論文の概要: A Fast and Generalizable Fourier Neural Operator-Based Surrogate for Melt-Pool Prediction in Laser Processing
- arxiv url: http://arxiv.org/abs/2602.06241v2
- Date: Mon, 09 Feb 2026 10:39:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 17:49:39.494787
- Title: A Fast and Generalizable Fourier Neural Operator-Based Surrogate for Melt-Pool Prediction in Laser Processing
- Title（参考訳）: レーザ加工におけるメルトプール予測のための高速で一般化可能なフーリエニューラル演算子ベースサロゲート
- Authors: Alix Benoit, Toni Ivas, Mateusz Papierz, Asel Sagingalieva, Alexey Melnikov, Elia Iseli,
- Abstract要約: 本稿では,様々なレーザプロセスのパラメトリック解演算子を学習するサロゲートモデルであるLaser Processing Fourier Neural Operator (LP-FNO)を提案する。
提案するLP-FNOは, プロセスパラメータを3次元温度場と広いプロセスウィンドウ間の溶融プール境界にマッピングする。
粗大分解能データに基づいてトレーニングされたLP-FNOモデルを,より微細な格子上で評価し,メッシュ収束導電系における正確な予測を導出できることを実証した。
- 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: High-fidelity simulations of laser welding capture complex thermo-fluid phenomena, including phase change, free-surface deformation, and keyhole dynamics, however their computational cost limits large-scale process exploration and real-time use. In this work we present the Laser Processing Fourier Neural Operator (LP-FNO), a Fourier Neural Operator (FNO) based surrogate model that learns the parametric solution operator of various laser processes from multiphysics simulations generated with FLOW-3D WELD (registered trademark). Through a novel approach of reformulating the transient problem in the moving laser frame and applying temporal averaging, the system results in a quasi-steady state setting suitable for operator learning, even in the keyhole welding regime. The proposed LP-FNO maps process parameters to three-dimensional temperature fields and melt-pool boundaries across a broad process window spanning conduction and keyhole regimes using the non-dimensional normalized enthalpy formulation. The model achieves temperature prediction errors on the order of 1% and intersection-over-union scores for melt-pool segmentation over 0.9. We demonstrate that a LP-FNO model trained on coarse-resolution data can be evaluated on finer grids, yielding accurate super-resolved predictions in mesh-converged conduction regimes, whereas discrepancies in keyhole regimes reflect unresolved dynamics in the coarse-mesh training data. These results indicate that the LP-FNO provides an efficient surrogate modeling framework for laser welding, enabling prediction of full three-dimensional fields and phase interfaces over wide parameter ranges in just tens of milliseconds, up to a hundred thousand times faster than traditional Finite Volume multi-physics software.
- Abstract（参考訳）: レーザー溶接の高忠実度シミュレーションは、相変化、自由表面変形、キーホールダイナミクスを含む複雑な熱流体現象を捉えるが、その計算コストは大規模プロセス探索とリアルタイム使用を制限する。
本研究では、FLOW-3D WELD(登録商標)で生成された多物理シミュレーションから、様々なレーザプロセスのパラメトリック解演算子を学習するフーリエニューラル演算子(FNO)に基づくサロゲートモデルであるレーザプロセッシングフーリエニューラル演算子(LP-FNO)を提案する。
移動レーザフレームにおける過渡問題を修正し, 時間平均化を適用した新しいアプローチにより, キーホール溶接方式においても, 演算子学習に適した準定常状態設定が得られる。
提案したLP-FNOは,非次元正規化エンタルピー定式化を用いて,プロセスパラメータを3次元温度場と融解プール境界にマッピングする。
このモデルでは, 融解プールセグメンテーションにおいて, 1%以上の温度予測誤差と0。
粗解データに基づいてトレーニングされたLP-FNOモデルは,メッシュ収束導電系において高精度な超解解予測を導出し,一方,キーホール系では,粗解ミーシュトレーニングデータにおいて未解決のダイナミクスを反映していることを示す。
これらの結果から、LP-FNOはレーザー溶接のための効率的なサロゲート・モデリング・フレームワークを提供し、従来の有限体積多物理ソフトウェアより最大で10ミリ秒の広いパラメータ範囲での3次元場と位相界面の予測を可能にすることが示唆された。
関連論文リスト
- Transolver-3: Scaling Up Transformer Solvers to Industrial-Scale Geometries [51.028432812178266]
Transolver-3は、高忠実度物理シミュレーションのために設計されたTransolverファミリーの新しいメンバーである。
Transolver-3は1億6000万以上のセルでメッシュを処理でき、3つの挑戦的なシミュレーションベンチマークで優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-02-04T16:52:44Z) - Learning Optical Flow Field via Neural Ordinary Differential Equation [44.16275288019991]
近年の光学フロー推定では、ニューラルネットワークを用いて、ある画像の位置を他方の位置にマッピングする流れ場を予測している。
連続モデル,すなわちニューラル常微分方程式(ODE)を用いて流れの微分を予測する新しい手法を提案する。
論文 参考訳（メタデータ） (2025-06-03T18:30:14Z) - Decrypting the temperature field in flow boiling with latent diffusion models [1.9190568044682759]
本稿では,位相インジケータマップから温度場を生成するためにLDM(Latent Diffusion Models)を用いた革新的な手法を提案する。
数値シミュレーションからBubbleMLデータセットを利用することで, LDM位相場データを対応する温度分布に変換する。
結果として得られるモデルは、界面における複雑な温度場を効果的に再構成する。
論文 参考訳（メタデータ） (2025-01-27T21:18:05Z) - Data-Driven, Parameterized Reduced-order Models for Predicting Distortion in Metal 3D Printing [39.58317527488534]
本研究では, レーザ粉層融合(LPBF)における歪み予測のためのデータ駆動型パラメータ化低次モデル(ROM)を提案する。
本稿では,正規直交分解(POD)とガウスプロセス回帰(GPR)を組み合わせたROMフレームワークを提案し,その性能をディープラーニングに基づくパラメータ化グラフ畳み込みオートエンコーダ(GCA)と比較する。
POD-GPRモデルは高い精度を示し、pm0.001mm$以内の歪みを予測し、約1800倍の計算速度を提供する。
論文 参考訳（メタデータ） (2024-12-05T19:47:25Z) - Temperature Distribution Prediction in Laser Powder Bed Fusion using Transferable and Scalable Graph Neural Networks [0.0]
本研究では, レーザ粉体融合プロセスにおける熱力学のシミュレーションにグラフニューラルネットワーク(GNN)を用いた新しい予測モデルを提案する。
提案モデルでは,L-PBFにおける熱伝達過程の複雑さを計算コストを大幅に削減する。
論文 参考訳（メタデータ） (2024-07-18T18:14:47Z) - Deep Neural Operator Enabled Digital Twin Modeling for Additive Manufacturing [9.639126204112937]
デジタルツイン(DT)は、現実世界の物理的プロセスの仮想ツインとして振る舞う。
L-PBFプロセスの閉ループフィードバック制御のためのディープ・ニューラル演算子を用いたDTの計算フレームワークを提案する。
開発したDTは、AMプロセスのガイドと高品質製造の促進を目的としている。
論文 参考訳（メタデータ） (2024-05-13T03:53:46Z) - Multi-fidelity surrogate with heterogeneous input spaces for modeling melt pools in laser-directed energy deposition [0.0]
MFモデリング(Multi-fidelity Modeling)は、様々なフィデリティソースからデータをインテリジェントにブレンドできる強力な統計手法である。
メルトプールモデルの階層をマージするためにMFサロゲートを使用する際の大きな課題は、入力空間における可変性である。
本稿では, 様々な複雑さのモデルを統合することで, 溶融プール形状を予測するためのMFサロゲート構築手法を提案する。
論文 参考訳（メタデータ） (2024-03-19T20:12:46Z) - Accurate and Fast Fischer-Tropsch Reaction Microkinetics using PINNs [38.08566680893281]
Fischer-Tropsch合成(FTS)のマイクロ力学モデルは、より高度なリアルタイムアプリケーションでは非効率になる。
本稿では,計算効率が高く,高精度な計算手法を提案し,既存のマイクロ運動学モデルの超高速解法を実現する。
提案したPINNモデルでは, FTSマイクロキネティクスにおいて, 平均相対誤差(MRE)0.03%, FTS生成速度(MRE0.1%)を計算した。
論文 参考訳（メタデータ） (2023-11-17T11:21:09Z) - Inexpensive High Fidelity Melt Pool Models in Additive Manufacturing
Using Generative Deep Diffusion [40.80426609561942]
レーザー粉末層融合(L-PBF)の欠陥は、しばしば溶融プールとして知られるレーザー近傍の溶融合金のメソスケールのダイナミクスによって生じる。
本研究では,確率的拡散フレームワークに基づく生成的深層学習モデルを構築し,低忠実度,粗粒度シミュレーション情報を高忠実度にマッピングする。
論文 参考訳（メタデータ） (2023-11-15T19:37:20Z) - Surrogate Modeling of Melt Pool Thermal Field using Deep Learning [0.0]
我々は,レーザーパワー,レーザー速度,時間ステップという3つのパラメータを入力として,溶融プールの3次元熱場の挙動を予測できる畳み込みニューラルネットワークを訓練する。
このネットワークは、温度場に対して相対的なルート平均正方形誤差を2%から3%とし、融解プール面積の予測において平均80%から90%のユニオンスコアに対するインターセクションを達成している。
論文 参考訳（メタデータ） (2022-07-25T15:27:16Z) - Mixed Precision Low-bit Quantization of Neural Network Language Models
for Speech Recognition [67.95996816744251]
長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。
現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。
本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
論文 参考訳（メタデータ） (2021-11-29T12:24:02Z)
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。