論文の概要: AI-Driven Optimization under Uncertainty for Mineral Processing Operations

• arxiv url: http://arxiv.org/abs/2512.01977v1
• Date: Mon, 01 Dec 2025 18:35:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:35.019103
• Title: AI-Driven Optimization under Uncertainty for Mineral Processing Operations
• Title（参考訳）: 鉱物処理における不確実性を考慮したAI駆動最適化
• Authors: William Xu, Amir Eskanlou, Mansur Arief, David Zhen Yin, Jef K. Caers,
• Abstract要約: 部分観測可能なマルコフ決定プロセス(POMDP)としてミネラル処理を定式化するAI駆動型アプローチを導入する。 提案手法は,純現在値(NPV)などの全体目標の最大化において,従来の手法よりも一貫して優れた性能を発揮する可能性が示唆された。 合成事例に対するこの最適化・不確実性アプローチの方法論実証は、後の実世界の応用のための数学的・計算的な枠組みを提供する。
• 参考スコア（独自算出の注目度）: 0.7340017786387767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The global capacity for mineral processing must expand rapidly to meet the demand for critical minerals, which are essential for building the clean energy technologies necessary to mitigate climate change. However, the efficiency of mineral processing is severely limited by uncertainty, which arises from both the variability of feedstock and the complexity of process dynamics. To optimize mineral processing circuits under uncertainty, we introduce an AI-driven approach that formulates mineral processing as a Partially Observable Markov Decision Process (POMDP). We demonstrate the capabilities of this approach in handling both feedstock uncertainty and process model uncertainty to optimize the operation of a simulated, simplified flotation cell as an example. We show that by integrating the process of information gathering (i.e., uncertainty reduction) and process optimization, this approach has the potential to consistently perform better than traditional approaches at maximizing an overall objective, such as net present value (NPV). Our methodological demonstration of this optimization-under-uncertainty approach for a synthetic case provides a mathematical and computational framework for later real-world application, with the potential to improve both the laboratory-scale design of experiments and industrial-scale operation of mineral processing circuits without any additional hardware.
• Abstract（参考訳）: 鉱物処理のグローバルな能力は、気候変動を緩和するために必要なクリーンエネルギー技術を構築するのに欠かせない重要な鉱物の需要を満たすために急速に拡大する必要がある。 しかし, 原料の変動性とプロセスダイナミクスの複雑さの両方から生じる不確実性により, ミネラルプロセッシングの効率は著しく制限されている。 不確実性下でのミネラル処理回路を最適化するために、ミネラル処理を部分観測可能なマルコフ決定プロセス(POMDP)として定式化するAI駆動方式を導入する。 本稿では, シミュレーション, 単純化された浮揚セルの動作を最適化するために, 畜産不確実性とプロセスモデル不確実性の両方を扱う手法の有効性を例に示す。 本研究では,情報収集プロセス(すなわち不確実性低減)とプロセス最適化を統合することで,ネット提示値(NPV)などの全体目標を最大化する上で,従来の手法よりも一貫した性能を発揮する可能性が示された。 合成ケースに対するこの最適化・不確実性手法の方法論実証は、後の実世界の応用のための数学的・計算的な枠組みを提供し、実験室規模の設計と、追加のハードウェアを使わずにミネラル処理回路の産業規模での運用の両方を改善する可能性がある。

関連論文リスト

• When AI Bends Metal: AI-Assisted Optimization of Design Parameters in Sheet Metal Forming [0.4347560796121297]
  本稿では,ベイズ最適化を用いて,パラメータ最適化における専門家の関与を減らすAI支援ワークフローを提案する。 ディープラーニングモデルは、最適化サイクルが終了条件を満たすまで設計を反復的に洗練する初期パラメータ推定を提供する。 本稿は, シートメタル形成プロセスに基づくアプローチを実証し, 専門家による関与の必要性を低減しつつ, 設計空間の探索を加速させる方法を示す。
  論文  参考訳（メタデータ） (2025-11-27T10:31:24Z)
• Holistic Bioprocess Development Across Scales Using Multi-Fidelity Batch Bayesian Optimization [37.69303106863453]
  本稿では,バイオプロセス開発を高速化し,実験コストを削減するため,多要素バッチベイズ最適化フレームワークを提案する。 ベンチマークには,中国のハムスターOvaryバイオプロセスのカスタムシミュレーションが用いられている。 ケーススタディは、提案されたワークフローが実験コストの削減と収量の増加を実現する方法を示している。
  論文  参考訳（メタデータ） (2025-08-14T16:29:34Z)
• LLM-guided Chemical Process Optimization with a Multi-Agent Approach [8.714038047141202]
  本稿では,最小限のプロセス記述から動作制約を自律的に推論するマルチエージェントLLMフレームワークを提案する。 当社のAutoGenベースのフレームワークは、制約生成、パラメータ検証、シミュレーション、最適化ガイダンスのための特別なエージェントを備えたOpenAIのo3モデルを採用しています。
  論文  参考訳（メタデータ） (2025-06-26T01:03:44Z)
• A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
  大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。 これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。 本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
  論文  参考訳（メタデータ） (2024-12-18T14:11:15Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• A Reinforcement Learning Approach for Process Parameter Optimization in Additive Manufacturing [0.0]
  本稿では,金属添加物製造分野における最適化問題に転換した強化学習(RL)手法を紹介する。 実験的に検証されたEagar-Tsaiの定式化は、レーザー指向のエネルギー沈着環境をエミュレートするために用いられる。 したがって、このフレームワークは、事前の観察なしに学習するためのモデルなしのアプローチを提供する。
  論文  参考訳（メタデータ） (2022-11-17T14:05:51Z)
• Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
  我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。 提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
  論文  参考訳（メタデータ） (2022-10-03T16:19:27Z)
• Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
  モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。 所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。 医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-06-10T16:20:59Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)

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。