論文の概要: Mechanical in-sensor computing: a programmable meta-sensor for structural damage classification without external electronic power

• arxiv url: http://arxiv.org/abs/2505.18579v1
• Date: Sat, 24 May 2025 08:08:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.517864
• Title: Mechanical in-sensor computing: a programmable meta-sensor for structural damage classification without external electronic power
• Title（参考訳）: メカニカル・イン・センサ・コンピューティング:外部電力を使わずに構造的損傷分類を行うプログラム可能なメタ・センサ
• Authors: Tingpeng Zhang, Xuzhang Peng, Mingyuan Zhou, Guobiao Hu, Zhilu Lai,
• Abstract要約: 構造振動情報を物理的に処理するためのプログラム可能なメタマテリアルベースセンサ(MMセンサ)を提案する。 我々はLRMPのバンドギャップ特性を利用して、損傷前後の構造物の動的挙動を物理的に区別する。 これは、9.54Hzから81.86Hzまでの最初の自然周波数を持つエンジニアリングシステムに有効である。
• 参考スコア（独自算出の注目度）: 41.70275766820096
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Structural health monitoring (SHM) involves sensor deployment, data acquisition, and data interpretation, commonly implemented via a tedious wired system. The information processing in current practice majorly depends on electronic computers, albeit with universal applications, delivering challenges such as high energy consumption and low throughput due to the nature of digital units. In recent years, there has been a renaissance interest in shifting computations from electronic computing units to the use of real physical systems, a concept known as physical computation. This approach provides the possibility of thinking out of the box for SHM, seamlessly integrating sensing and computing into a pure-physical entity, without relying on external electronic power supplies, thereby properly coping with resource-restricted scenarios. The latest advances of metamaterials (MM) hold great promise for this proactive idea. In this paper, we introduce a programmable metamaterial-based sensor (termed as MM-sensor) for physically processing structural vibration information to perform specific SHM tasks, such as structural damage warning (binary classification) in this initiation, without the need for further information processing or resource-consuming, that is, the data collection and analysis are completed in-situ at the sensor level. We adopt the configuration of a locally resonant metamaterial plate (LRMP) to achieve the first fabrication of the MM-sensor. We take advantage of the bandgap properties of LRMP to physically differentiate the dynamic behavior of structures before and after damage. By inversely designing the geometric parameters, our current approach allows for adjustments to the bandgap features. This is effective for engineering systems with a first natural frequency ranging from 9.54 Hz to 81.86 Hz.
• Abstract（参考訳）: 構造的健康モニタリング(SHM)は、センサの配置、データ取得、データ解釈を含む。 現在の情報処理は、電子コンピュータに大きく依存しているが、デジタルユニットの性質から、高エネルギー消費や低スループットといった課題を生んでいる。 近年では、計算を電子計算ユニットから実際の物理システムへ移行することに対するルネッサンスな関心が高まっており、これは物理計算と呼ばれる概念である。 このアプローチは、外部の電力供給に頼ることなく、センサとコンピューティングをシームレスに統合し、リソース制限されたシナリオに適切に対処する、SHMのボックスから考えることを可能にする。 メタマテリアル(MM)の最近の進歩は、このプロアクティブなアイデアを大いに約束している。 本稿では,この開始時に構造的損傷警告(バイナリ分類)などの特定のSHMタスクを行うための構造的振動情報を物理的に処理するプログラム可能なメタマテリアルベースセンサ(MM-Sensor)について,さらに情報処理や資源消費を必要とせず,センサレベルでデータ収集と解析を完了させる。 MMセンサの最初の製造を実現するために, 局所共振形メタマテリアルプレート(LRMP)の構成を採用する。 我々はLRMPのバンドギャップ特性を利用して、損傷前後の構造物の動的挙動を物理的に区別する。 幾何パラメータを逆設計することで,バンドギャップ特性の調整が可能となる。 これは、9.54Hzから81.86Hzまでの最初の自然周波数を持つエンジニアリングシステムに有効である。

関連論文リスト

• Event-Driven Implementation of a Physical Reservoir Computing Framework for superficial EMG-based Gesture Recognition [2.222098162797332]
  本稿では,表面筋電図(SEMG)データをイベント駆動方式で抽出することで,ジェスチャー認識のための新しいニューロモーフィックな実装手法を提案する。 このネットワークは、スパイキングニューラルネットワーク(SNN)の領域内で、回転ニューロン貯水池(Rotating Neuron Reservoir, RNR)と呼ばれる単純な構造化およびハードウェアフレンドリな物理貯留層コンピューティングフレームワークを実装して設計された。 提案システムはオープンアクセス型大規模sEMGデータベースで検証され,平均分類精度は74.6%,80.3%であった。
  論文  参考訳（メタデータ） (2025-03-10T17:18:14Z)
• Physics-Enhanced Graph Neural Networks For Soft Sensing in Industrial Internet of Things [6.374763930914524]
  産業用IoT(Industrial Internet of Things)は、製造業、産業プロセス、インフラ管理を変革している。 高度に信頼性の高いIIoTを実現するには、大量のセンサーをインストールするコスト、既存のシステムにセンサーを組み直す際の制限、センサーの設置を非現実的にする厳しい環境条件などの要因が伴う。 物理の原理をグラフベースの方法論に統合する物理強化グラフニューラルネットワーク(GNN)を提案する。
  論文  参考訳（メタデータ） (2024-04-11T18:03:59Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Pruning random resistive memory for optimizing analogue AI [54.21621702814583]
  AIモデルは、エネルギー消費と環境持続可能性に前例のない課題を提示する。 有望な解決策の1つは、アナログコンピューティングを再考することである。 ここでは、構造的塑性に着想を得たエッジプルーニングを用いたユニバーサルソリューション、ソフトウェア・ハードウエアの共設計について報告する。
  論文  参考訳（メタデータ） (2023-11-13T08:59:01Z)
• A reconfigurable neural network ASIC for detector front-end data compression at the HL-LHC [0.40690419770123604]
  ニューラルネットワークのオートエンコーダモデルを放射線耐性ASICに実装して、損失のあるデータ圧縮を行うことができる。 これは、粒子物理学アプリケーション用に設計されたニューラルネットワークの耐放射線性オンディテクタASIC実装である。
  論文  参考訳（メタデータ） (2021-05-04T18:06:23Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)
• Physical reservoir computing -- An introductory perspective [0.0]
  物理貯水池計算は、物理系の複雑な力学を情報処理装置として利用することができる。 本稿では,ソフトロボティクスの例を用いて,フレームワークの可能性を説明する。
  論文  参考訳（メタデータ） (2020-05-03T05:39:06Z)

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。