論文の概要: Supply Risk-Aware Alloy Discovery and Design

• arxiv url: http://arxiv.org/abs/2409.15391v1
• Date: Sun, 22 Sep 2024 21:54:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-09-26 13:20:54.996238
• Title: Supply Risk-Aware Alloy Discovery and Design
• Title（参考訳）: 供給リスクに配慮した合金の発見と設計
• Authors: Mrinalini Mulukutla, Robert Robinson, Danial Khatamsaz, Brent Vela, Nhu Vu, Raymundo Arróyave,
• Abstract要約: 本稿では,材料開発プロセスにサプライチェーン・アウェア・デザイン・ストラテジーを統合する新しいリスク・アウェア・デザイン・アプローチを提案する。 性能と供給リスクの両方を最適化することにより、開発した合金が高性能であるだけでなく、持続可能かつ経済的に実現可能であることを保証する。 この統合されたアプローチは、サステナビリティ、サプライチェーンのダイナミクス、包括的なライフサイクル分析をシームレスに検討する材料発見と設計が将来に向けて重要なステップである。
• 参考スコア（独自算出の注目度）: 0.2968738145616401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Materials design is a critical driver of innovation, yet overlooking the technological, economic, and environmental risks inherent in materials and their supply chains can lead to unsustainable and risk-prone solutions. To address this, we present a novel risk-aware design approach that integrates Supply-Chain Aware Design Strategies into the materials development process. This approach leverages existing language models and text analysis to develop a specialized model for predicting materials feedstock supply risk indices. To efficiently navigate the multi-objective, multi-constraint design space, we employ Batch Bayesian Optimization (BBO), enabling the identification of Pareto-optimal high entropy alloys (HEAs) that balance performance objectives with minimized supply risk. A case study using the MoNbTiVW system demonstrates the efficacy of our approach in four scenarios, highlighting the significant impact of incorporating supply risk into the design process. By optimizing for both performance and supply risk, we ensure that the developed alloys are not only high-performing but also sustainable and economically viable. This integrated approach represents a critical step towards a future where materials discovery and design seamlessly consider sustainability, supply chain dynamics, and comprehensive life cycle analysis.
• Abstract（参考訳）: 材料設計はイノベーションの重要な要因であるが、材料やサプライチェーンに固有の技術的、経済的、環境的なリスクを見落としれば、持続不可能でリスクを伴う解決策につながる可能性がある。 そこで本研究では,サプライチェーン・アウェア・デザイン・ストラテジーを素材開発プロセスに統合するリスク対応設計手法を提案する。 このアプローチは、既存の言語モデルとテキスト分析を活用して、原料供給リスク指標を予測するための特殊なモデルを開発する。 多目的・多制約設計空間を効率的にナビゲートするために,我々はBatch Bayesian Optimization (BBO) を用い,パレート最適高エントロピー合金 (HEA) の同定を可能にした。 MoNbTiVWシステムを用いたケーススタディでは, 設計プロセスにサプライリスクを組み込むことによる大きな影響を, 4つのシナリオで示した。 性能と供給リスクの両方を最適化することにより、開発した合金が高性能であるだけでなく、持続可能かつ経済的に実現可能であることを保証する。 この統合されたアプローチは、サステナビリティ、サプライチェーンのダイナミクス、包括的なライフサイクル分析をシームレスに検討する材料発見と設計が将来に向けて重要なステップである。

関連論文リスト

• RECALL-MM: A Multimodal Dataset of Consumer Product Recalls for Risk Analysis using Computational Methods and Large Language Models [0.8514062145382637]
  プロダクトリコールは、エンジニアリング設計プロセスにおける潜在的なリスクとハザードに関する貴重な洞察を提供する。 我々は,過去の情報を用いてデータ駆動型リスクアセスメントを通知するマルチモーダルデータセットRECALL-MMを開発した。 製品リスクを特定し、より安全な設計決定を導く上で、データセットの有用性を示すために、3つのケーススタディを検討します。
  論文  参考訳（メタデータ） (2025-03-29T20:27:28Z)
• Leveraging Large Language Models for Risk Assessment in Hyperconnected Logistic Hub Network Deployment [3.3454502835917035]
  ハブデプロイメントを成功させるためには、動的リスクアセスメントが不可欠です。 従来の手法では、構造化されていない情報を効果的に捉え分析するのに苦労することが多い。 このフレームワークは長期記憶にスケーラビリティを取り入れ、説明と解釈を通じて意思決定を強化する。
  論文  参考訳（メタデータ） (2025-03-27T03:13:22Z)
• Efficient Risk-sensitive Planning via Entropic Risk Measures [51.42922439693624]
  動的プログラミングにより,エントロピーリスク対策(EntRM)のみを効率的に最適化できることを示す。 エントロピーリスクの新たな構造解析と滑らかさ特性により, この最適性を効果的に計算できることを実証する。
  論文  参考訳（メタデータ） (2025-02-27T09:56:51Z)
• Towards Autonomous Experimentation: Bayesian Optimization over Problem Formulation Space for Accelerated Alloy Development [0.31457219084519]
  問題定式化空間上のベイズ最適化を利用して最適な設計定式化を同定する新しい枠組みを提案する。 ガスタービンエンジンブレード応用を目的としたMo-Nb-Ti-V-W合金系におけるインサイリコケーススタディにより,本手法の有効性を実証した。 今後は、人間のフィードバックを取り入れて、実世界の実験環境におけるシステムの適応性をさらに強化していく予定だ。
  論文  参考訳（メタデータ） (2025-02-09T01:05:58Z)
• EAIRiskBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [47.69642609574771]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 EAIRiskBenchは、EAIシナリオにおける自動物理的リスクアセスメントのための新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• RigorLLM: Resilient Guardrails for Large Language Models against Undesired Content [62.685566387625975]
  現在の緩和戦略は効果はあるものの、敵の攻撃下では弾力性がない。 本稿では,大規模言語モデルのための弾力性ガードレール(RigorLLM)について紹介する。
  論文  参考訳（メタデータ） (2024-03-19T07:25:02Z)
• A Logic Programming Approach to Global Logistics in a Co-Design Environment [0.0]
  本稿では,旅客機構築のためのグローバルロジスティクスシステムの構築と最適化の課題について考察する。 問題の製品は、世界中の複数の場所で製造される複数の部品からなる航空機である。 目標は、産業システムの要件を考慮して航空機を構築するための最適な方法を見つけることである。
  論文  参考訳（メタデータ） (2023-08-30T09:06:34Z)
• Modeling and mitigation of occupational safety risks in dynamic industrial environments [0.0]
  本稿では,データ駆動方式で安全リスクを連続的かつ定量的に評価する手法を提案する。 オンライン形式で安全データからこのモデルを校正するために、完全なベイズ的アプローチが開発されている。 提案したモデルは自動意思決定に利用することができる。
  論文  参考訳（メタデータ） (2022-05-02T13:04:25Z)
• Self-supervised optimization of random material microstructures in the small-data regime [0.0]
  本稿では、プロセス構造と構造-プロパティ結合の不確実性を考慮した、柔軟な、完全に確率的な最適化問題の定式化について述べる。 我々は、計算を高速化し、非微分目標の処理を可能にする構造-プロパティリンクに対して確率論的、データ駆動サロゲートを用いる。 二相ランダムメディアの機械的および熱的特性を最適化する効果を実証するが、その適用性は様々なマイクロ構造に敏感な設計問題を含むと想定する。
  論文  参考訳（メタデータ） (2021-08-05T13:25:39Z)
• Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
  我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。 このアプローチは多くの実装と最適化の課題をもたらします。 提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
  論文  参考訳（メタデータ） (2021-03-18T14:26:26Z)
• Reinforcement Learning for Flexibility Design Problems [77.37213643948108]
  フレキシビリティ設計問題に対する強化学習フレームワークを開発した。 実験の結果、RL法は古典的手法よりも優れた解を常に見出すことがわかった。
  論文  参考訳（メタデータ） (2021-01-02T02:44:39Z)
• Multi-Objective Optimization for Sustainable Closed-Loop Supply Chain Network Under Demand Uncertainty: A Genetic Algorithm [0.0]
  新たなサプライチェーン管理手法が提案され,サプライチェーン設計の環境問題とともに経済を維持する。 本稿では, 環境要因に合わせて, 新たな持続的クローズドループサプライチェーンネットワークを最適化し, 経済性を維持することを目的とする。
  論文  参考訳（メタデータ） (2020-09-13T17:31:13Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

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。