論文の概要: Toward Knowledge-Guided AI for Inverse Design in Manufacturing: A Perspective on Domain, Physics, and Human-AI Synergy

• arxiv url: http://arxiv.org/abs/2506.00056v1
• Date: Thu, 29 May 2025 08:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.095912
• Title: Toward Knowledge-Guided AI for Inverse Design in Manufacturing: A Perspective on Domain, Physics, and Human-AI Synergy
• Title（参考訳）: 製造における逆設計のための知識誘導型AIに向けて:ドメイン、物理、ヒューマンAIのシナジーをめざして
• Authors: Hugon Lee, Hyeonbin Moon, Junhyeong Lee, Seunghwa RYu,
• Abstract要約: 我々は、ドメイン知識、物理インフォームドラーニング、直感的なヒューマンAIインターフェースを統合することで、ブラックボックスモデリングを超越する次世代の設計システムについて論じる。 実証的な例や概念的な枠組みを通じて、製造における逆設計は統一されたエコシステムへと進化すべきである、と我々は主張する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) is reshaping inverse design across manufacturing domain, enabling high-performance discovery in materials, products, and processes. However, purely data-driven approaches often struggle in realistic settings characterized by sparse data, high-dimensional design spaces, and nontrivial physical constraints. This perspective argues for a new generation of design systems that transcend black-box modeling by integrating domain knowledge, physics-informed learning, and intuitive human-AI interfaces. We first demonstrate how expert-guided sampling strategies enhance data efficiency and model generalization. Next, we discuss how physics-informed machine learning enables physically consistent modeling in data-scarce regimes. Finally, we explore how large language models emerge as interactive design agents connecting user intent with simulation tools, optimization pipelines, and collaborative workflows. Through illustrative examples and conceptual frameworks, we advocate that inverse design in manufacturing should evolve into a unified ecosystem, where domain knowledge, physical priors, and adaptive reasoning collectively enable scalable, interpretable, and accessible AI-driven design systems.
• Abstract（参考訳）: 人工知能(AI)は製造領域をまたいだ逆設計を再構築し、材料、製品、プロセスの高性能な発見を可能にしている。 しかし、純粋にデータ駆動のアプローチは、スパースデータ、高次元の設計空間、非自明な物理的制約によって特徴づけられる現実的な設定に苦しむことが多い。 この観点は、ドメイン知識、物理インフォームドラーニング、直感的なヒューマンAIインターフェースを統合することでブラックボックスモデリングを超越する、新しい世代の設計システムについて論じている。 まず,専門家が指導するサンプリング手法により,データ効率とモデルの一般化が促進されることを示す。 次に、物理インフォームド・機械学習がデータ・スカース・システマティクスにおける物理的に一貫したモデリングを実現する方法について論じる。 最後に、ユーザ意図とシミュレーションツール、最適化パイプライン、協調ワークフローを結びつける対話型設計エージェントとして、大規模言語モデルがどのように出現するかを検討する。 実証的な例と概念的フレームワークを通じて、我々は、製造における逆設計は、ドメイン知識、物理的先入観、適応推論が全体としてスケーラブルで解釈可能で、アクセス可能なAI駆動設計システムを実現する統一されたエコシステムへと進化すべきである、と提唱する。

関連論文リスト

• World Models for Cognitive Agents: Transforming Edge Intelligence in Future Networks [55.90051810762702]
  本稿では,世界モデルを概観し,そのアーキテクチャ,トレーニングパラダイム,予測,生成,計画,因果推論といった応用を概観する。 ワイヤレスエッジインテリジェンス最適化に適した,新しい世界モデルに基づく強化学習フレームワークであるWireless Dreamerを提案する。
  論文  参考訳（メタデータ） (2025-05-31T06:43:00Z)
• MAPS: Multi-Fidelity AI-Augmented Photonic Simulation and Inverse Design Infrastructure [18.220589086200025]
  逆設計はフォトニックデバイス最適化の変換手法として登場した。 我々は,多要素AIによるフォトニックシミュレーションと逆設計基盤であるMAPSを紹介する。
  論文  参考訳（メタデータ） (2025-03-02T22:30:18Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Towards Next-Generation Urban Decision Support Systems through AI-Powered Construction of Scientific Ontology using Large Language Models -- A Case in Optimizing Intermodal Freight Transportation [1.6230958216521798]
  本研究では,事前学習された大規模言語モデル(LLM)を活用する可能性について検討する。 推論コアとしてChatGPT APIを採用することで、自然言語処理、メソノロジーベースのプロンプトチューニング、トランスフォーマーを含む統合ワークフローを概説する。 我々の方法論の成果は、広く採用されているオントロジー言語(OWL、RDF、SPARQLなど)の知識グラフである。
  論文  参考訳（メタデータ） (2024-05-29T16:40:31Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Explainable AI for Engineering Design: A Unified Approach of Systems Engineering and Component- Based Deep Learning Demonstrated by Energy- Efficient Building Design [0.8265473560266577]
  機械学習(ML)による部分的コンポーネントモデル作成のためのコンポーネントベースアプローチを提案する。 このコンポーネントベースのアプローチは、ディープラーニングをシステム、エンジニアリング(SE)と整合させる アプローチは、モデル構造をシステム工学とドメイン知識の工学的手法に適応させる。
  論文  参考訳（メタデータ） (2021-08-30T07:20:58Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)

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。