論文の概要: RAG: A Random-Forest-Based Generative Design Framework for Uncertainty-Aware Design of Metamaterials with Complex Functional Response Requirements

• arxiv url: http://arxiv.org/abs/2601.13233v1
• Date: Mon, 19 Jan 2026 17:06:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.983003
• Title: RAG: A Random-Forest-Based Generative Design Framework for Uncertainty-Aware Design of Metamaterials with Complex Functional Response Requirements
• Title（参考訳）: RAG: 複雑な機能的応答要求を伴うメタマテリアルの不確かさを意識した設計のためのランダムフォレスト型生成設計フレームワーク
• Authors: Bolin Chen, Dex Doksoo Lee, Wei "Wayne'' Chen, Wei Chen,
• Abstract要約: R&om-forest-based Generative Approach (RAG) RAGは高次元関数応答のデータ効率予測を可能にする。 1) 所定の部分的パスバンド/ストップバンドを有する音響メタマテリアル, 2) 標的とするスナップスルー応答を有する機械メタマテリアル。
• 参考スコア（独自算出の注目度）: 7.041337242678836
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Metamaterials design for advanced functionality often entails the inverse design on nonlinear and condition-dependent responses (e.g., stress-strain relation and dispersion relation), which are described by continuous functions. Most existing design methods focus on vector-valued responses (e.g., Young's modulus and bandgap width), while the inverse design of functional responses remains challenging due to their high-dimensionality, the complexity of accommodating design requirements in inverse-design frameworks, and non-existence or non-uniqueness of feasible solutions. Although generative design approaches have shown promise, they are often data-hungry, handle design requirements heuristically, and may generate infeasible designs without uncertainty quantification. To address these challenges, we introduce a RAndom-forest-based Generative approach (RAG). By leveraging the small-data compatibility of random forests, RAG enables data-efficient predictions of high-dimensional functional responses. During the inverse design, the framework estimates the likelihood through the ensemble which quantifies the trustworthiness of generated designs while reflecting the relative difficulty across different requirements. The one-to-many mapping is addressed through single-shot design generation by sampling from the conditional likelihood. We demonstrate RAG on: 1) acoustic metamaterials with prescribed partial passbands/stopbands, and 2) mechanical metamaterials with targeted snap-through responses, using 500 and 1057 samples, respectively. Its data-efficiency is benchmarked against neural networks on a public mechanical metamaterial dataset with nonlinear stress-strain relations. Our framework provides a lightweight, trustworthy pathway to inverse design involving functional responses, expensive simulations, and complex design requirements, beyond metamaterials.
• Abstract（参考訳）: 高度な機能のためのメタマテリアル設計は、連続関数によって記述される非線形および条件依存応答(例えば、応力-ひずみ関係と分散関係)の逆設計を必要とすることが多い。 既存の設計手法の多くはベクトル値応答(ヤング率やバンドギャップ幅など)に重点を置いているが、関数応答の逆設計は、その高次元性、逆設計フレームワークにおける共役設計要求の複雑さ、実現可能な解の非存在的あるいは非特異性により、依然として困難である。 生成的設計アプローチは将来性を示しているが、しばしばデータハングリーであり、設計要求をヒューリスティックに処理し、不確実な定量化なしに実現不可能な設計を生成する。 これらの課題に対処するために、RAndom-forest-based Generative approach (RAG)を導入する。 ランダムな森林の小さなデータ互換性を利用することで、RAGは高次元の関数応答をデータ効率で予測できる。 逆設計の間、フレームワークは、異なる要求をまたいだ相対的な困難を反映しながら生成した設計の信頼性を定量化するアンサンブルを通じて、確率を推定する。 ワン・ツー・マニー・マッピングは条件付き確率からサンプリングすることで単一ショットの設計生成によって対処される。 以下に、RAGを例示する。 1)所定の部分パスバンド/ストップバンドを有する音響メタマテリアル及び 2) 標的としたスナップススルー応答を有するメカニカルメタマテリアルは, それぞれ500試料と1057試料を使用した。 データ効率は、非線形応力-ひずみ関係を持つ公共の機械的メタマテリアルデータセット上で、ニューラルネットワークに対してベンチマークされる。 我々のフレームワークは, 機能的応答, 高価なシミュレーション, メタマテリアルを超えた複雑な設計要件を含む, 逆設計のための軽量で信頼性の高い経路を提供する。

関連論文リスト

• Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
  我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。 条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。 各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。 実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T05:28:28Z)
• Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
  シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。 提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
  論文  参考訳（メタデータ） (2025-10-02T15:15:50Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• Constrained Synthesis with Projected Diffusion Models [47.56192362295252]
  本稿では, 制約や物理原理の遵守を満足し, 証明する上で, 生成拡散プロセスへのアプローチを紹介する。 提案手法は, 従来の生成拡散過程を制約分布問題として再キャストし, 制約の順守を保証する。
  論文  参考訳（メタデータ） (2024-02-05T22:18:16Z)
• Generative Inverse Design of Metamaterials with Functional Responses by Interpretable Learning [3.931881794708454]
  ランダムフォレストに基づく解釈可能生成逆設計(RIGID)を提案する。 RIGIDは、オンデマンド機能挙動を持つメタマテリアル設計を高速に生成するための単発逆設計法である。 RIGIDの音響的・光学的メタマテリアル設計問題に対する評価を行った。
  論文  参考訳（メタデータ） (2023-12-08T04:24:03Z)

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。