論文の概要: GenAI for Simulation Model in Model-Based Systems Engineering

• arxiv url: http://arxiv.org/abs/2503.06422v1
• Date: Sun, 09 Mar 2025 03:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:52:55.003072
• Title: GenAI for Simulation Model in Model-Based Systems Engineering
• Title（参考訳）: モデルベースシステム工学におけるシミュレーションモデルのためのGenAI
• Authors: Lin Zhang, Yuteng Zhang, Dusit Niyato, Lei Ren, Pengfei Gu, Zhen Chen, Yuanjun Laili, Wentong Cai, Agostino Bruzzone,
• Abstract要約: 本稿では,モデルベースシステム工学のための生成システム設計方法論フレームワークを紹介する。 我々は,システム物理特性のシミュレーションモデルを構築するために,推論手法,生成モデル,統合モデリングおよびシミュレーション言語を用いる。 我々は、既存のシミュレーションモデルライブラリと生成モデルによって生成された追加データセットに基づいて、シミュレーションモデル生成に使用される言語モデルを微調整する。
• 参考スコア（独自算出の注目度）: 43.85137138797568
• License:
• Abstract: Generative AI (GenAI) has demonstrated remarkable capabilities in code generation, and its integration into complex product modeling and simulation code generation can significantly enhance the efficiency of the system design phase in Model-Based Systems Engineering (MBSE). In this study, we introduce a generative system design methodology framework for MBSE, offering a practical approach for the intelligent generation of simulation models for system physical properties. First, we employ inference techniques, generative models, and integrated modeling and simulation languages to construct simulation models for system physical properties based on product design documents. Subsequently, we fine-tune the language model used for simulation model generation on an existing library of simulation models and additional datasets generated through generative modeling. Finally, we introduce evaluation metrics for the generated simulation models for system physical properties. Our proposed approach to simulation model generation presents the innovative concept of scalable templates for simulation models. Using these templates, GenAI generates simulation models for system physical properties through code completion. The experimental results demonstrate that, for mainstream open-source Transformer-based models, the quality of the simulation model is significantly improved using the simulation model generation method proposed in this paper.
• Abstract（参考訳）: Generative AI(GenAI)は、コード生成において顕著な能力を示しており、複雑な製品モデリングとシミュレーションコード生成に統合することで、モデルベースシステムエンジニアリング(MBSE)におけるシステム設計フェーズの効率を大幅に向上させることができる。 本研究では,システム物理特性のシミュレーションモデルをインテリジェントに生成するための実践的アプローチとして,MBSEのための生成システム設計方法論フレームワークを提案する。 まず、製品設計文書に基づくシステム物理特性のシミュレーションモデルを構築するために、推論手法、生成モデル、統合モデリングおよびシミュレーション言語を用いる。 その後、既存のシミュレーションモデルライブラリと生成モデルにより生成された追加データセットに基づいて、シミュレーションモデル生成に使用される言語モデルを微調整する。 最後に,システム物理特性のシミュレーションモデルの評価指標について紹介する。 シミュレーションモデル生成に対する提案手法は,シミュレーションモデルのためのスケーラブルテンプレートの革新的な概念を提示する。 これらのテンプレートを使用して、GenAIはコード補完を通じてシステム物理特性のシミュレーションモデルを生成する。 実験により,主流のオープンソーストランスフォーマーモデルに対して,本論文ではシミュレーションモデル生成手法を用いてシミュレーションモデルの品質を著しく向上することを示した。

関連論文リスト

• A Benchmark Time Series Dataset for Semiconductor Fabrication Manufacturing Constructed using Component-based Discrete-Event Simulation Models [0.0]
  この研究はIntel半導体製造工場のベンチマークモデルに基づいている。 時系列データセットは離散時間軌道を用いて構築される。 データセットは、機械学習コミュニティで行動分析に利用することもできる。
  論文  参考訳（メタデータ） (2024-08-17T23:05:47Z)
• Semantic Capability Model for the Simulation of Manufacturing Processes [38.69817856379812]
  シミュレーションは製造工程の検査の機会を提供する。 異なるシミュレーションの組み合わせは、あるシミュレーションの出力が別のシミュレーションの入力パラメータとして機能し、結果として一連のシミュレーションとなるときに必要である。 シミュレーション、特定の知識を生成する能力、それぞれの品質基準を表現した情報モデルが導入された。
  論文  参考訳（メタデータ） (2024-08-15T09:28:08Z)
• MGE: A Training-Free and Efficient Model Generation and Enhancement Scheme [10.48591131837771]
  本稿では,MGE(Merning-free and Efficient Model Generation and Enhancement Scheme)を提案する。 モデル生成プロセスにおいて、モデルパラメータの分布とモデルパフォーマンスの2つの側面を考慮する。 実験の結果、生成したモデルは通常の訓練によって得られたモデルに匹敵し、場合によっては優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-27T13:12:00Z)
• Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
  本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。 まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。 我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
  論文  参考訳（メタデータ） (2022-06-22T19:33:21Z)
• Facilitating automated conversion of scientific knowledge into scientific simulation models with the Machine Assisted Generation, Calibration, and Comparison (MAGCC) Framework [0.0]
  Machine Assisted Generation, Comparison, and Computational (MAGCC)フレームワークは、繰り返し発生する重要なステップとプロセスのマシンアシストと自動化を提供する。 MAGCCは、自然言語処理または既存の数学的モデルから抽出された知識抽出のためのシステムを橋渡しする。 MAGCCフレームワークは任意の科学領域をカスタマイズでき、今後は新たに開発されたコード生成AIシステムを統合する予定だ。
  論文  参考訳（メタデータ） (2022-04-21T19:30:50Z)
• Improving Non-autoregressive Generation with Mixup Training [51.61038444990301]
  本稿では,事前学習したトランスモデルに基づく非自己回帰生成モデルを提案する。 我々はMIxソースと擬似ターゲットという,シンプルで効果的な反復訓練手法を提案する。 質問生成,要約,パラフレーズ生成を含む3つの世代ベンチマーク実験により,提案手法が新たな最先端結果を実現することを示す。
  論文  参考訳（メタデータ） (2021-10-21T13:04:21Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• Quantitatively Assessing the Benefits of Model-driven Development in Agent-based Modeling and Simulation [80.49040344355431]
  本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。 その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T23:29:04Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。