論文の概要: Data-driven discovery of roughness descriptors for surface characterization and intimate contact modeling of unidirectional composite tapes

• arxiv url: http://arxiv.org/abs/2603.20418v1
• Date: Fri, 20 Mar 2026 18:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.900136
• Title: Data-driven discovery of roughness descriptors for surface characterization and intimate contact modeling of unidirectional composite tapes
• Title（参考訳）: データ駆動による一方向複合テープの表面キャラクタリゼーションと親密接触モデリングのための粗さ記述子の発見
• Authors: Sebastian Rodriguez, Mikhael Tannous, Jad Mounayer, Camilo Cruz, Anais Barasinski, Francisco Chinesta,
• Abstract要約: どの粗さ記述子は、プロセス制御と統合のモデリングのために、テープ分類を同時に行うことができるのか? 本稿では,エンコーダとデコーダのトレーニング中に,有理数行列に有理数値分解(SVD)を適用した線形潜在ベクトル空間を持つオートエンコーダであるRRAE(Right Reduction Autoencoder)を用いた新しい戦略を提案する。
• 参考スコア（独自算出の注目度）: 2.3274907061632577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unidirectional tapes surface roughness determines the evolution of the degree of intimate contact required for ensuring the thermoplastic molecular diffusion and the associated inter-tapes consolidation during manufacturing of composite structures. However, usual characterization of rough surfaces relies on statistical descriptors that even if they are able to represent the surface topology, they are not necessarily connected with the physics occurring at the interface during inter-tape consolidation. Thus, a key research question could be formulated as follows: Which roughness descriptors simultaneously enable tape classification-crucial for process control-and consolidation modeling via the inference of the evolution of the degree of intimate contact, itself governed by the process parameters?. For providing a valuable response, we propose a novel strategy based on the use of Rank Reduction Autoencoders (RRAEs), autoencoders with a linear latent vector space enforced by applying a truncated Singular Value Decomposition (SVD) to the latent matrix during the encoder-decoder training. In this work, we extract useful roughness descriptors by enforcing the latent SVD modes to (i) accurately represent the roughness after decoding, and (ii) allow the extraction of existing a priori knowledge such as classification or modelling properties.
• Abstract（参考訳）: 一方向テープの表面粗さは、複合構造の製造中に熱可塑性分子拡散と関連するテープ間固化を保証するために必要な親密接触の程度を決定づける。 しかし、粗面の通常の特徴付けは、たとえ表面トポロジーを表現できるとしても、テープ間凝縮時に界面で起こる物理と必ずしも関係がないという統計的記述に頼っている。 どの粗さ記述子は、プロセスパラメータによって制御される親密な接触の度合いの進化の推論を通じて、プロセス制御と統合のモデリングのために、テープ分類を同時に行うことができるのか? と。 本稿では,有意義な応答を提供するために,エンコーダ・デコーダ訓練中に潜時行列に乱数付き特異値分解(SVD)を適用した線形潜時ベクトル空間を持つオートエンコーダであるRRAE(Right Reduction Autoencoder)を用いた新しい手法を提案する。 本研究では,遅延SVDモードを強制することで,有用な粗さ記述子を抽出する。 一 復号後の粗さを正確に表し、 (ii) 分類やモデリング特性などの事前知識の抽出を可能にする。

関連論文リスト

• A Critical Assessment of Pattern Comparisons Between POD and Autoencoders in Intraventricular Flows [4.123458880886283]
  自動エンコーダ(AE)モデルは,特定の潜在空間構成の下でPODのようなコヒーレント構造を再現可能であることを示す。 全体として、AEsは特定の潜在空間構成の下でPOD様のコヒーレント構造を再現できることを示す。
  論文  参考訳（メタデータ） (2025-12-22T13:21:11Z)
• Topology Identification and Inference over Graphs [61.06365536861156]
  グラフ上で進化するプロセスのトポロジの同定と推論は、脳、輸送、金融、電力、および社会的および情報ネットワークを含むタイムリーな応用に現れる。 本章では,多次元データに対するグラフトポロジ同定と統計的推測手法の概要について述べる。
  論文  参考訳（メタデータ） (2025-12-11T00:47:09Z)
• Limits of Generative Pre-Training in Structured EMR Trajectories with Irregular Sampling [0.7537475180985093]
  ファンデーションモデルは、複雑なパターンやモチーフをキャプチャするために自動回帰事前トレーニングを使用して、広大なデータセットでトレーニングされたアーキテクチャを指す。 HIVおよび急性低血圧データセットの経時的ART(Sequence-to-Sequence LSTM)とTransformer(reduced Transformer)の2つの自己回帰モデル(Sequence-to-Sequence LSTM)をトレーニングした。 ランダムな視線間ギャップを介してトレーニング中に制御された不規則性が追加されたが、テストシーケンスは完了しなかった。 どちらも特徴分布を再現したが、クロスフィーチャー構造を保存できなかった。
  論文  参考訳（メタデータ） (2025-10-27T00:04:17Z)
• Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
  モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。 本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。 残る技術的課題や倫理的考察も分析する。
  論文  参考訳（メタデータ） (2025-06-05T05:42:27Z)
• Thinner Latent Spaces: Detecting Dimension and Imposing Invariance with Conformal Autoencoders [8.743941823307967]
  ネットワークの潜在層内の直交関係を利用して、非線形多様体データセットの内在次元性を推定できることを示す。 微分幾何学に依拠する関係理論を概説し、対応する勾配偏光最適化アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2024-08-28T20:56:35Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases [131.50372468579067]
  そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2021-11-12T17:48:25Z)
• Autoencoder Image Interpolation by Shaping the Latent Space [12.482988592988868]
  オートエンコーダは、異なるタイプのデータセットを特徴付ける基礎となる要因を計算するための効果的なアプローチである。 トレーニング画像と整合した多様体に従うために潜在表現を形作る正規化手法を提案する。
  論文  参考訳（メタデータ） (2020-08-04T12:32:54Z)

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。