論文の概要: Revealing design archetypes and flexibility in e-molecule import pathways using Modeling to Generate Alternatives and interpretable machine learning

• arxiv url: http://arxiv.org/abs/2512.23284v1
• Date: Mon, 29 Dec 2025 08:11:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.439042
• Title: Revealing design archetypes and flexibility in e-molecule import pathways using Modeling to Generate Alternatives and interpretable machine learning
• Title（参考訳）: オルタナティブ生成のためのモデリングと解釈可能な機械学習を用いたE分子輸入経路の設計アーキタイプと柔軟性に関する研究
• Authors: Mahdi Kchaou, Francesco Contino, Diederik Coppitters,
• Abstract要約: グリーンe-分子の輸入はヨーロッパのエネルギー移行の中心である。 多くの研究は輸入経路を最適化し、単一のコスト最適解を特定する。 Modeling to Generate Alternatives を用いて、許容可能なコストマージンの範囲内で、さまざまなコスト-最適代替案を生成します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given the central role of green e-molecule imports in the European energy transition, many studies optimize import pathways and identify a single cost-optimal solution. However, cost optimality is fragile, as real-world implementation depends on regulatory, spatial, and stakeholder constraints that are difficult to represent in optimization models and can render cost-optimal designs infeasible. To address this limitation, we generate a diverse set of near-cost-optimal alternatives within an acceptable cost margin using Modeling to Generate Alternatives, accounting for unmodeled uncertainties. Interpretable machine learning is then applied to extract insights from the resulting solution space. The approach is applied to hydrogen import pathways considering hydrogen, ammonia, methane, and methanol as carriers. Results reveal a broad near-optimal space with great flexibility: solar, wind, and storage are not strictly required to remain within 10% of the cost optimum. Wind constraints favor solar-storage methanol pathways, while limited storage favors wind-based ammonia or methane pathways.
• Abstract（参考訳）: 欧州のエネルギー移行におけるグリーンe-分子の輸入の中心的役割を考えると、多くの研究は輸入経路を最適化し、単一のコスト最適解を特定する。 しかし、実際の実装は、最適化モデルで表現し難い規制、空間、利害関係者の制約に依存し、コスト最適化設計が実現不可能なため、コスト最適性は脆弱である。 この制限に対処するため、モデルを用いて許容可能なコストマージンの範囲内で、未モデル化の不確実性を考慮して、多種多様な近コスト最適代替案を生成します。 次に、解釈可能な機械学習を適用して、結果のソリューション空間から洞察を抽出する。 このアプローチは、水素、アンモニア、メタン、メタノールを担体とする水素輸入経路に適用される。 太陽、風、貯蔵は、コスト最適化の10%以内に留まることが厳密に要求されるわけではない。 風の制約はソーラー貯蔵のメタノール経路を好んでおり、限られた貯蔵は風によるアンモニアやメタン経路を好んでいる。

関連論文リスト

• Generative Multi-Objective Bayesian Optimization with Scalable Batch Evaluations for Sample-Efficient De Novo Molecular Design [1.8517039579627974]
  この研究は、デ・ノボ分子設計/発見のための代替的なモジュラーな「世代最適化」フレームワークを導入する。 我々は、最先端の潜在空間と離散的な分子最適化法に対して、このフレームワークをベンチマークする。 具体的には、持続的なエネルギー貯蔵に関するケーススタディにおいて、我々のアプローチは、新規で多種多様で高性能な有機(キノン系)陰極材料を迅速に発見することを示した。
  論文  参考訳（メタデータ） (2025-12-19T14:59:27Z)
• Techno-economic optimization of a heat-pipe microreactor, part I: theory and cost optimization [0.0]
  マイクロリアクターは、高価な燃料が支配的な遠隔地へのアクセスに適している。 彼らは規模の不一致に悩まされ、その財政的生存性はいまだに説得力のないままである。 本稿では,テクノ・経済学的考察を考慮に入れた新しい幾何学的設計最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-12-17T23:28:13Z)
• 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)
• Surpassing legacy approaches to PWR core reload optimization with single-objective Reinforcement learning [0.0]
  単目的および多目的の最適化のための深層強化学習(DRL)に基づく手法を開発した。 本稿では、PPO(Proximal Policy Optimization)を用いて、RLに基づくアプローチの利点を実証する。 PPOは学習可能なウェイトを持つポリシーで検索機能を適応し、グローバル検索とローカル検索の両方として機能する。
  論文  参考訳（メタデータ） (2024-02-16T19:35:58Z)
• Cost Optimized Scheduling in Modular Electrolysis Plants [43.07308850202473]
  本稿では,モジュール型電解プラントの運転を最適化するための分散スケジューリングモデルを提案する。 このモデルは、水素生産と変動する需要のバランスを保ち、水素の限界レベル化コスト(mLCOH)を最小限に抑え、運用上の障害への適応性を確保することを目的としている。
  論文  参考訳（メタデータ） (2024-02-07T09:41:39Z)
• A Computational Framework for Solving Wasserstein Lagrangian Flows [48.87656245464521]
  一般に、最適密度経路は未知であり、これらの変動問題の解法は計算的に困難である。 本稿では,これらすべての問題に統一的な視点からアプローチする,新しいディープラーニングベースのフレームワークを提案する。 提案手法は, 単セル軌道推定における従来の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-16T17:59:54Z)
• Shaping of Magnetic Field Coils in Fusion Reactors using Bayesian Optimisation [0.0]
  磁気閉じ込めを用いた核融合は、持続可能エネルギーの方法として有望である。 ほとんどの核融合装置は実験段階にあり、エネルギー原子炉に向かっているため、我々は新しい工学パラダイムに参入している。 デザイン検索空間の探索と最適パラメータの同定を支援するAI駆動型戦略の実証を実証する。
  論文  参考訳（メタデータ） (2023-10-02T10:47:00Z)
• Towards Green AI in Fine-tuning Large Language Models via Adaptive Backpropagation [58.550710456745726]
  ファインチューニングは、トレーニング済みの大規模言語モデル(LLM)を下流アプリケーションに適用する最も効果的な方法である。 既存の高速微調整技術は, FLOPの低減に限界がある。 本稿では,異なるテンソルのバックプロパゲーションコストを適応的に評価する新しい手法であるGreenTrainerについて述べる。
  論文  参考訳（メタデータ） (2023-09-22T21:55:18Z)

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。