論文の概要: Leveraging AI modelling for FDS with Simvue: monitor and optimise for more sustainable simulations

• arxiv url: http://arxiv.org/abs/2509.26139v1
• Date: Tue, 30 Sep 2025 11:57:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.524683
• Title: Leveraging AI modelling for FDS with Simvue: monitor and optimise for more sustainable simulations
• Title（参考訳）: SimvueによるFDSのためのAIモデリングの活用 - より持続可能なシミュレーションの監視と最適化
• Authors: James Panayis, Matt Field, Vignesh Gopakumar, Andrew Lahiff, Kristian Zarebski, Aby Abraham, Jonathan L. Hodges,
• Abstract要約: 本研究では,最先端CFDソフトウェアよりも高速な熱伝搬順序のダイナミクスを予測できるカスタム機械学習サロゲートモデルの有効性を示す。 また、目標を達成するのに必要なシミュレーション数を減らし、最適化手順を導出する方法を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There is high demand on fire simulations, in both scale and quantity. We present a multi-pronged approach to improving the time and energy required to meet these demands. We show the ability of a custom machine learning surrogate model to predict the dynamics of heat propagation orders of magnitude faster than state-of-the-art CFD software for this application. We also demonstrate how a guided optimisation procedure can decrease the number of simulations required to meet an objective; using lightweight models to decide which simulations to run, we see a tenfold reduction when locating the most dangerous location for a fire to occur within a building based on the impact of smoke on visibility. Finally we present a framework and product, Simvue, through which we access these tools along with a host of automatic organisational and tracking features which enables future reuse of data and more savings through better management of simulations and combating redundancy.
• Abstract（参考訳）: 規模と量の両方で、火災シミュレーションには高い需要がある。 これらの要求を満たすのに必要な時間とエネルギーを改善するための多角的アプローチを提案する。 本稿では,本アプリケーションにおける最先端CFDソフトウェアよりもはるかに高速な熱伝搬順序のダイナミクスを予測できるカスタム機械学習サロゲートモデルの有効性を示す。 また、目標を達成するのに必要なシミュレーション数を減らし、軽量モデルを用いてどのシミュレーションを走らせるかを決定し、煙が可視性に与える影響に基づいて、建物内で最も危険な火災発生場所を特定する際に、10倍の減少が見られることを実証した。 最後に、Simvueというフレームワークと製品を紹介します。これらのツールを通じて、シミュレーションの管理の改善と冗長性との闘いを通じて、将来的なデータ再利用とさらなる節約を可能にする、組織的および追跡機能のホストとともに、これらのツールにアクセスします。

関連論文リスト

• SceneDiffuser: Efficient and Controllable Driving Simulation Initialization and Rollout [30.098214039454927]
  現実的でインタラクティブなシーンシミュレーションは、自動運転車(AV)開発の鍵となる前提条件である。 本稿では,交通シミュレーションに先立って設計されたシーンレベルの拡散であるSceneDiffuserを紹介する。 新たな拡散復調パラダイムは、将来のシミュレーションステップに対して復調する計算コストを補正する。
  論文  参考訳（メタデータ） (2024-12-05T18:06:53Z)
• GraphSCENE: On-Demand Critical Scenario Generation for Autonomous Vehicles in Simulation [11.896059467313668]
  本研究では,多様なトラフィックシナリオに対応する動的時間的シーングラフをオンデマンドで生成し,ユーザ定義の好みに合わせて作成する手法を提案する。 時間的グラフニューラルネットワーク(GNN)モデルは、実世界の相互作用パターンによって導かれる、エゴ・車両エージェントと静的構造の関係を予測することを学習する。 予測されたシナリオをシミュレーションでレンダリングし、AVエージェントのテスト環境としての有効性をさらに実証する。
  論文  参考訳（メタデータ） (2024-10-17T13:02:06Z)
• CityFlowER: An Efficient and Realistic Traffic Simulator with Embedded Machine Learning Models [25.567208505574072]
  CityFlowERは、効率的で現実的な都市交通シミュレーションのための高度なシミュレータである。 シミュレータ内に機械学習モデルが組み込まれており、外部APIインタラクションの必要がなくなる。 これは、特に大規模なシミュレーションにおいて、非並列な柔軟性と効率を提供する。
  論文  参考訳（メタデータ） (2024-02-09T01:19:41Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)
• Continual Visual Reinforcement Learning with A Life-Long World Model [55.05017177980985]
  視覚力学モデリングのための新しい連続学習手法を提案する。 まず,タスク固有の潜在ダイナミクスを学習する長寿命世界モデルを紹介する。 そして,探索・保守的行動学習手法を用いて,過去の課題に対する価値推定問題に対処する。
  論文  参考訳（メタデータ） (2023-03-12T05:08:03Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• 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)
• 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)

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。