論文の概要: EngiBench: A Framework for Data-Driven Engineering Design Research

• arxiv url: http://arxiv.org/abs/2508.00831v2
• Date: Mon, 11 Aug 2025 09:08:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.396136
• Title: EngiBench: A Framework for Data-Driven Engineering Design Research
• Title（参考訳）: EngiBench: データ駆動設計研究のためのフレームワーク
• Authors: Florian Felten, Gabriel Apaza, Gerhard Bräunlich, Cashen Diniz, Xuliang Dong, Arthur Drake, Milad Habibi, Nathaniel J. Hoffman, Matthew Keeler, Soheyl Massoudi, Francis G. VanGessel, Mark Fuge,
• Abstract要約: EngiBenchは最初のオープンソースライブラリで、データ駆動エンジニアリング設計のためのさまざまなドメインにまたがる。 EngiOptは、EngiBenchインターフェースと互換性のあるアルゴリズムのコレクションを提供するコンパニオンライブラリである。 これらの問題は、高感度で制約のある設計データセットにより、標準的な機械学習手法に重大な課題をもたらすことが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Engineering design optimization seeks to automatically determine the shapes, topologies, or parameters of components that maximize performance under given conditions. This process often depends on physics-based simulations, which are difficult to install, computationally expensive, and require domain-specific expertise. To mitigate these challenges, we introduce EngiBench, the first open-source library and datasets spanning diverse domains for data-driven engineering design. EngiBench provides a unified API and a curated set of benchmarks -- covering aeronautics, heat conduction, photonics, and more -- that enable fair, reproducible comparisons of optimization and machine learning algorithms, such as generative or surrogate models. We also release EngiOpt, a companion library offering a collection of such algorithms compatible with the EngiBench interface. Both libraries are modular, letting users plug in novel algorithms or problems, automate end-to-end experiment workflows, and leverage built-in utilities for visualization, dataset generation, feasibility checks, and performance analysis. We demonstrate their versatility through experiments comparing state-of-the-art techniques across multiple engineering design problems, an undertaking that was previously prohibitively time-consuming to perform. Finally, we show that these problems pose significant challenges for standard machine learning methods due to highly sensitive and constrained design manifolds.
• Abstract（参考訳）: エンジニアリング設計の最適化は、与えられた条件下でのパフォーマンスを最大化するコンポーネントの形状、トポロジ、パラメータを自動的に決定することを目指している。 このプロセスは、インストールが難しく、計算コストが高く、ドメイン固有の専門知識を必要とする物理学に基づくシミュレーションに依存することが多い。 これらの課題を軽減するために、データ駆動エンジニアリング設計のためにさまざまなドメインにまたがる最初のオープンソースライブラリであるEngiBenchを紹介します。 EngiBenchは、統一されたAPIと、航空学、熱伝導、フォトニクスなどをカバーする一連のベンチマークを提供し、最適化と生成モデルやサロゲートモデルなどの機械学習アルゴリズムの公正かつ再現可能な比較を可能にする。 EngiBenchインターフェースと互換性のあるアルゴリズムのコレクションを提供するコンパニオンライブラリであるEngiOptもリリースしました。 どちらのライブラリもモジュール化されており、ユーザーは新しいアルゴリズムや問題をプラグインしたり、エンドツーエンドの実験ワークフローを自動化したり、ビジュアライゼーション、データセット生成、実行可能性チェック、パフォーマンス分析のための組み込みユーティリティを利用することができる。 我々は、複数のエンジニアリング設計問題にまたがる最先端技術の比較実験を通じて、それらの汎用性を実証した。 最後に、これらの問題は、高感度で制約のある設計多様体により、標準的な機械学習手法に重大な課題をもたらすことを示す。

関連論文リスト

• Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models [64.28420991770382]
  Data-Juicer 2.0は、テキスト、画像、ビデオ、オーディオのモダリティにまたがるデータ処理オペレーターがバックアップするデータ処理システムである。 データ分析、アノテーション、基礎モデルポストトレーニングなど、より重要なタスクをサポートする。 さまざまな研究分野やAlibaba Cloud PAIのような現実世界の製品で広く採用されている。
  論文  参考訳（メタデータ） (2024-12-23T08:29:57Z)
• Deep Generative Model for Mechanical System Configuration Design [3.2194137462952126]
  本稿では,設計問題に対するコンポーネントとインターフェースの最適な組み合わせを予測するための,深い生成モデルを提案する。 次に、GearFormerというデータセットを使ってTransformerをトレーニングします。 GearFormerは、特定の設計要件を満たすという点で、独自の検索方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-09T19:15:45Z)
• Retrieval-Augmented Instruction Tuning for Automated Process Engineering Calculations : A Tool-Chaining Problem-Solving Framework with Attributable Reflection [0.0]
  オープンでカスタマイズ可能な小型コード言語モデル(SLM)を強化するためにRAIT(Retrieval-Augmented Instruction-Tuning)を活用する新しい自律エージェントフレームワークを提案する。 命令チューニングされたコードSLMと外部ツールを使用してRACG(Retrieval-Augmented Code Generation)を組み合わせることで、エージェントは自然言語仕様からコードを生成し、デバッグし、最適化する。 我々のアプローチは、専門的なプロセスエンジニアリングタスクのための基礎的AIモデルの欠如の限界に対処し、説明可能性、知識編集、費用対効果の利点を提供する。
  論文  参考訳（メタデータ） (2024-08-28T15:33:47Z)
• Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
  PropEnは'matching'にインスパイアされている。 一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
  論文  参考訳（メタデータ） (2024-05-28T11:30:19Z)
• 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)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Automated Evolutionary Approach for the Design of Composite Machine Learning Pipelines [48.7576911714538]
  提案手法は、複合機械学習パイプラインの設計を自動化することを目的としている。 パイプラインをカスタマイズ可能なグラフベースの構造で設計し、得られた結果を分析して再生する。 このアプローチのソフトウェア実装は、オープンソースフレームワークとして紹介されている。
  論文  参考訳（メタデータ） (2021-06-26T23:19:06Z)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)
• PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
  PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。 これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
  論文  参考訳（メタデータ） (2020-02-13T10:33:05Z)

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。