論文の概要: Precision Glass Thermoforming Assisted by Neural Networks

• arxiv url: http://arxiv.org/abs/2411.06762v1
• Date: Mon, 11 Nov 2024 07:34:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:07:31.966721
• Title: Precision Glass Thermoforming Assisted by Neural Networks
• Title（参考訳）: ニューラルネットワークによる精密ガラスサーモフォーミング
• Authors: Yuzhou Zhang, Mohan Hua, Haihui Ruan,
• Abstract要約: 優れた加工性、化学不確かさ、光学透過性を持つガラスは、光学製品や審美製品に広く用いられている。 従来の試行錯誤によるサーモフォーム化プロセスの開発アプローチは、大量の時間とリソースを浪費し、しばしば失敗に終わる。 本稿では, 形状誤差を適切に予測し, 成形設計においてこれらの誤差を補うことができる次元レスバックプロパゲーションニューラルネットワーク(BPNN)について報告する。
• 参考スコア（独自算出の注目度）: 0.8329456268842227
• License:
• Abstract: Glass with good processability, chemical inertness, and optical transparency has been widely used in optical and aesthetic products, many of which require curve pro-files with high precision. To meet the increasingly tightened geometrical tolerances and fast product updating rates, the traditional approach of developing a thermoform-ing process through trials and errors can cause a large waste of time and resources and often end up with failure. Hence, there is a need to develop an efficient predictive model, replacing the costly simulations or experiments, to assist the design of preci-sion glass thermoforming. In this work, we report a dimensionless back-propagation neural network (BPNN) that can adequately predict the form errors and thus compen-sate for these errors in mold design to achieve precision glass molding. Based on the precision molds, also discussed is the issue of error magnification considering that cover glass for AR/VR glasses or smartphones, with extremely large scale of produc-tion, may require a lower level of mold machining accuracy. It is expected that this BPNN will also be implementable in the glass-manufacturing industry, i.e., trained using industrial data for precision mold designs.
• Abstract（参考訳）: 優れた加工性、化学不確かさ、光学透過性を持つガラスは、光学製品や審美製品に広く使われており、その多くが高精度な曲線プロファイルを必要とする。 幾何的耐性の強化と製品更新速度の速さを満たすため、試行錯誤によるサーモフォーム化プロセスを開発するという従来のアプローチは、膨大な時間とリソースを浪費し、しばしば失敗に終わる。 したがって、精密ガラスサーモフォーミングの設計を支援するために、コストのかかるシミュレーションや実験を置き換える効率的な予測モデルを開発する必要がある。 本研究では, 形状誤差を適切に予測し, 成形設計におけるこれらの誤差を考慮し, 精度の高いガラス成形を実現することのできる, 無次元バックプロパゲーションニューラルネットワーク(BPNN)について報告する。 この精度に基づき,AR/VRメガネやスマートフォン用カバーガラスの加工精度が極めて高く,成形加工の精度が低いことを考慮すると,誤差の倍率の問題も議論されている。 このBPNNは、ガラス製造業界、すなわち精密金型設計のための工業データを用いて訓練された産業でも実装可能であることが期待されている。

関連論文リスト

• Deep Neural Operator Enabled Digital Twin Modeling for Additive Manufacturing [9.639126204112937]
  デジタルツイン(DT)は、現実世界の物理的プロセスの仮想ツインとして振る舞う。 L-PBFプロセスの閉ループフィードバック制御のためのディープ・ニューラル演算子を用いたDTの計算フレームワークを提案する。 開発したDTは、AMプロセスのガイドと高品質製造の促進を目的としている。
  論文  参考訳（メタデータ） (2024-05-13T03:53:46Z)
• Evaluation of GlassNet for physics-informed machine learning of glass stability and glass-forming ability [0.35069196259739965]
  ガラスの安定性(GS)を計算するのに必要な特性温度を予測できるオープンソースのトレーニング済みNNモデルGlassNetの適用について検討する。 本研究では,これらの予測と組み合わせてGSの予測を行い,ランダムな森林モデルがGlassNetに類似した精度を提供することを示す。
  論文  参考訳（メタデータ） (2024-03-15T21:03:34Z)
• Neural Lens Modeling [50.57409162437732]
  NeuroLens(ニューロレンス)は、点投影と光線鋳造に使用できる歪みと磁化のための神経レンズモデルである。 古典的なキャリブレーションターゲットを使用してプリキャプチャのキャリブレーションを行うことができ、後に3D再構成の際にキャリブレーションやリファインメントを行うために使用できる。 このモデルは、多くのレンズタイプにまたがって一般化されており、既存の3D再構成とレンダリングシステムとの統合は容易である。
  論文  参考訳（メタデータ） (2023-04-10T20:09:17Z)
• A lightweight network for photovoltaic cell defect detection in electroluminescence images based on neural architecture search and knowledge distillation [9.784061533539822]
  畳み込みニューラルネットワーク(CNN)は、PV細胞の既存の自動欠陥検出に広く用いられている。 本稿では,ニューラルアーキテクチャ探索と知識蒸留に基づくPVセルの自動欠陥検出のための軽量高性能モデルを提案する。 提案した軽量高性能モデルは、実際の産業プロジェクトのエンドデバイスに容易に展開でき、精度を維持できる。
  論文  参考訳（メタデータ） (2023-02-15T04:00:35Z)
• 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)
• Image-based Artificial Intelligence empowered surrogate model and shape morpher for real-time blank shape optimisation in the hot stamping process [3.264571107058741]
  本研究は,画像に基づく人工インテリジェンスを用いたサロゲートモデリング (IAISM) 手法の開発である。 IAISMは任意の空白形状を与えられた as-formed コンポーネントの完全な薄めフィールドを予測するために訓練される。 高精度で汎用的なサロゲートモデリングおよび最適化ツールとして、提案されたパイプラインは、フルチェーンのデジタルツインに統合されることを約束している。
  論文  参考訳（メタデータ） (2022-12-01T20:17:48Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• Enhanced physics-constrained deep neural networks for modeling vanadium redox flow battery [62.997667081978825]
  本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。 ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
  論文  参考訳（メタデータ） (2022-03-03T19:56:24Z)
• DEBOSH: Deep Bayesian Shape Optimization [48.80431740983095]
  形状最適化に適した不確実性に基づく新しい手法を提案する。 効果的なBOを可能にし、その結果の形状の質を最先端のアプローチを超えて向上させる。
  論文  参考訳（メタデータ） (2021-09-28T11:01:42Z)
• Computational Design of Cold Bent Glass Fa\c{c}ades [27.465020742532428]
  コールドベントガラスファサードを設計するためのインタラクティブなデータ駆動手法を提案する。 本手法は,非専門家がパラメトリックな表面をインタラクティブに編集することを可能にする。 我々は,100万以上のシミュレーションから学習した微分可能な混合密度ネットワークを用いて,インタラクティブなフレームレートを実現する。
  論文  参考訳（メタデータ） (2020-09-08T12:14:37Z)
• 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。