論文の概要: Automating Physics-Based Reasoning for SysML Model Validation
- arxiv url: http://arxiv.org/abs/2501.18514v1
- Date: Thu, 30 Jan 2025 17:24:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-31 15:15:08.701248
- Title: Automating Physics-Based Reasoning for SysML Model Validation
- Title(参考訳): SysMLモデル検証のための物理に基づく推論の自動化
- Authors: Candice Chambers, Summer Mueller, Parth Ganeriwala, Chiradeep Sen, Siddhartha Bhattacharyya,
- Abstract要約: 現在のメソッドは、情報フローとコンポーネントの相互作用のチェック、一貫性の確保、システムモデリング言語(SysML)モデル内の依存関係の特定に優れています。
本稿では,形式言語やグラフィカル表現,推論アルゴリズムなど,関数表現に関する既存の研究を活用し,それらを物理ベースの検証手法に統合するアプローチを提案する。
SysMLでモデル化されたシステム上で、物理に基づく推論を行う際のモデルの実用性と有効性を説明するために、4つのケーススタディが検査された。
- 参考スコア(独自算出の注目度): 2.8994675888853516
- License:
- Abstract: System and software design benefits greatly from formal modeling, allowing for automated analysis and verification early in the design phase. Current methods excel at checking information flow and component interactions, ensuring consistency, and identifying dependencies within Systems Modeling Language (SysML) models. However, these approaches often lack the capability to perform physics-based reasoning about a system's behavior represented in SysML models, particularly in the electromechanical domain. This significant gap critically hinders the ability to automatically and effectively verify the correctness and consistency of the model's behavior against well-established underlying physical principles. Therefore, this paper presents an approach that leverages existing research on function representation, including formal languages, graphical representations, and reasoning algorithms, and integrates them with physics-based verification techniques. Four case studies (coffeemaker, vacuum cleaner, hairdryer, and wired speaker) are inspected to illustrate the model's practicality and effectiveness in performing physics-based reasoning on systems modeled in SysML. This automated physics-based reasoning is broken into two main categories: (i) structural, which is performed on BDD and IBD, and (ii) functional, which is then performed on activity diagrams. This work advances the field of automated reasoning by providing a framework for verifying structural and functional correctness and consistency with physical laws within SysML models.
- Abstract(参考訳): システムとソフトウェアの設計は形式的なモデリングから大きな恩恵を受け、設計フェーズの早い段階で自動分析と検証が可能になる。
現在のメソッドは、情報フローとコンポーネントの相互作用のチェック、一貫性の確保、システムモデリング言語(SysML)モデル内の依存関係の特定に優れています。
しかしながら、これらのアプローチは、SysMLモデル、特に電気力学領域で代表されるシステムの振る舞いに関する物理に基づく推論を行う能力に欠けることが多い。
この大きなギャップは、確立された基礎となる物理原理に対して、モデルの振舞いの正確さと一貫性を自動的かつ効果的に検証する能力を妨げる。
そこで本研究では,形式言語やグラフィカル表現,推論アルゴリズムなど,関数表現に関する既存の研究を活用し,それらを物理ベースの検証手法に統合するアプローチを提案する。
4つのケーススタディ(コーヒーメーカー、掃除機、ヘアドライヤー、ワイヤードスピーカー)を検査し、SysMLでモデル化されたシステム上で物理に基づく推論を行う際のモデルの実用性と有効性を説明する。
この物理に基づく自動推論は、主に2つのカテゴリに分けられる。
一 BDD及びIBDで行う構造、及び
(ii) 関数は、次にアクティビティーダイアグラムで実行される。
この研究は、SysMLモデル内の物理法則と構造的および機能的正しさと整合性を検証するためのフレームワークを提供することにより、自動推論の分野を前進させる。
関連論文リスト
- No Equations Needed: Learning System Dynamics Without Relying on Closed-Form ODEs [56.78271181959529]
本稿では,従来の2段階モデリングプロセスから離れることで,低次元力学系をモデル化する概念シフトを提案する。
最初に閉形式方程式を発見して解析する代わりに、我々のアプローチ、直接意味モデリングは力学系の意味表現を予測する。
私たちのアプローチは、モデリングパイプラインを単純化するだけでなく、結果のモデルの透明性と柔軟性も向上します。
論文 参考訳(メタデータ) (2025-01-30T18:36:48Z) - MAPS: Advancing Multi-Modal Reasoning in Expert-Level Physical Science [62.96434290874878]
現在のMLLM(Multi-Modal Large Language Models)は、一般的な視覚的推論タスクにおいて強力な機能を示している。
我々は,MLLMに基づく物理知覚とシミュレーションによるマルチモーダル科学推論(MAPS)という新しいフレームワークを開発した。
MAPSは、専門家レベルのマルチモーダル推論タスクを物理的知覚モデル(PPM)を介して物理図理解に分解し、シミュレータを介して物理的知識で推論する。
論文 参考訳(メタデータ) (2025-01-18T13:54:00Z) - Orthogonal projection-based regularization for efficient model augmentation [2.6071013155805556]
ディープラーニングに基づく非線形システム同定は、実際に信頼性が高く高精度なモデルを作成する能力を示している。
ブラックボックスモデルは物理的解釈可能性に欠けており、しばしば学習のかなりの部分は、既に予想されていた、既知の振る舞いを捉えるのに費やされている。
潜在的な解決策は、物理に基づくモデリングと深層学習の識別の強みを組み合わせて、事前の物理知識を直接モデル構造に統合することである。
論文 参考訳(メタデータ) (2025-01-10T10:33:13Z) - OSM: Leveraging Model Checking for Observing Dynamic 1 behaviors in
Aspect-Oriented Applications [0.0]
観測ベース統計モデルチェック(OSM)フレームワークは、基本的なシステムコードから直接実行可能な形式モデルを構築するために開発された。
これにより、プリコンディションシフト中の電子健康記録システムの未収量性能が保証される。
論文 参考訳(メタデータ) (2024-03-03T00:03:34Z) - Fine-Tuning Enhances Existing Mechanisms: A Case Study on Entity
Tracking [53.66999416757543]
本研究では,微調整が言語モデルに実装された内部メカニズムに与える影響について検討する。
微調整はモデルの機械的操作を変えるのではなく、強化する。
論文 参考訳(メタデータ) (2024-02-22T18:59:24Z) - Representing Timed Automata and Timing Anomalies of Cyber-Physical
Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。
モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文 参考訳(メタデータ) (2023-08-25T15:25:57Z) - Physics-Informed Machine Learning for Modeling and Control of Dynamical
Systems [0.0]
物理インフォームド機械学習(英: Physics-informed machine learning、PIML)は、機械学習(ML)アルゴリズムを物理的制約と体系的に統合する手法とツールのセットである。
PIMLの基本前提は、MLと物理の統合により、より効率的で、物理的に一貫性があり、データ効率のよいモデルが得られることである。
本稿では,動的システムモデリングと制御のためのPIMLの最近の進歩について,チュートリアルのような概要を提供する。
論文 参考訳(メタデータ) (2023-06-24T05:24:48Z) - Physics-Guided Adversarial Machine Learning for Aircraft Systems
Simulation [9.978961706999833]
この研究は、物理誘導型逆機械学習(ML)という新しいアプローチを示し、モデルの物理一貫性に対する信頼性を向上させる。
2つの航空機システムの性能モデルに対する実証的な評価は、我々の敵MLアプローチの有効性を示している。
論文 参考訳(メタデータ) (2022-09-07T19:23:45Z) - Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。
トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文 参考訳(メタデータ) (2021-12-15T20:09:20Z) - Which priors matter? Benchmarking models for learning latent dynamics [70.88999063639146]
古典力学の先行概念を機械学習モデルに統合する手法が提案されている。
これらのモデルの現在の機能について、精査する。
連続的および時間的可逆的ダイナミクスの使用は、すべてのクラスのモデルに恩恵をもたらす。
論文 参考訳(メタデータ) (2021-11-09T23:48:21Z) - Modeling System Dynamics with Physics-Informed Neural Networks Based on
Lagrangian Mechanics [3.214927790437842]
第一原則の手法は高いバイアスに悩まされるが、データ駆動モデリングは高いばらつきを持つ傾向がある。
本稿では,2つのモデリング手法を組み合わせて上記の問題を解くハイブリッドモデルであるPINODEについて述べる。
本研究の目的は,機械系のモデルベース制御とシステム同定である。
論文 参考訳(メタデータ) (2020-05-29T15:10:43Z)
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。