論文の概要: Towards Autonomous Experimentation: Bayesian Optimization over Problem Formulation Space for Accelerated Alloy Development

• arxiv url: http://arxiv.org/abs/2502.05735v1
• Date: Sun, 09 Feb 2025 01:05:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:33:16.467978
• Title: Towards Autonomous Experimentation: Bayesian Optimization over Problem Formulation Space for Accelerated Alloy Development
• Title（参考訳）: 自動実験に向けて:加速合金開発のための問題定式化空間上のベイズ最適化
• Authors: Danial Khatamsaz, Joseph Wagner, Brent Vela, Raymundo Arroyave, Douglas L. Allaire,
• Abstract要約: 問題定式化空間上のベイズ最適化を利用して最適な設計定式化を同定する新しい枠組みを提案する。 ガスタービンエンジンブレード応用を目的としたMo-Nb-Ti-V-W合金系におけるインサイリコケーススタディにより,本手法の有効性を実証した。 今後は、人間のフィードバックを取り入れて、実世界の実験環境におけるシステムの適応性をさらに強化していく予定だ。
• 参考スコア（独自算出の注目度）: 0.31457219084519
• License:
• Abstract: Accelerated discovery in materials science demands autonomous systems capable of dynamically formulating and solving design problems. In this work, we introduce a novel framework that leverages Bayesian optimization over a problem formulation space to identify optimal design formulations in line with decision-maker preferences. By mapping various design scenarios to a multi attribute utility function, our approach enables the system to balance conflicting objectives such as ductility, yield strength, density, and solidification range without requiring an exact problem definition at the outset. We demonstrate the efficacy of our method through an in silico case study on a Mo-Nb-Ti-V-W alloy system targeted for gas turbine engine blade applications. The framework converges on a sweet spot that satisfies critical performance thresholds, illustrating that integrating problem formulation discovery into the autonomous design loop can significantly streamline the experimental process. Future work will incorporate human feedback to further enhance the adaptability of the system in real-world experimental settings.
• Abstract（参考訳）: 材料科学における加速された発見は、設計問題を動的に定式化し解決できる自律システムを要求する。 本研究では,問題定式化空間上のベイズ最適化を利用して最適設計定式化を導出する新しい枠組みを提案する。 種々の設計シナリオを多属性ユーティリティ関数にマッピングすることにより,本手法は,当初,正確な問題定義を必要とせず,延性,降伏強度,密度,凝固範囲などの相反する目標のバランスをとることができる。 ガスタービンエンジンブレード応用を目的としたMo-Nb-Ti-V-W合金系におけるインサイリコケーススタディにより,本手法の有効性を実証した。 このフレームワークは、重要な性能閾値を満たすスイートスポットに収束し、問題定式化発見を自律設計ループに統合することで、実験プロセスを大幅に合理化できることを示した。 今後は、人間のフィードバックを取り入れて、実世界の実験環境におけるシステムの適応性をさらに強化していく予定だ。

関連論文リスト

• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• High-Dimensional Bayesian Optimisation with Large-Scale Constraints -- An Application to Aeroelastic Tailoring [1.8004890248574648]
  設計の最適化は、環境への影響の少ない軽量な航空機構造に繋がる可能性がある。 設計変数や制約の数が多いため、これらの問題は勾配に基づく最適化法を用いて通常解決される。 本研究では,高次元ベイズ最適化と次元還元手法を併用してこの問題に対処する。
  論文  参考訳（メタデータ） (2023-12-14T12:51:29Z)
• Bayesian Quality-Diversity approaches for constrained optimization problems with mixed continuous, discrete and categorical variables [0.3626013617212667]
  シミュレーション予算の制限という観点から,混合変数に基づく新しい品質多様性手法を提案する。 提案手法は、複雑なシステム設計のための意思決定者にとって貴重なトレードオフを提供する。
  論文  参考訳（メタデータ） (2023-09-11T14:29:47Z)
• Diffusion Generative Inverse Design [28.04683283070957]
  逆設計(英: inverse design)とは、目的関数の入力を最適化し、目的の結果を導出する問題を指す。 学習グラフニューラルネットワーク(GNN)の最近の進歩は、シミュレーション力学の正確で効率的で微分可能な推定に利用することができる。 本稿では, 分散拡散モデルを用いて, 逆設計問題の解法を効率的に行う方法を示し, より効率的な粒子サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-05T08:32:07Z)
• CO-BED: Information-Theoretic Contextual Optimization via Bayesian Experimental Design [31.247108087199095]
  CO-BEDは、情報理論の原理を用いて文脈実験を設計するためのモデルに依存しないフレームワークである。 その結果、CO-BEDは、幅広い文脈最適化問題に対して、汎用的で自動化されたソリューションを提供する。
  論文  参考訳（メタデータ） (2023-02-27T18:14:13Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Revisiting GANs by Best-Response Constraint: Perspective, Methodology, and Application [49.66088514485446]
  ベストレスポンス制約(Best-Response Constraint、BRC)は、ジェネレータのディスクリミネータへの依存性を明示的に定式化する一般的な学習フレームワークである。 モチベーションや定式化の相違があっても, フレキシブルBRC法により, 様々なGANが一様に改善できることが示される。
  論文  参考訳（メタデータ） (2022-05-20T12:42:41Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Learning the Solution Manifold in Optimization and Its Application in Motion Planning [4.177892889752434]
  我々は、変数のような変数上の多様体を学習し、そのようなモデルは無限の解の集合を表す。 本フレームワークでは,この重要度を用いて問題推定を行う。 本研究では,高次元パラメータの最適化を含む動き計画問題に適用する。
  論文  参考訳（メタデータ） (2020-07-24T08:05:36Z)

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。