論文の概要: Deep Electromagnetic Structure Design Under Limited Evaluation Budgets

• arxiv url: http://arxiv.org/abs/2506.19384v1
• Date: Tue, 24 Jun 2025 07:20:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.535781
• Title: Deep Electromagnetic Structure Design Under Limited Evaluation Budgets
• Title（参考訳）: 限られた評価予算下における深部電磁構造設計
• Authors: Shijian Zheng, Fangxiao Jin, Shuhai Zhang, Quan Xue, Mingkui Tan,
• Abstract要約: 我々はPQS(Progressive Quadtree-based Search)と呼ばれる新しい手法を提案する。 PQSは、従来のイメージライクなレイアウトをクアッドツリーベースの階層表現に変換し、グローバルパターンからローカル詳細へのプログレッシブな検索を可能にする。 実世界の2つの工学的タスク、すなわち2層周波数選択表面と高利得アンテナのPQSを評価する。
• 参考スコア（独自算出の注目度）: 29.387977637966447
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electromagnetic structure (EMS) design plays a critical role in developing advanced antennas and materials, but remains challenging due to high-dimensional design spaces and expensive evaluations. While existing methods commonly employ high-quality predictors or generators to alleviate evaluations, they are often data-intensive and struggle with real-world scale and budget constraints. To address this, we propose a novel method called Progressive Quadtree-based Search (PQS). Rather than exhaustively exploring the high-dimensional space, PQS converts the conventional image-like layout into a quadtree-based hierarchical representation, enabling a progressive search from global patterns to local details. Furthermore, to lessen reliance on highly accurate predictors, we introduce a consistency-driven sample selection mechanism. This mechanism quantifies the reliability of predictions, balancing exploitation and exploration when selecting candidate designs. We evaluate PQS on two real-world engineering tasks, i.e., Dual-layer Frequency Selective Surface and High-gain Antenna. Experimental results show that our method can achieve satisfactory designs under limited computational budgets, outperforming baseline methods. In particular, compared to generative approaches, it cuts evaluation costs by 75-85%, effectively saving 20.27-38.80 days of product designing cycle.
• Abstract（参考訳）: 電磁構造(EMS)設計は、先進的なアンテナや材料の開発において重要な役割を担っているが、高次元の設計空間と高価な評価のために依然として困難である。 既存の手法では、評価を緩和するために高品質な予測器やジェネレータを用いることが多いが、データ集約であり、現実のスケールや予算の制約に苦しむことが多い。 そこで我々は,PQS (Progressive Quadtree-based Search) と呼ばれる新しい手法を提案する。 高次元空間を徹底的に探索する代わりに、PQSは従来のイメージライクなレイアウトをクアッドツリーに基づく階層表現に変換し、グローバルパターンから局所的な詳細へのプログレッシブな探索を可能にする。 さらに、高精度な予測器への依存を減らすため、一貫性駆動型サンプル選択機構を導入する。 このメカニズムは、候補設計を選択する際に予測の信頼性を定量化し、エクスプロイトと探索のバランスをとる。 実世界の2つの工学的タスク、すなわち2層周波数選択表面と高利得アンテナのPQSを評価する。 実験結果から,提案手法は計算予算が限られており,ベースライン法よりも優れていることがわかった。 特に、生成的アプローチと比較して、評価コストを75～85%削減し、製品設計サイクルの20.27～38.80日を効果的に節約した。

関連論文リスト

• Cost-Optimal Active AI Model Evaluation [71.2069549142394]
  生成AIシステムの開発には、継続的な評価、データ取得、アノテーションが必要である。 我々は、安価だがしばしば不正確で弱いレーダの使用を積極的にバランスさせる新しいコスト認識手法を開発した。 我々は、弱者と強者の間で所定のアノテーション予算を割り当てるためのコスト最適化政策のファミリーを導出する。
  論文  参考訳（メタデータ） (2025-06-09T17:14:41Z)
• Offline Model-Based Optimization: Comprehensive Review [61.91350077539443]
  オフライン最適化は、オフラインデータセットのみを使用してブラックボックス機能の最適化を目標とする、科学とエンジニアリングの基本的な課題である。 モデルベース最適化の最近の進歩は、オフライン固有の代理モデルと生成モデルを開発するために、ディープニューラルネットワークの一般化能力を活用している。 科学的な発見を加速させる効果が増大しているにもかかわらず、この分野は包括的なレビューを欠いている。
  論文  参考訳（メタデータ） (2025-03-21T16:35:02Z)
• Tuning-Free Structured Sparse PCA via Deep Unfolding Networks [5.931547772157972]
  教師なし特徴選択(UFS)のための新しいタイプのスパース主成分分析(PCA)を提案する。 解釈可能な深層展開ネットワークを使用して、反復最適化ステップをトレーニング可能なニューラルネットワークに変換する。 この革新は、従来の手法の経験的チューニング要求を効果的に回避し、正規化パラメータの自動学習を可能にする。
  論文  参考訳（メタデータ） (2025-02-28T08:32:51Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• A Multi-Fidelity Methodology for Reduced Order Models with High-Dimensional Inputs [0.0]
  本研究では,高次元コンテキスト向けに設計された新しい多面的・パラメトリック・非侵入型ROMフレームワークを提案する。 これは、多様体アライメントと次元縮小のための機械学習技術を統合する。 我々のアプローチは、2D RAE2822翼と3D NASA CRM翼の2つのテストケースで検証されている。
  論文  参考訳（メタデータ） (2024-02-26T22:47:03Z)
• High-Level Parallelism and Nested Features for Dynamic Inference Cost and Top-Down Attention [4.051316555028782]
  本稿では,動的推論コストとトップダウンアテンション機構をシームレスに統合する新しいネットワークトポロジーを提案する。 人間の知覚からインスピレーションを得るため、汎用的な低レベル特徴の逐次処理と並列性と高レベルの特徴のネスト処理を組み合わせる。 動的推論コストの面では、我々の方法論は最大7,3.48,%のパラメータと84.41,%のギガ乗算累積(GMAC)演算を除外することができる。
  論文  参考訳（メタデータ） (2023-08-09T08:49:29Z)
• Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
  有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。 本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。 アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
  論文  参考訳（メタデータ） (2021-04-08T08:50:44Z)
• An AI-Assisted Design Method for Topology Optimization Without Pre-Optimized Training Data [68.8204255655161]
  トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。 設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
  論文  参考訳（メタデータ） (2020-12-11T14:33:27Z)

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。