論文の概要: ECLIPSE: An Evolutionary Computation Library for Instrumentation Prototyping in Scientific Engineering

• arxiv url: http://arxiv.org/abs/2601.05098v2
• Date: Tue, 13 Jan 2026 05:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 14:06:39.241182
• Title: ECLIPSE: An Evolutionary Computation Library for Instrumentation Prototyping in Scientific Engineering
• Title（参考訳）: ECLIPSE:科学工学における計測プロトタイピングのための進化計算ライブラリ
• Authors: Max Foreback, Evan Imata, Vincent Ragusa, Jacob Weiler, Christina Shao, Joey Wagner, Katherine G. Skocelas, Jonathan Sy, Aman Hafez, Wolfgang Banzhaf, Amy Conolly, Kyle R. Helson, Rick Marcusen, Charles Ofria, Marcin Pilinski, Rajiv Ramnath, Bryan Reynolds, Anselmo C. Pontes, Emily Dolson, Julie Rolla,
• Abstract要約: ECLIPSEは、複雑なドメイン固有のシミュレーションツールと直接インターフェースするために構築された進化的フレームワークである。 ECLIPSEは、進化した3Dアンテナや極低軌道でのドラッグリダクションに最適化された宇宙船など、いくつかの活発な宇宙科学応用を実証する。
• 参考スコア（独自算出の注目度）: 1.6736150071247582
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing scientific instrumentation often requires exploring large, highly constrained design spaces using computationally expensive physics simulations. These simulators pose substantial challenges for integrating evolutionary computation (EC) into scientific design workflows. Evolutionary computation typically requires numerous design evaluations, making the integration of slow, low-throughput simulators particularly challenging, as they are optimized for accuracy and ease of use rather than throughput. We present ECLIPSE, an evolutionary computation framework built to interface directly with complex, domain-specific simulation tools while supporting flexible geometric and parametric representations of scientific hardware. ECLIPSE provides a modular architecture consisting of (1) Individuals, which encode hardware designs using domain-aware, physically constrained representations; (2) Evaluators, which prepare simulation inputs, invoke external simulators, and translate the simulator's outputs into fitness measures; and (3) Evolvers, which implement EC algorithms suitable for high-cost, limited-throughput environments. We demonstrate the utility of ECLIPSE across several active space-science applications, including evolved 3D antennas and spacecraft geometries optimized for drag reduction in very low Earth orbit. We further discuss the practical challenges encountered when coupling EC with scientific simulation workflows, including interoperability constraints, parallelization limits, and extreme evaluation costs, and outline ongoing efforts to combat these challenges. ECLIPSE enables interdisciplinary teams of physicists, engineers, and EC researchers to collaboratively explore unconventional designs for scientific hardware while leveraging existing domain-specific simulation software.
• Abstract（参考訳）: 科学機器を設計するには、計算コストのかかる物理シミュレーションを用いて、大きく、非常に制約のある設計空間を探索する必要があることが多い。 これらのシミュレータは、進化計算(EC)を科学設計ワークフローに統合する上で大きな課題となる。 進化的計算は通常、多くの設計評価を必要とするため、スループットよりも正確さと使いやすさに最適化されているため、遅い低スループットシミュレータの統合は特に困難である。 ECLIPSEは、複雑なドメイン固有のシミュレーションツールと直接対話し、フレキシブルな幾何学的およびパラメトリックな科学ハードウェア表現をサポートしながら、進化的計算フレームワークである。 ECLIPSEは,(1)ドメイン認識の物理的制約のある表現を用いてハードウェア設計を符号化する個人アーキテクチャ,(2)シミュレーション入力を作成し,外部シミュレータを起動し,シミュレータの出力を適合度測定に変換する評価器,(3)高コストで限られた入力環境に適したECアルゴリズムを実装するエボルバーからなるモジュールアーキテクチャを提供する。 超低軌道でのドラッグリダクションに最適化された3次元アンテナや宇宙船ジオメトリーなど、いくつかの活発な宇宙科学応用におけるESLIPSEの有用性を実証する。 さらに、ECと科学シミュレーションワークフローを結合する際の現実的な課題として、相互運用性の制約、並列化の制限、極端な評価コストについて論じ、これらの課題に対処するための継続的な取り組みの概要を述べる。 ECLIPSEは、物理学者、エンジニア、EC研究者の学際的なチームによる、既存のドメイン固有のシミュレーションソフトウェアを活用しながら、科学ハードウェアの非伝統的な設計を共同で探求することを可能にする。

関連論文リスト

• Neural surrogates for designing gravitational wave detectors [21.601009915564344]
  ニューラルサロゲートモデルが従来のCPUベースのシミュレータへの依存を著しく低減することを示す。 LIGO コミュニティが開発した重力波物理シミュレータ Finesse を代用するニューラルネットワークを訓練する。 我々のアルゴリズムは、サロゲートのトレーニング、新しい実験の逆設計、さらに訓練のために遅いシミュレータでそれらの特性を検証する間をループする。
  論文  参考訳（メタデータ） (2025-11-24T17:58:59Z)
• Physics-Learning AI Datamodel (PLAID) datasets: a collection of physics simulations for machine learning [0.15469999759898032]
  PLAIDは物理シミュレーションのデータセットを表現および共有するためのフレームワークである。 PLAIDはシミュレーションデータを記述するための統一標準を定義する。 PLAID標準の下で,構造力学と計算流体力学を網羅した6つのデータセットをリリースする。
  論文  参考訳（メタデータ） (2025-05-05T18:59:17Z)
• Generative Models for Fast Simulation of Cherenkov Detectors at the Electron-Ion Collider [0.0]
  我々は、内部反射型チェレンコフ光検出器(DIRC)検出のための、オープンでスタンドアロンな高速シミュレーションツールを提案する。 我々のフレームワークは、粒子識別(PID)タスクを高速化するために、一連の生成モデルを組み込んでいる。 この柔軟性は、新しいDL駆動PIDメソッドの開発とベンチマークをサポートする。
  論文  参考訳（メタデータ） (2025-04-26T22:33:08Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Meent: Differentiable Electromagnetic Simulator for Machine Learning [0.6902278820907753]
  電磁法(EM)シミュレーションは、サブ波長スケール構造を持つデバイスを解析・設計する上で重要な役割を担っている。 Meentは、厳密な結合波解析(RCWA)を利用するEMシミュレーションソフトウェアである。 1) ニューラル演算子のトレーニングのためのデータセット生成,2) ナノフォトニックデバイス最適化の強化学習環境として機能する,3) 勾配に基づく逆問題に対する解を提供する,の3つの応用を提案する。
  論文  参考訳（メタデータ） (2024-06-11T10:00:06Z)
• ClimSim-Online: A Large Multi-scale Dataset and Framework for Hybrid ML-physics Climate Emulation [45.201929285600606]
  我々は、ハイブリッドML物理シミュレータを開発するためのエンドツーエンドワークフローを含むClimSim-Onlineを提案する。 データセットはグローバルで、高いサンプリング頻度で10年間にわたっています。 MLモデルを運用環境シミュレータに統合するための、クロスプラットフォームでコンテナ化されたパイプラインを提供します。
  論文  参考訳（メタデータ） (2023-06-14T21:26:31Z)
• Integrating Machine Learning with HPC-driven Simulations for Enhanced Student Learning [0.0]
  シミュレーション出力を生成するためのHPC駆動型シミュレーションとMLサロゲート手法の両方をサポートするWebアプリケーションを開発した。 授業内フィードバックと調査を通じて評価した結果,ML強化ツールは動的かつ応答性のあるシミュレーション環境を提供することがわかった。
  論文  参考訳（メタデータ） (2020-08-24T22:48:21Z)

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。