論文の概要: A Survey of AI Methods for Geometry Preparation and Mesh Generation in Engineering Simulation

• arxiv url: http://arxiv.org/abs/2512.23719v1
• Date: Tue, 16 Dec 2025 20:51:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-04 08:45:17.119907
• Title: A Survey of AI Methods for Geometry Preparation and Mesh Generation in Engineering Simulation
• Title（参考訳）: 工学シミュレーションにおける幾何学的準備とメッシュ生成のためのAI手法の検討
• Authors: Steven Owen, Nathan Brown, Nikos Chrisochoides, Rao Garimella, Xianfeng Gu, Franck Ledoux, Na Lei, Roshan Quadros, Navamita Ray, Nicolas Winovich, Yongjie Jessica Zhang,
• Abstract要約: この調査は、機械学習が部分分類、メッシュ品質予測、そして破滅を手助けする先進的な状況についてレビューする。 我々は、非構造化およびブロック構造化メッシュの改善、パラメータ化のサポート、並列メッシュ生成の高速化について検討する。 これらの取り組み全体で、AIは従来の幾何学とメッシュツールの機能を拡張する補助技術として機能する。
• 参考スコア（独自算出の注目度）: 9.602055617353663
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Artificial intelligence is beginning to ease long-standing bottlenecks in the CAD-to-mesh pipeline. This survey reviews recent advances where machine learning aids part classification, mesh quality prediction, and defeaturing. We explore methods that improve unstructured and block-structured meshing, support volumetric parameterizations, and accelerate parallel mesh generation. We also examine emerging tools for scripting automation, including reinforcement learning and large language models. Across these efforts, AI acts as an assistive technology, extending the capabilities of traditional geometry and meshing tools. The survey highlights representative methods, practical deployments, and key research challenges that will shape the next generation of data-driven meshing workflows.
• Abstract（参考訳）: 人工知能はCAD-to-meshパイプラインの長年のボトルネックを緩和し始めている。 この調査は、機械学習が部分分類、メッシュ品質予測、破滅を補助する最近の進歩をレビューする。 本研究では,非構造化およびブロック構造メッシュの改善,ボリュームパラメータ化のサポート,並列メッシュ生成の高速化について検討する。 また、強化学習や大規模言語モデルなど、スクリプティング自動化の新しいツールについても検討する。 これらの取り組み全体で、AIは従来の幾何学とメッシュツールの機能を拡張する補助技術として機能する。 この調査では、代表的な方法、実践的なデプロイメント、そして次世代のデータ駆動型メッシュワークフローを形成するための重要な研究課題を強調している。

関連論文リスト

• TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
  本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。 TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。 TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-10-08T16:20:23Z)
• Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
  大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。 これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。 また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
  論文  参考訳（メタデータ） (2025-08-12T09:45:19Z)
• A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AI [3.3222579231365548]
  ナビゲーションと操作は、Embodied AIの中核的な機能であるが、現実の世界でこれらの能力を持つトレーニングエージェントは、コストと時間の複雑さに直面している。 Sim-to-real転送は重要なアプローチとして現れているが、sim-to-realギャップは持続する。 本研究は, 物理シミュレーターが過去の調査で見過ごされた特性を解析することにより, このギャップにどのように対処するかを検討する。
  論文  参考訳（メタデータ） (2025-05-01T09:22:23Z)
• Topological Methods in Machine Learning: A Tutorial for Practitioners [4.297070083645049]
  トポロジカル機械学習(TML)は、代数的トポロジの技法を利用して複雑なデータ構造を分析する分野である。 このチュートリアルは、2つの重要なTMLテクニック、永続的ホモロジーとMapperアルゴリズムの包括的な紹介を提供する。 アクセシビリティを高めるために、私たちはデータ中心のアプローチを採用し、読者はこれらのテクニックを関連するタスクに適用したハンズオン体験を得ることができる。
  論文  参考訳（メタデータ） (2024-09-04T17:44:52Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• Reinforcement learning for automatic quadrilateral mesh generation: a soft actor-critic approach [26.574242660728864]
  本稿では、自動メッシュ生成のための強化学習に基づく計算フレームワークを提案し、実装し、評価する。 有限要素解析(FEA)と計算流体力学(CFD)の領域におけるメッシュ生成は数値シミュレーションにおいて基本的な役割を果たす
  論文  参考訳（メタデータ） (2022-03-19T21:49:05Z)
• Survey on Automated Short Answer Grading with Deep Learning: from Word Embeddings to Transformers [5.968260239320591]
  教育課題を学生数の増加に拡大する手段として,ASAG (Automated Short answer grading) が教育において注目を集めている。 自然言語処理と機械学習の最近の進歩はASAGの分野に大きな影響を与えた。
  論文  参考訳（メタデータ） (2022-03-11T13:47:08Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• A Survey on Semi-parametric Machine Learning Technique for Time Series Forecasting [4.9341230675162215]
  Grey Machine Learning(GML)は、大きなデータセットと、可能性のある結果を予測する時系列用の小さなデータセットを扱うことができる。 本稿では,時系列予測のための半パラメトリック機械学習技術の概要を概観する。
  論文  参考訳（メタデータ） (2021-04-02T03:26:20Z)
• A Survey on Large-scale Machine Learning [67.6997613600942]
  機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。 ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。 大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
  論文  参考訳（メタデータ） (2020-08-10T06:07:52Z)

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。