論文の概要: A novel biomass fluidized bed gasification model coupled with machine learning and CFD simulation

• arxiv url: http://arxiv.org/abs/2509.06056v1
• Date: Sun, 07 Sep 2025 13:47:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.839363
• Title: A novel biomass fluidized bed gasification model coupled with machine learning and CFD simulation
• Title（参考訳）: 機械学習とCFDシミュレーションを組み合わせたバイオマス流動層ガス化モデル
• Authors: Chun Wang,
• Abstract要約: 機械学習と計算流体力学に基づくバイオマス流動層ガス化の結合モデルを提案する。 反応速度と組成の進化のリアルタイム更新を実現するために,反応速度論の特徴を記述するエージェントモデルをトレーニングし,計算流体力学フレームワークに組み込んだ。
• 参考スコア（独自算出の注目度）: 10.996974098282577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A coupling model of biomass fluidized bed gasification based on machine learning and computational fluid dynamics is proposed to improve the prediction accuracy and computational efficiency of complex thermochemical reaction process. By constructing a high-quality data set based on experimental data and high fidelity simulation results, the agent model used to describe the characteristics of reaction kinetics was trained and embedded into the computational fluid dynamics (CFD) framework to realize the real-time update of reaction rate and composition evolution.
• Abstract（参考訳）: 複雑な熱化学反応過程の予測精度と計算効率を向上させるために, 機械学習と計算流体力学に基づくバイオマス流動層ガス化の結合モデルを提案する。 実験データと高忠実度シミュレーション結果に基づいて高品質なデータセットを構築し,反応速度特性を記述したエージェントモデルをCFD(Computer fluid dynamics)フレームワークに組み込んで,反応速度と組成変化のリアルタイム更新を実現する。

関連論文リスト

• Optimized Dynamic Mode Decomposition for Reconstruction and Forecasting of Atmospheric Chemistry Data [3.1484174280822845]
  適応的かつ効率的な縮小順序モデルと予測ツールを構築するために最適化された動的モード分解を導入する。 DMDアルゴリズムは,夏季の大気汚染やバイオマス燃焼など,大気化学の既知の特徴を抽出することに成功した。
  論文  参考訳（メタデータ） (2024-04-13T15:44:12Z)
• Rethinking materials simulations: Blending direct numerical simulations with neural operators [1.6874375111244329]
  そこで本研究では,数値解法とニューラル演算子をブレンドしてシミュレーションを高速化する手法を開発した。 物理蒸着中の微細構造変化シミュレーションにおけるこの枠組みの有効性を実証する。
  論文  参考訳（メタデータ） (2023-12-08T23:44:54Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• Machine Learning model for gas-liquid interface reconstruction in CFD numerical simulations [59.84561168501493]
  流体の体積(VoF)法は多相流シミュレーションにおいて2つの不混和性流体間の界面を追跡・見つけるために広く用いられている。 VoF法の主なボトルネックは、計算コストが高く、非構造化グリッド上での精度が低いため、インタフェース再構成のステップである。 一般的な非構造化メッシュ上でのインタフェース再構築を高速化するために,グラフニューラルネットワーク(GNN)に基づく機械学習拡張VoF手法を提案する。
  論文  参考訳（メタデータ） (2022-07-12T17:07:46Z)
• Toward Development of Machine Learned Techniques for Production of Compact Kinetic Models [0.0]
  化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。 本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
  論文  参考訳（メタデータ） (2022-02-16T12:31:24Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)
• Kinetics-Informed Neural Networks [0.0]
  我々は、通常の微分方程式を解くために、サロゲートモデルを構築するための基礎関数としてフィードフォワード人工ニューラルネットワークを用いる。 正規化多目的最適化設定におけるニューラルネットと運動モデルパラメータの同時学習により,逆問題の解が導かれることを示す。 この逆運動的ODEに対する代理的アプローチは、過渡的なデータに基づく反応機構の解明に役立てることができる。
  論文  参考訳（メタデータ） (2020-11-30T00:07:09Z)

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。