論文の概要: Methodology for Online Estimation of Rheological Parameters in Polymer Melts Using Deep Learning and Microfluidics

• arxiv url: http://arxiv.org/abs/2412.04142v1
• Date: Thu, 05 Dec 2024 13:11:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:39:51.060315
• Title: Methodology for Online Estimation of Rheological Parameters in Polymer Melts Using Deep Learning and Microfluidics
• Title（参考訳）: 深層学習とマイクロ流体学を用いた高分子融液中のレオロジーパラメータのオンライン推定法
• Authors: Juan Sandubete-López, José L. Risco-Martín, Alexander H. McMillan, Eva Besada-Portas,
• Abstract要約: 本研究では, 深層学習, モデリング, シミュレーションを統合し, マイクロ流体システムの設計を強化する。 シミュレーションから生成された合成データを用いて,高分子溶融のレオロジーパラメータを同定する深層学習モデルを訓練する。 マイクロ流体のレオロジー推定の精度と柔軟性を向上させることにより,マイクロ流体デバイスの設計と試験を高速化する。
• 参考スコア（独自算出の注目度）: 40.112835858325475
• License:
• Abstract: Microfluidic devices are increasingly used in biological and chemical experiments due to their cost-effectiveness for rheological estimation in fluids. However, these devices often face challenges in terms of accuracy, size, and cost. This study presents a methodology, integrating deep learning, modeling and simulation to enhance the design of microfluidic systems, used to develop an innovative approach for viscosity measurement of polymer melts. We use synthetic data generated from the simulations to train a deep learning model, which then identifies rheological parameters of polymer melts from pressure drop and flow rate measurements in a microfluidic circuit, enabling online estimation of fluid properties. By improving the accuracy and flexibility of microfluidic rheological estimation, our methodology accelerates the design and testing of microfluidic devices, reducing reliance on physical prototypes, and offering significant contributions to the field.
• Abstract（参考訳）: マイクロ流体デバイスは、流体のレオロジー推定に費用対効果があるため、生物実験や化学実験での利用が増えている。 しかし、これらのデバイスは精度、サイズ、コストの点でしばしば課題に直面している。 本研究では, 高分子融液の粘度測定に革新的な手法を開発するために, 深層学習, モデリング, シミュレーションを統合し, マイクロ流体系の設計を強化する手法を提案する。 シミュレーションから生成された合成データを用いて深層学習モデルを訓練し, マイクロ流体回路の圧力降下および流量測定から高分子融体のレオロジーパラメータを同定し, 流体特性のオンライン推定を可能にする。 マイクロ流体のレオロジー推定の精度と柔軟性を向上させることにより, マイクロ流体デバイスの設計と試験を加速し, 物理的プロトタイプへの依存を低減し, この分野に多大な貢献をする。

関連論文リスト

• Data-Efficient Inference of Neural Fluid Fields via SciML Foundation Model [49.06911227670408]
  本研究では,SciML基礎モデルにより,現実の3次元流体力学を推定する際のデータ効率を大幅に向上できることを示す。 基礎モデルから抽出した拡張ビューと流体特徴を利用した新しい協調学習手法をニューラルネットワークに装備する。
  論文  参考訳（メタデータ） (2024-12-18T14:39:43Z)
• Autonomous Droplet Microfluidic Design Framework with Large Language Models [0.6827423171182153]
  本研究では,処理および特徴抽出のためのフレームワークであるMicroFluidic-LLMsを提案する。 コンテンツが言語形式に変換され、事前訓練された大きな言語モデルを活用することで、処理上の課題を克服する。 当社のMicroFluidic-LLMsフレームワークは、ディープニューラルネットワークモデルに極めて効果的で簡単なものにすることができることを実証しています。
  論文  参考訳（メタデータ） (2024-11-11T03:20:53Z)
• CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
  生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。 フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
  論文  参考訳（メタデータ） (2024-10-11T08:53:58Z)
• Efficient Generation of Molecular Clusters with Dual-Scale Equivariant Flow Matching [5.909830898977327]
  トレーニングと推論を粗い粒度と全原子ステージに分離する2次元フローマッチング法を開発した。 MDシミュレーションにより得られたY6分子クラスターのデータセット上で,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-10-10T02:17:27Z)
• Micrometer: Micromechanics Transformer for Predicting Mechanical Responses of Heterogeneous Materials [4.759109475818876]
  異種材料の機械的応答を予測する人工知能フレームワークであるMicromechanics Transformer(em Micrometer)を紹介する。 マイクロメーターは、幅広いミクロ組織にわたるマイクロスケールのひずみ場を予測する際に、最先端の性能を達成することができる。 私たちの研究は、計算ソリッドメカニクスにおけるAI駆動のイノベーションへの大きな一歩を示しています。
  論文  参考訳（メタデータ） (2024-09-23T16:01:37Z)
• Morphological Detection and Classification of Microplastics and Nanoplastics Emerged from Consumer Products by Deep Learning [1.21387493410444]
  プラスチック汚染は世界的な問題となり、健康や環境システムに影響を及ぼす。 これらの汚染物質を研究する伝統的な方法は、労働集約的で時間を要する。 本稿では,マイクロ・ナノプラスチックの自動検出と分類を目的とした,新しいオープンソースデータセットであるMiNaとマイクロ・ナノプラスチックについて紹介する。
  論文  参考訳（メタデータ） (2024-09-20T17:56:25Z)
• A micromechanics-based recurrent neural networks model for path-dependent cyclic deformation of short fiber composites [0.0]
  本研究では, 短繊維強化複合材料の経路依存性弾塑性応力応答を予測するために, 繰り返し深部ニューラルネットワークモデルを訓練する。 このモデルは、独立したマイクロメカニカルシミュレーションと比較した場合、計算的に非常に正確な予測を与える。
  論文  参考訳（メタデータ） (2022-09-27T12:14:15Z)
• Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
  分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。 近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。 本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-17T13:08:28Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。