論文の概要: Full Domain Analysis in Fluid Dynamics

• arxiv url: http://arxiv.org/abs/2505.22275v1
• Date: Wed, 28 May 2025 12:06:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.587886
• Title: Full Domain Analysis in Fluid Dynamics
• Title（参考訳）: 流体力学における全領域解析
• Authors: Alexander Hagg, Adam Gaier, Dominik Wilde, Alexander Asteroth, Holger Foysi, Dirk Reith,
• Abstract要約: 進化的最適化、シミュレーション、機械学習の新たな技術は、流体力学のような領域を幅広く分析することを可能にする。 完全なドメイン分析は、計算物理学などにおける複雑なシステムを理解するのに有用なツールである。
• 参考スコア（独自算出の注目度）: 72.87551583129077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Novel techniques in evolutionary optimization, simulation and machine learning allow for a broad analysis of domains like fluid dynamics, in which computation is expensive and flow behavior is complex. Under the term of full domain analysis we understand the ability to efficiently determine the full space of solutions in a problem domain, and analyze the behavior of those solutions in an accessible and interactive manner. The goal of full domain analysis is to deepen our understanding of domains by generating many examples of flow, their diversification, optimization and analysis. We define a formal model for full domain analysis, its current state of the art, and requirements of subcomponents. Finally, an example is given to show what we can learn by using full domain analysis. Full domain analysis, rooted in optimization and machine learning, can be a helpful tool in understanding complex systems in computational physics and beyond.
• Abstract（参考訳）: 進化最適化、シミュレーション、機械学習の新たな手法は、計算が高価でフローの挙動が複雑である流体力学のような領域を広範囲に解析することを可能にする。 完全なドメイン分析という用語の下では、問題領域におけるソリューションの全空間を効率的に決定し、それらのソリューションの振る舞いをアクセス可能でインタラクティブな方法で分析する能力を理解します。 完全なドメイン分析の目標は、フロー、その多様化、最適化、分析の多くの例を生成することによって、ドメインの理解を深めることである。 完全なドメイン分析のための形式モデル、その最先端技術、サブコンポーネントの要件を定義します。 最後に、完全なドメイン分析を使って何が学べるかを示す例を挙げる。 最適化と機械学習に根ざした完全なドメイン分析は、計算物理学などにおける複雑なシステムを理解する上で有用なツールである。

関連論文リスト

• ParetoLens: A Visual Analytics Framework for Exploring Solution Sets of Multi-objective Evolutionary Algorithms [42.23658218722045]
  本稿では,進化的アルゴリズムから導出した解集合の検査と探索を強化するための視覚分析フレームワークを提案する。 ParetoLensは、インタラクティブな視覚表現のスイートを通じて、決定空間と目的空間の両方における解分布の詳細な検査を可能にする。
  論文  参考訳（メタデータ） (2025-01-06T09:04:14Z)
• ParetoTracker: Understanding Population Dynamics in Multi-objective Evolutionary Algorithms through Visual Analytics [16.65441551504126]
  本稿では,人口動態の理解と検査を支援するための視覚分析フレームワークを提案する。 このフレームワークは、パフォーマンスメトリクスの全体的なトレンドの調査から、進化的操作のきめ細かい検査に至るまで、ユーザエンゲージメントと探索に役立っている。 このフレームワークの有効性は、広く採用されているベンチマーク最適化問題に焦点をあてたケーススタディと専門家インタビューを通じて実証される。
  論文  参考訳（メタデータ） (2024-08-08T15:46:11Z)
• 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)
• Smoothed Online Learning for Prediction in Piecewise Affine Systems [43.64498536409903]
  本稿では,最近開発されたスムーズなオンライン学習フレームワークに基づく。 これは、断片的なアフィン系における予測とシミュレーションのための最初のアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-01-26T15:54:14Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• A Domain-Theoretic Framework for Robustness Analysis of Neural Networks [2.425920001184443]
  本稿では,ニューラルネットワークのロバスト性評価のためのドメイン理論フレームワークを提案する。 フィードフォワード回帰器のリプシッツ定数推定のための検証アルゴリズムを開発した。 我々のドメインモデルでは、微分可能ネットワークと非微分可能ネットワークを均一に分析することができる。
  論文  参考訳（メタデータ） (2022-03-01T09:01:01Z)
• A Machine-Learning-Aided Visual Analysis Workflow for Investigating Air Pollution Data [18.972547412113567]
  大気汚染データの分析は、特徴(何)、空間(どこに)、時間(いつ)といった様々な側面からの分析に焦点を当てているため、困難である。 我々は、フレキシブルな分析ワークフローをサポートするビジュアル分析システムを開発し、ドメインの専門家が分析ニーズに基づいて様々な側面を自由に探索できるようにする。
  論文  参考訳（メタデータ） (2022-02-11T02:24:21Z)
• Designing Air Flow with Surrogate-assisted Phenotypic Niching [117.44028458220427]
  品質多様性アルゴリズムであるサロゲート支援表現型ニッチを導入する。 計算に高価な表現型特徴を用いることで、大規模で多様な行動群を発見することができる。 本研究では,2次元流体力学最適化問題における気流の種類を明らかにする。
  論文  参考訳（メタデータ） (2021-05-10T10:45:28Z)
• Model-Based Domain Generalization [96.84818110323518]
  本稿では,モデルベースドメイン一般化問題に対する新しいアプローチを提案する。 我々のアルゴリズムは、最新のwildsベンチマークの最先端手法を最大20ポイント上回った。
  論文  参考訳（メタデータ） (2021-02-23T00:59:02Z)

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。