論文の概要: Picard-KKT-hPINN: Enforcing Nonlinear Enthalpy Balances for Physically Consistent Neural Networks

• arxiv url: http://arxiv.org/abs/2501.17782v1
• Date: Wed, 29 Jan 2025 17:15:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:53:35.501003
• Title: Picard-KKT-hPINN: Enforcing Nonlinear Enthalpy Balances for Physically Consistent Neural Networks
• Title（参考訳）: Picard-KKT-hPINN: 物理的に一貫性のあるニューラルネットワークに対する非線形エンタルピーバランスの強化
• Authors: Giacomo Lastrucci, Tanuj Karia, Zoë Gromotka, Artur M. Schweidtmann,
• Abstract要約: エンタルピーバランスのような自然界の非線形な物理法則を満たすためにNNを強制する手法を提案する。 提案手法はPicardの逐次近似法に着想を得て,乗法的に分離可能な制約を強制することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Neural networks are widely used as surrogate models but they do not guarantee physically consistent predictions thereby preventing adoption in various applications. We propose a method that can enforce NNs to satisfy physical laws that are nonlinear in nature such as enthalpy balances. Our approach, inspired by Picard successive approximations method, aims to enforce multiplicatively separable constraints by sequentially freezing and projecting a set of the participating variables. We demonstrate our PicardKKThPINN for surrogate modeling of a catalytic packed bed reactor for methanol synthesis. Our results show that the method efficiently enforces nonlinear enthalpy and linear atomic balances at machine-level precision. Additionally, we show that enforcing conservation laws can improve accuracy in data-scarce conditions compared to vanilla multilayer perceptron.
• Abstract（参考訳）: ニューラルネットワークはサロゲートモデルとして広く使用されているが、物理的に一貫した予測を保証せず、様々なアプリケーションに採用されることを防いでいる。 エンタルピーバランスのような自然界の非線形な物理法則を満たすためにNNを強制する手法を提案する。 提案手法はPicard逐次近似法に着想を得て,変数の集合を連続的に凍結・投影することにより,乗法的に分離可能な制約を強制することを目的としている。 メタノール合成のための触媒充填層反応器のサロゲートモデリングのためのPicardKKThPINNを実証した。 本手法は, 機械レベルでの非線形エンタルピーと線形原子収支を効率よく実施することを示す。 さらに,バニラ多層パーセプトロンと比較して,保存法則の施行によりデータスカース条件の精度が向上することを示した。

関連論文リスト

• A TVD neural network closure and application to turbulent combustion [1.374949083138427]
  トレーニングニューラルネットワーク(NN)は、支配方程式を閉じるための魅力的な特徴を持っている。 NNの定式化は、溶液の有界性や陽性性に反する刺激発振を防止するために導入される。 離散化方程式に機械学習のクロージャとして組み込まれ、厳格に制約されている。
  論文  参考訳（メタデータ） (2024-08-06T19:22:13Z)
• Matrix Completion via Nonsmooth Regularization of Fully Connected Neural Networks [7.349727826230864]
  ディープニューラルネットワークのような非線形推定器を使うことで、性能の向上が達成できることが示されている。 本稿では,標準中間表現の観点から,FCNNモデルの正規化によるオーバーフィット制御を行う。 本シミュレーションは,既存の線形および非線形アルゴリズムと比較して,提案アルゴリズムの優位性を示す。
  論文  参考訳（メタデータ） (2024-03-15T12:00:37Z)
• Doubly Stochastic Graph-based Non-autoregressive Reaction Prediction [59.41636061300571]
  電子再分配予測を得るために2つの二重自己アテンションマッピングを組み合わせた新しいフレームワークを提案する。 提案手法は,非自己回帰モデルの予測性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2023-06-05T14:15:39Z)
• Learning Neural Constitutive Laws From Motion Observations for Generalizable PDE Dynamics [97.38308257547186]
  多くのNNアプローチは、支配的PDEと物質モデルの両方を暗黙的にモデル化するエンドツーエンドモデルを学ぶ。 PDEの管理はよく知られており、学習よりも明示的に実施されるべきである、と私たちは主張する。 そこで我々は,ネットワークアーキテクチャを利用したニューラル構成則(Neural Constitutive Laws,NCLaw)と呼ばれる新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-04-27T17:42:24Z)
• Lipschitz Continuity Retained Binary Neural Network [52.17734681659175]
  我々は,BNNのモデルロバスト性を定義するための厳密な基準として,リプシッツ連続性を導入する。 次に、モデルロバスト性を改善するための正規化項としてリプシッツ連続性を維持することを提案する。 実験により,我々のBNN固有の正規化手法は,BNNの堅牢性を効果的に強化できることが証明された。
  論文  参考訳（メタデータ） (2022-07-13T22:55:04Z)
• Optimization-Induced Graph Implicit Nonlinear Diffusion [64.39772634635273]
  我々はGIND(Graph Implicit Diffusion)と呼ばれる新しいグラフ畳み込み変種を提案する。 GINDは暗黙的に隣人の無限のホップにアクセスでき、非線型拡散を伴う特徴を適応的に集約することで過度な平滑化を防いでいる。 学習された表現は、明示的な凸最適化目標の最小化として定式化できることを示す。
  論文  参考訳（メタデータ） (2022-06-29T06:26:42Z)
• Designing Kerr Interactions for Quantum Information Processing via Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
  静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。 非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。 その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
  論文  参考訳（メタデータ） (2021-07-14T15:11:05Z)
• Robust Implicit Networks via Non-Euclidean Contractions [63.91638306025768]
  暗黙のニューラルネットワークは、精度の向上とメモリ消費の大幅な削減を示す。 彼らは不利な姿勢と収束の不安定さに悩まされる。 本論文は,ニューラルネットワークを高機能かつ頑健に設計するための新しい枠組みを提供する。
  論文  参考訳（メタデータ） (2021-06-06T18:05:02Z)
• Generalized Discrete Truncated Wigner Approximation for Nonadiabtic Quantum-Classical Dynamics [0.0]
  線形化半古典法, 一般化離散トランケートウィグナー近似(GDTWA)を導入する。 GDTWAは離散位相空間における電子自由度をサンプリングし、電子状態の集団の非物理的成長を禁ずる。 本手法は, 化学および関連分野における非断熱力学問題の解決に極めて適している可能性が示唆された。
  論文  参考訳（メタデータ） (2021-04-14T21:53:35Z)

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。