論文の概要: Denoising diffusion models for inverse design of inflatable structures with programmable deformations
- arxiv url: http://arxiv.org/abs/2508.13097v1
- Date: Mon, 18 Aug 2025 17:07:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:11.500204
- Title: Denoising diffusion models for inverse design of inflatable structures with programmable deformations
- Title（参考訳）: プログラム可能な変形を有するインフレータブル構造の逆設計のためのデノイング拡散モデル
- Authors: Sara Karimi, Nikolaos N. Vlassis,
- Abstract要約: 本研究では, 圧力駆動作動下での大きな非線形変形を受ける弾性構造物の逆設計のための拡散確率モデル (DDPM) に基づく生成設計フレームワークを提案する。
このフレームワークは、膨らませた時に所望の変形を達成できる多様な非変形構成を迅速に生成できることを示す。
- 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: Programmable structures are systems whose undeformed geometries and material property distributions are deliberately designed to achieve prescribed deformed configurations under specific loading conditions. Inflatable structures are a prominent example, using internal pressurization to realize large, nonlinear deformations in applications ranging from soft robotics and deployable aerospace systems to biomedical devices and adaptive architecture. We present a generative design framework based on denoising diffusion probabilistic models (DDPMs) for the inverse design of elastic structures undergoing large, nonlinear deformations under pressure-driven actuation. The method formulates the inverse design as a conditional generation task, using geometric descriptors of target deformed states as inputs and outputting image-based representations of the undeformed configuration. Representing these configurations as simple images is achieved by establishing a pre- and postprocessing pipeline that involves a fixed image processing, simulation setup, and descriptor extraction methods. Numerical experiments with scalar and higher-dimensional descriptors show that the framework can quickly produce diverse undeformed configurations that achieve the desired deformations when inflated, enabling parallel exploration of viable design candidates while accommodating complex constraints.
- Abstract（参考訳）: プログラム可能な構造は、未変形のジオメトリと材料特性の分布が、特定の負荷条件下で所定の変形構成を達成するために意図的に設計されているシステムである。
インフレータブル構造は、ソフトロボティクスや展開可能な航空宇宙システム、バイオメディカルデバイス、適応アーキテクチャなど、大規模で非線形な変形を実現するために内部加圧を用いる顕著な例である。
本研究では, 圧力駆動作動下での大きな非線形変形を受ける弾性構造物の逆設計のための拡散確率モデル (DDPM) に基づく生成設計フレームワークを提案する。
この方法は、目標変形状態の幾何学的記述子を入力とし、未変形状態のイメージベース表現を出力することにより、逆設計を条件生成タスクとして定式化する。
これらの構成を単純なイメージとして表現することは、固定された画像処理、シミュレーション設定、ディスクリプタ抽出方法を含む前処理および後処理パイプラインを確立することで達成される。
スカラーおよび高次元ディスクリプタを用いた数値実験により、このフレームワークは、膨らませた時に所望の変形を達成し、複雑な制約を緩和しながら、実行可能な設計候補を並列に探索できる様々な非変形構成を迅速に生成できることが示されている。
関連論文リスト
- Shape-morphing programming of soft materials on complex geometries via neural operator [8.644789897985964]
形状変形性軟質材料は、ボクセルレベルの材料分布設計により、多様な標的形態を実現することができる。
複素測地上での高忠実なモーフィング予測を可能にするスペクトル・空間ニューラル演算子(S2NO)を提案する。
論文 参考訳（メタデータ） (2026-01-16T09:36:58Z) - Edit2Perceive: Image Editing Diffusion Models Are Strong Dense Perceivers [55.15722080205737]
Edit2Perceiveは、深度、正規度、マッティングの編集モデルを適応させる統合拡散フレームワークである。
私たちの単一ステップの決定論的推論は、比較的小さなデータセットでトレーニングしながら、より高速なランタイムをもたらす。
論文 参考訳（メタデータ） (2025-11-24T01:13:51Z) - Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。
本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。
実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
論文 参考訳（メタデータ） (2025-09-29T16:18:32Z) - Composition and Alignment of Diffusion Models using Constrained Learning [79.36736636241564]
拡散モデルは、複雑な分布からサンプルを採取する能力により、生成的モデリングにおいて普及している。
i) 拡散モデルを微調整して報酬と整合させるアライメントと、(ii) 予め訓練された拡散モデルを組み合わせて、それぞれが生成した出力に望ましい属性を強調する合成である。
本稿では,共役モデルが報酬制約を満たすこと,あるいは(潜在的に複数の)事前学習モデルに近づき続けることを強制することによって,拡散モデルのアライメントと構成を統一する制約付き最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-26T15:06:30Z) - DiffuMeta: Algebraic Language Models for Inverse Design of Metamaterials via Diffusion Transformers [0.6531893282486697]
本稿では,拡散変換器と新しい代数的表現を融合した生成フレームワークであるDiffuMetaについて述べる。
このコンパクトで統一されたパラメータ化は様々なトポロジにまたがり、トランスフォーマーを構造設計に直接適用することができる。
本手法は, 学習領域を超えた線形および非線形応答を含む, 複数の機械的目的に対する同時制御を実現する。
論文 参考訳（メタデータ） (2025-07-21T16:09:26Z) - Univariate Conditional Variational Autoencoder for Morphogenic Patterns Design in Frontal Polymerization-Based Manufacturing [0.0]
本稿では,FP製造における階層パターンの逆設計のための確率的生成モデルを提案する。
設計空間と設計ターゲットの両方を符号化するcVAEとは異なり、UcVAEは設計空間のみを符号化する。
トレーニングされたUcVAEは、高忠実度階層パターンを生成する複数のプロセス条件ソリューションを生成することができる。
論文 参考訳（メタデータ） (2024-10-23T02:50:05Z) - Constrained Synthesis with Projected Diffusion Models [47.56192362295252]
本稿では, 制約や物理原理の遵守を満足し, 証明する上で, 生成拡散プロセスへのアプローチを紹介する。
提案手法は, 従来の生成拡散過程を制約分布問題として再キャストし, 制約の順守を保証する。
論文 参考訳（メタデータ） (2024-02-05T22:18:16Z) - Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。
本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。
心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
論文 参考訳（メタデータ） (2024-01-04T08:46:39Z) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳（メタデータ） (2023-01-23T15:18:54Z) - CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。
提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。
実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
論文 参考訳（メタデータ） (2021-12-31T04:37:11Z) - Deep Generative Modeling for Mechanistic-based Learning and Design of
Metamaterial Systems [20.659457956055366]
深部生成モデルに基づく新しいデータ駆動メタマテリアル設計フレームワークを提案する。
本研究では,VAEの潜伏空間が,形状類似度を測定するための距離メートル法を提供することを示す。
機能的グレードとヘテロジニアスなメタマテリアルシステムの両方を設計することで、我々のフレームワークを実証する。
論文 参考訳（メタデータ） (2020-06-27T03:56:55Z) - A Compact Spectral Descriptor for Shape Deformations [0.8268443804509721]
本研究では, 応力下での塑性変形挙動のパラメータ化手法を提案する。
既存のパラメータ化は計算解析を比較的単純な変形に制限する。
本稿では,スペクトルメッシュ処理に基づく変形挙動のコンパクト記述子を導出する手法を提案する。
論文 参考訳（メタデータ） (2020-03-10T10:34:30Z)
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。