論文の概要: Optimizing Flamelet Generated Manifold Models: A Machine Learning Performance Study

• arxiv url: http://arxiv.org/abs/2507.01030v1
• Date: Wed, 18 Jun 2025 16:27:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-07 02:47:44.423374
• Title: Optimizing Flamelet Generated Manifold Models: A Machine Learning Performance Study
• Title（参考訳）: フレムレット生成マニフォールドモデルの最適化 - 機械学習パフォーマンススタディ
• Authors: Reza Lotfi Navaei, Mohammad Safarzadeh, Seyed Mohammad Jafar Sobhani,
• Abstract要約: Flamelet Generated Manifold (FGM)はその精度と物理的表現で認識されている。 FGMライブラリは特定の燃料のために特別に開発され、その後、機械学習技術を用いて全ての数値問題に利用される。 本研究では、データソース、技術、データ駆動概念の理解に基づいて、Flamletライブラリを再生する4つの機械学習アルゴリズムを用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In chemistry tabulations and Flamelet combustion models, the Flamelet Generated Manifold (FGM) is recognized for its precision and physical representation. The practical implementation of FGM requires a significant allocation of memory resources. FGM libraries are developed specifically for a specific fuel and subsequently utilized for all numerical problems using machine learning techniques. This research aims to develop libraries of Laminar FGM utilizing machine learning algorithms for application in combustion simulations of methane fuel. This study employs four Machine Learning algorithms to regenerate Flamelet libraries, based on an understanding of data sources, techniques, and data-driven concepts. 1. Multi-Layer Perceptron; 2. Random Forest; 3. Linear Regression; 4. Support Vector Machine. Seven libraries were identified as appropriate for constructing a database for training machine learning models, giving an error rate of 2.30%. The default architectures of each method were evaluated to determine the optimal approach, leading to the selection of the MLP method as the primary choice. The method was enhanced through hyperparameter tuning to improve accuracy. The quantity of hidden layers and neurons significantly influences method performance. The optimal model, comprising four hidden layers with 10, 15, 20, and 25 neurons respectively, achieved an accuracy of 99.81%.
• Abstract（参考訳）: 化学表計算やフラムレット燃焼モデルでは、その精度と物理的表現でフラムレット生成マニフォールド(FGM)が認識される。 FGMの実践的な実装には、メモリリソースの相当な割り当てが必要である。 FGMライブラリは特定の燃料のために特別に開発され、その後、機械学習技術を用いて全ての数値問題に利用される。 本研究では,メタン燃料の燃焼シミュレーションへの応用を目的とした機械学習アルゴリズムを用いたLaminar FGMライブラリの開発を目的とする。 本研究では、データソース、技術、データ駆動概念の理解に基づいて、Flamletライブラリを再生する4つの機械学習アルゴリズムを用いる。 1.多層受容器 ランダムフォレスト; ランダムフォレスト 3.線形回帰 4.ベクトルマシンのサポート 7つのライブラリが機械学習モデルをトレーニングするためのデータベースを構築するのに適したものとして特定され、エラー率は2.30%となった。 各手法の既定アーキテクチャは最適アプローチを決定するために評価され, MLP法を最優先選択として選択した。 この手法は高パラメータチューニングにより精度を向上させるために強化された。 隠れた層やニューロンの量は、メソッドのパフォーマンスに大きく影響する。 最適モデルは、それぞれ10、15、20、25のニューロンを持つ4つの隠蔽層から構成され、99.81%の精度を達成した。

関連論文リスト

• EfficientLLM: Efficiency in Large Language Models [64.3537131208038]
  大規模言語モデル(LLM)は大きな進歩を導いてきたが、その増加とコンテキストウィンドウは計算、エネルギー、金銭的コストを禁止している。 本稿では,新しいベンチマークであるEfficientLLMを紹介する。
  論文  参考訳（メタデータ） (2025-05-20T02:27:08Z)
• A Continual and Incremental Learning Approach for TinyML On-device Training Using Dataset Distillation and Model Size Adaption [0.4345992906143838]
  Tiny Machine Learning (TinyML) の文脈における漸進学習のための新しいアルゴリズムを提案する。 低性能でエネルギー効率のよい組み込みデバイスに最適化されている。 提案アルゴリズムは,組込みデバイス上でのTinyMLインクリメンタル学習に有望なアプローチを提供することを示す。
  論文  参考訳（メタデータ） (2024-09-11T09:02:33Z)
• CodeGen2: Lessons for Training LLMs on Programming and Natural Languages [116.74407069443895]
  我々はエンコーダとデコーダベースのモデルを単一のプレフィックスLMに統一する。 学習方法は,「フリーランチ」仮説の主張を考察する。 データ配信においては,混合分布と多言語学習がモデル性能に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2023-05-03T17:55:25Z)
• Spatially-resolved Thermometry from Line-of-Sight Emission Spectroscopy via Machine Learning [2.449329947677678]
  本研究の目的は, 温度分布測定におけるデータ駆動モデルの利用について検討することである。 i)特徴工学と古典的機械学習アルゴリズム、(ii)エンドツーエンド畳み込みニューラルネットワーク(CNN)の2つのカテゴリが分析されている。 本手法は, ガス混合ガス中の種濃度分布が未知であっても, 低分解能スペクトルから不均一な温度分布を測定することができる。
  論文  参考訳（メタデータ） (2022-12-15T13:46:15Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• A Case Study on the Classification of Lost Circulation Events During Drilling using Machine Learning Techniques on an Imbalanced Large Dataset [0.0]
  イランのアザデガン油田から得られた65,000以上のデータと階級不均衡問題を利用する。 データセットの17のパラメータのうち11は、5つの失われた循環イベントの分類に使用される。 分類モデルを生成するために,6つの基本機械学習アルゴリズムと4つのアンサンブル学習手法を用いた。
  論文  参考訳（メタデータ） (2022-09-04T12:28:40Z)
• Scalable Deep Reinforcement Learning Algorithms for Mean Field Games [60.550128966505625]
  平均フィールドゲーム (MFGs) は、非常に多くの戦略エージェントを持つゲームを効率的に近似するために導入された。 近年,モデルフリー強化学習(RL)手法を用いて,MFGの学習均衡の課題が活発化している。 MFGを解くための既存のアルゴリズムは戦略や$q$-valuesのような近似量の混合を必要とする。 本稿では,この欠点に対処する2つの手法を提案する。まず,歴史データの蒸留からニューラルネットワークへの混合戦略を学習し,Factitious Playアルゴリズムに適用する。 2つ目はオンライン混合方式である。
  論文  参考訳（メタデータ） (2022-03-22T18:10:32Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)

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。