solving stiff chemically reacting problems within computational fluid dynamics remains a significant issue. In this study we propose a novel approach utilizing a multi-layer-perceptron mixer architecture (MLP-Mixer) to model the time-series of stiff chemical kinetics. We evaluate this method using the ROBER system, a benchmark model in chemical kinetics, to compare its performance with traditional numerical techniques. This study provides insight into the industrial utility of the recently developed MLP-Mixer architecture to model chemical kinetics and provides motivation for such neural architecture to be used as a base for time-series foundation models.
- Abstract（参考訳）: 科学機械学習は、既存の技術の効率を高め、特に化学反応のモデリングにおいてイノベーションを加速することによって、伝統的なエンジニアリング産業を変革している。
近年の進歩にもかかわらず、計算流体力学における固い化学反応問題の解決は重要な問題である。
本研究では,多層パーセプトロンミキサーアーキテクチャ(MLP-ミキサー)を用いて,固形化学反応の時系列をモデル化する手法を提案する。
本稿では, 化学動力学のベンチマークモデルであるROBERシステムを用いて, その性能を従来の数値手法と比較する。
本研究は、最近開発されたMLP-Mixerアーキテクチャの化学動力学モデリングにおける産業的有用性について考察し、時系列基礎モデルの基盤としてそのようなニューラルネットワークアーキテクチャを使用する動機を与える。
関連論文リスト
- Improving Molecular Modeling with Geometric GNNs: an Empirical Study [56.52346265722167]
本稿では,異なる標準化手法,(2)グラフ作成戦略,(3)補助的なタスクが性能,拡張性,対称性の強制に与える影響に焦点をあてる。
本研究の目的は,分子モデリングタスクに最適なモデリングコンポーネントの選択を研究者に案内することである。
論文 参考訳（メタデータ） (2024-07-11T09:04:12Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - Bayesian Methods for Media Mix Modelling with shape and funnel effects [0.0]
この研究は、気体の運動論の基礎となるマクスウェル・ボルツマン方程式の潜在的利用を探求することを目的としている。
本稿では,これらの方程式を階層型ベイズモデルに組み込んで,広告の文脈における消費者行動を分析することを提案する。
論文 参考訳（メタデータ） (2023-11-09T18:47:33Z) - Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。
本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-10-05T00:23:34Z) - MINN: Learning the dynamics of differential-algebraic equations and
application to battery modeling [3.900623554490941]
我々は、モデル統合ニューラルネットワーク(MINN)を生成するための新しいアーキテクチャを提案する。
MINNは、システムの物理に基づく力学の学習レベルとの統合を可能にする。
提案したニューラルネットワークアーキテクチャを用いてリチウムイオン電池の電気化学的ダイナミクスをモデル化する。
論文 参考訳（メタデータ） (2023-04-27T09:11:40Z) - Toward Development of Machine Learned Techniques for Production of
Compact Kinetic Models [0.0]
化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。
本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
論文 参考訳（メタデータ） (2022-02-16T12:31:24Z) - Constructing Neural Network-Based Models for Simulating Dynamical
Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。
本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。
基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文 参考訳（メタデータ） (2021-11-02T10:51:42Z) - Autonomous Kinetic Modeling of Biomass Pyrolysis using Chemical Reaction
Neural Networks [0.0]
森林, 草, 作物などのバイオマスの燃焼過程のモデル化は, 森林および都市火災のモデル化と予測に不可欠である。
本研究は,最近開発された化学反応ニューラルネット(CRNN)を用いた熱重力解析器(TGA)実験データから,バイオマス熱分解速度論的モデルを自律的に発見するための枠組みを提案する。
CRNNは、質量作用法則やアレニウス法則などの基本的な物理法則をニューラルネットワーク構造に組み込むことで、完全に解釈可能である。
論文 参考訳（メタデータ） (2021-05-24T16:38:40Z) - Kinetics-Informed Neural Networks [0.0]
我々は、通常の微分方程式を解くために、サロゲートモデルを構築するための基礎関数としてフィードフォワード人工ニューラルネットワークを用いる。
正規化多目的最適化設定におけるニューラルネットと運動モデルパラメータの同時学習により,逆問題の解が導かれることを示す。
この逆運動的ODEに対する代理的アプローチは、過渡的なデータに基づく反応機構の解明に役立てることができる。
論文 参考訳（メタデータ） (2020-11-30T00:07:09Z) - No MCMC for me: Amortized sampling for fast and stable training of
energy-based models [62.1234885852552]
エネルギーベースモデル(EBM)は、不確実性を表す柔軟で魅力的な方法である。
本稿では,エントロピー規則化ジェネレータを用いてEMMを大規模に訓練し,MCMCサンプリングを記憶する簡単な方法を提案する。
次に、最近提案されたジョイント・エナジー・モデル(JEM)に推定器を適用し、元の性能と高速で安定したトレーニングとを一致させる。
論文 参考訳（メタデータ） (2020-10-08T19:17:20Z) - Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。
その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。
結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文 参考訳（メタデータ） (2020-06-13T17:28:52Z)
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。