論文の概要: Empirical modeling and hybrid machine learning framework for nucleate pool boiling on microchannel structured surfaces

• arxiv url: http://arxiv.org/abs/2501.16867v1
• Date: Tue, 28 Jan 2025 11:36:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-29 16:40:19.917499
• Title: Empirical modeling and hybrid machine learning framework for nucleate pool boiling on microchannel structured surfaces
• Title（参考訳）: マイクロチャネル構造表面における核プール沸騰実験モデルとハイブリッド機械学習フレームワーク
• Authors: Vijay Kuberan, Sateesh Gedupudi,
• Abstract要約: マイクロチャネル構造表面における核沸騰に関する新しい経験的相関式が提案されている。 本研究では,マイクロチャネル構造面データセット上での機械学習(ML)アルゴリズムとディープニューラルネットワーク(DNN)についても検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Micro-structured surfaces influence nucleation characteristics and bubble dynamics besides increasing the heat transfer surface area, thus enabling efficient nucleate boiling heat transfer. Modeling the pool boiling heat transfer characteristics of these surfaces under varied conditions is essential in diverse applications. A new empirical correlation for nucleate boiling on microchannel structured surfaces has been proposed with the data collected from various experiments in previous studies since the existing correlations are limited by their accuracy and narrow operating ranges. This study also examines various Machine Learning (ML) algorithms and Deep Neural Networks (DNN) on the microchannel structured surfaces dataset to predict the nucleate pool boiling Heat Transfer Coefficient (HTC). With the aim to integrate both the ML and domain knowledge, a Physics-Informed Machine Learning Aided Framework (PIMLAF) is proposed. The proposed correlation in this study is employed as the prior physics-based model for PIMLAF, and a DNN is employed to model the residuals of the prior model. This hybrid framework achieved the best performance in comparison to the other ML models and DNNs. This framework is able to generalize well for different datasets because the proposed correlation provides the baseline knowledge of the boiling behavior. Also, SHAP interpretation analysis identifies the critical parameters impacting the model predictions and their effect on HTC prediction. This analysis further makes the model more robust and reliable. Keywords: Pool boiling, Microchannels, Heat transfer coefficient, Correlation analysis, Machine learning, Deep neural network, Physics-informed machine learning aided framework, SHAP analysis
• Abstract（参考訳）: マイクロ構造表面は, 熱伝達面面積の増加に加えて, 核生成特性や気泡ダイナミクスに影響を及ぼし, 効率の良い核沸騰熱伝達を可能にした。 様々な条件下でのプール沸騰熱伝達特性のモデル化は多様な用途において不可欠である。 マイクロチャネル構造表面上での核沸騰に関する新しい実験的相関は,既存の相関は精度と操作範囲の狭さによって制限されているため,過去の研究で収集された様々な実験により提案されている。 本研究では,マイクロチャネル構造面データセット上での機械学習(ML)アルゴリズムとディープニューラルネットワーク(DNN)を用いて,核プール沸騰熱伝達係数(HTC)を予測する。 MLとドメイン知識の統合を目的として,Physical-Informed Machine Learning Aided Framework(PIMLAF)を提案する。 本研究では, PIMLAFの物理モデルとして, DNNを用いて先行モデルの残差をモデル化した。 このハイブリッドフレームワークは、他のMLモデルやDNNと比較して最高のパフォーマンスを達成した。 このフレームワークは、ボイリング動作のベースライン知識を提供するため、異なるデータセットに対してうまく一般化することができる。 また、SHAP解釈解析により、モデル予測に影響を及ぼす臨界パラメータとHTC予測への影響を同定する。 この分析により、モデルはより堅牢で信頼性が高い。 キーワード:プール沸騰、マイクロチャネル、伝熱係数、相関解析、機械学習、ディープニューラルネットワーク、物理インフォームド機械学習支援フレームワーク、SHAP分析

関連論文リスト

• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
  本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。 我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。 カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
  論文  参考訳（メタデータ） (2024-02-19T02:08:09Z)
• Supervised Machine Learning and Physics based Machine Learning approach for prediction of peak temperature distribution in Additive Friction Stir Deposition of Aluminium Alloy [0.0]
  プロセスパラメータ, サーマルプロファイル, AFSD の相関関係はよく分かっていない。 この研究は、教師付き機械学習(ニューラルネットワーク)と物理情報ネットワーク(PINN)を組み合わせて、プロセスパラメータからAFSDのピーク温度分布を予測する。
  論文  参考訳（メタデータ） (2023-09-13T09:39:42Z)
• A machine learning approach to the prediction of heat-transfer coefficients in micro-channels [4.724825031148412]
  2相熱伝達係数(HTC)の正確な予測は、コンパクト熱交換器の最適設計と運転の鍵となる。 マルチ出力ガウスプロセス回帰 (GPR) を用いて, マイクロチャネル内のHTCを, 質量流量, 熱流束, システム圧力, チャネル径, 長さの関数として推定する。
  論文  参考訳（メタデータ） (2023-05-28T15:48:01Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)
• Estimating permeability of 3D micro-CT images by physics-informed CNNs based on DNS [1.6274397329511197]
  本稿では,地質岩のマイクロCTによる透水率予測手法を提案する。 透過性予測専用のCNNのためのトレーニングデータセットは、古典格子ボルツマン法(LBM)によって通常生成される透過性ラベルからなる。 その代わりに、定常ストークス方程式を効率的かつ分散並列に解き、直接数値シミュレーション(DNS)を行う。
  論文  参考訳（メタデータ） (2021-09-04T08:43:19Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)
• Stochastic analysis of heterogeneous porous material with modified neural architecture search (NAS) based physics-informed neural networks using transfer learning [0.0]
  修正ニューラルアーキテクチャ探索法(NAS)に基づく物理インフォームド深層学習モデルを提案する。 高度不均質帯水層における地下水流動シミュレーションのベンチマークを行うため, 三次元流れモデルを構築した。
  論文  参考訳（メタデータ） (2020-10-03T19:57:54Z)
• Learning the Ising Model with Generative Neural Networks [0.0]
  ボルツマンマシン(RBM)と変分オートエンコーダ(VAE)の表現特性について検討する。 その結果, RBM と畳み込み VAE は, 磁化, エネルギー, スピンスピン相関の温度依存性を捉えることが可能であることが示唆された。 また, VAEの畳み込み層はスピン相関をモデル化するのに重要であるのに対し, RBMは畳み込みフィルタを使わずに類似あるいはさらに優れた性能を実現する。
  論文  参考訳（メタデータ） (2020-01-15T15:04:21Z)

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。