論文の概要: Distributional Uncertainty and Adaptive Decision-Making in System Co-design

• arxiv url: http://arxiv.org/abs/2603.14047v2
• Date: Thu, 19 Mar 2026 14:08:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.80802
• Title: Distributional Uncertainty and Adaptive Decision-Making in System Co-design
• Title（参考訳）: システム共設計における分布不確かさと適応的意思決定
• Authors: Yujun Huang, Gioele Zardini,
• Abstract要約: 複雑なエンジニアリングシステムでは、異種コンポーネント間の協調的な設計選択が必要となる。 Monotoneの共同設計は、このような問題に対する構成的なフレームワークを提供する。 我々は設計上の問題として不確実な設計結果をモデル化する共設計の分布拡張を開発する。
• 参考スコア（独自算出の注目度）: 2.1221387541658476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Complex engineered systems require coordinated design choices across heterogeneous components under multiple conflicting objectives and uncertain specifications. Monotone co-design provides a compositional framework for such problems by modeling each subsystem as a design problem: a feasible relation between provided functionalities and required resources in partially ordered sets. Existing uncertain co-design models rely on interval bounds, which support worst-case reasoning but cannot represent probabilistic risk or multi-stage adaptive decisions. We develop a distributional extension of co-design that models uncertain design outcomes as distributions over design problems and supports adaptive decision processes through Markov-kernel re-parameterizations. Using quasi-measurable and quasi-universal spaces, we show that the standard co-design interconnection operations remain compositional under this richer notion of uncertainty. We further introduce queries and observations that extract probabilistic design trade-offs, including feasibility probabilities, confidence bounds, and distributions of minimal required resources. A task-driven unmanned aerial vehicle case study illustrates how the framework captures risk-sensitive and information-dependent design choices that interval-based models cannot express.
• Abstract（参考訳）: 複雑なエンジニアリングシステムでは、複数の矛盾する目標と不確実な仕様の下で、不均一なコンポーネント間で協調した設計選択が必要となる。 モノトン共設計(Monotone co-design)は、各サブシステムを設計問題としてモデル化することで、そのような問題に対する合成フレームワークを提供する。 既存の不確実な共設計モデルは、最悪のケース推論をサポートするが確率的リスクや多段階適応的な決定を表現できないインターバル境界に依存している。 設計上の問題に対する分布として設計結果の不確かさをモデル化し,マルコフカーネル再パラメータ化による適応的決定プロセスを支援する共設計の分散拡張を開発する。 準可測空間と準ユニバーサル空間を用いて、このよりリッチな不確実性の概念の下では、標準共設計相互接続操作が構成的のままであることを示す。 さらに,可能性確率,信頼性境界,必要最小限のリソースの分布など,確率的設計トレードオフを抽出するクエリや観測も導入する。 タスク駆動の無人航空機のケーススタディでは、このフレームワークが、インターバルベースモデルでは表現できないリスクに敏感で情報に依存した設計選択をどのように捉えているかを示している。

関連論文リスト

• RAG: A Random-Forest-Based Generative Design Framework for Uncertainty-Aware Design of Metamaterials with Complex Functional Response Requirements [7.041337242678836]
  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。
  論文  参考訳（メタデータ） (2026-01-19T17:06:12Z)
• Multi-level informed optimization via decomposed Kriging for large design problems under uncertainty [2.141079906482723]
  最先端技術では、不確実性の定量化と設計最適化という2つのステップを採用して、不確実性のあるシステムの最適化を行っている。 ここでは,資源集約性,高次元性,複雑な工学的問題を最小限の資源で不確実性の下で正確に最適化する多レベル手法を提案する。 提案手法は, 解析テストベッドによる最先端技術と比較し, 桁違いに高速かつ高精度であることが確認された。
  論文  参考訳（メタデータ） (2025-10-09T07:59:16Z)
• Modeling in the Design Multiverse [0.0]
  Design Multiverseは、リビジョンと変種の選択をモデリング空間に統合することを目的としている。 これにより、ステークホルダーは、設計決定、システム変種、およびそれらの相互依存性をシームレスに追跡、分析、管理することができます。
  論文  参考訳（メタデータ） (2025-09-08T10:35:48Z)
• Inverse Design in Distributed Circuits Using Single-Step Reinforcement Learning [10.495642893440351]
  DCIDAは、ターゲット転送関数のほぼ最適設計サンプリングポリシーを学習する設計探索フレームワークである。 本実験では,DCIDA の Transformer ベースのポリシネットワークが設計誤差を大幅に低減することを示す。
  論文  参考訳（メタデータ） (2025-06-02T02:31:52Z)
• CreatiDesign: A Unified Multi-Conditional Diffusion Transformer for Creative Graphic Design [69.83433430133302]
  CreatiDesignは、モデルアーキテクチャとデータセット構築の両方をカバーする、自動グラフィック設計のための体系的なソリューションである。 まず、異種設計要素の柔軟かつ正確な統合を可能にする統合されたマルチ条件駆動アーキテクチャを設計する。 さらに,各条件が指定された画像領域を正確に制御することを保証するため,マルチモーダルアテンションマスク機構を提案する。
  論文  参考訳（メタデータ） (2025-05-25T12:14:23Z)
• Platform-Aware Mission Planning [50.56223680851687]
  本稿では,PAMP(Platform-Aware Mission Planning)の問題を紹介する。 第1のベースラインアプローチはミッションレベルとプラットフォームレベル、第2のベースラインアプローチは抽象リファインメントループに基づいている。 提案手法の健全性と完全性を実証し,実験により検証する。
  論文  参考訳（メタデータ） (2025-01-16T16:20:37Z)
• Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
  自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。 SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。 SFSCは評価データセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-06-16T16:46:32Z)
• Hierarchical Deep Generative Models for Design Under Free-Form Geometric Uncertainty [7.362287148334665]
  不確実性フレームワーク(GAN-DUF)に基づくジェネレーティブ・アドバイサル・ネットワーク・ベース・デザインを提案する。 それは、名目(理想)設計のコンパクトな表現と、名目的な設計が与えられた設計の条件分布を同時に学習する。 提案した深部生成モデルとロバストな設計最適化と不確実な設計のための信頼性に基づく設計最適化を組み合わせることができる。
  論文  参考訳（メタデータ） (2022-02-21T22:21:07Z)

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。