論文の概要: Incremental Transformer for Surrogate-Based Inverse Design of Geopolymer Mixtures
- arxiv url: http://arxiv.org/abs/2607.10896v1
- Date: Sun, 12 Jul 2026 19:52:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.562063
- Title: Incremental Transformer for Surrogate-Based Inverse Design of Geopolymer Mixtures
- Title（参考訳）: ジオポリマー混合物のサロゲート系逆設計のためのインクリメンタルトランス
- Abstract要約: 本研究では,物理制約された逆設計のためのインクリメンタルトランスフォーマー(INCRT)でガイドされるトポロジ対応サロゲートフレームワークを提案する。
この方法は、内在次元解析、混合変数設計空間表現、INCRTに基づく多様体合理化、制約付き逆最適化を統合する。
- 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: Small-data inverse design is challenging in engineering informatics when observations are heterogeneous, mixed-type, and constrained by physical relations among design variables. This work proposes a topology-aware surrogate framework guided by an Incremental Transformer (INCRT) for physics-constrained inverse design, applied to geopolymer mixture design. The method integrates intrinsic-dimensionality analysis, mixed-variable design-space representation, tabular surrogate prediction, INCRT-based manifold rationalisation, and constrained inverse optimisation. Using a public benchmark of fly-ash and slag-based geopolymer concrete mixtures with compressive-strength and carbon-emission targets, the high-dimensional design space proves strongly redundant, organising around fewer effective mixture regimes. Compressive strength requires nonlinear tabular surrogates, while carbon emission is largely determined by composition and well recovered by regularised linear models. INCRT thus acts not as a replacement for tabular predictors but as a rationalisation layer providing prototype regimes and a manifold-support score for inverse design. Three strategies are compared: unconstrained surrogate optimisation, physics-constrained optimisation, and topology-aware physics-constrained optimisation. Unconstrained optimisation can match target strength but may yield physically invalid or off-manifold candidates; physics-only constraints do not always ensure data support. The topology-aware strategy yields candidates balancing target compliance, carbon reduction, physical admissibility, and proximity to the learned feasible manifold. The framework aims not to replace experimental validation but to support screening of credible candidate mixtures from small, mixed, physically constrained engineering datasets.
- Abstract（参考訳）: マイクロデータ逆設計は、観測が異質で混合型であり、設計変数間の物理的関係によって制約される場合、工学的な情報学において困難である。
本研究では, 物理制約された逆設計のためのインクリメンタルトランスフォーマー (INCRT) で導かれるトポロジカル・アウェア・サロゲート・フレームワークを提案し, ジオポリマー混合設計に適用した。
本手法は,固有次元解析,混合変数設計空間表現,表層代理予測,INCRTに基づく多様体合理化,制約付き逆最適化を統合する。
圧縮強度と炭素放出目標を併用したフライアッシュおよびスラグ系ジオポリマーコンクリート混合物の一般ベンチマークを用いて、高次元設計空間は、効率の低い混合状態の周囲を包含し、強い冗長性を証明している。
圧縮強度は非線形タブ状サロゲートを必要とするが、炭素の放出は組成によって決定され、正規化線形モデルによってよく回復される。
そのため、INCRTは表型予測器の代替ではなく、プロトタイプと逆設計のための多様体支持スコアを提供する合理化層として機能する。
3つの戦略が比較される: 制限なしサロゲート最適化、物理制約付き最適化、トポロジー対応の物理制約付き最適化。
制約のない最適化は、目標の強度にマッチするが、物理的に無効またはオフマニフォールドな候補が得られる可能性がある。
トポロジー・アウェア戦略は、対象のコンプライアンス、炭素削減、物理的許容可能性、学習可能な多様体に近接する確率のバランスをとる。
このフレームワークは、実験的な検証を置き換えるのではなく、小さな、混合、物理的に制約されたエンジニアリングデータセットから信頼できる候補混合物のスクリーニングをサポートすることを目的としている。
関連論文リスト
- Neural Operator-enabled Topology-informed Evolutionary Strategy for PDE-Constrained Optimization [8.562789153023688]
ノートは次元の減少、表現学習、効率的な転送可能な逆設計のための最適化を統合している。
マクスウェル・ニューラルズ方程式が支配するナノフォトニックビーム・ディフレクターの逆設計に適用すると、ノートは95%の効率を達成する。
論文 参考訳（メタデータ） (2026-07-08T17:41:56Z) - Optimization Geometrodynamics: Variational Reduction and Interaction Curvature [0.0]
我々は、この隠れ行列式プッシュフォワードの変分理論として、測地力学を発展させる。
アフィン事前還元の場合、誘導的相互作用曲率(英語版)は負半有限作用素 $-G*H-1G$ である。
閉全測地線ファイバーを持つ大域的解析バンドルと、特異な解析的近接制御器部とを証明した。
論文 参考訳（メタデータ） (2026-07-07T18:42:00Z) - Fitting Unknown Number of Hyperplanes with Manifold Optimization [57.48093263119306]
未知数の線形平面をデータに適合させることは、機械学習の根本的な課題である。
既存のアプローチはしばしば最適な最適化に苦しむか、幾何的整合性に欠ける。
論文 参考訳（メタデータ） (2026-05-27T14:02:20Z) - Constrained Extreme Gradient Boosting for Adapting Reduced-Order Models [4.028552544912019]
計算流体力学や有限要素解析のような高忠実度シミュレーションは複雑な工学系のモデリングに不可欠である。
プロジェクションベースのリダクションオーダーモデル(ROM)は、低次元部分空間に制御力学を投影することにより、このコストを軽減する。
しかし、それらの性能はパラメータの変動によって劣化し、適応的なベース構築の必要性を動機付けている。
論文 参考訳（メタデータ） (2026-05-05T16:58:09Z) - A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots [4.829343342713712]
形状変形,多材料分布,アクチュエータを統一したソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。
実験では、ニューラルネットワークの符号化と異なり、基礎関数の数に応じて設計が増加することを示す。
さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-03-06T17:33:32Z) - Variational Entropic Optimal Transport [67.76725267984578]
本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。
VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。
合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
論文 参考訳（メタデータ） (2026-02-02T15:48:44Z) - Symplectic Optimization on Gaussian States [0.0]
ボソニックな基底状態問題を解決するためのシンプレクティック最適化フレームワークを提案する。
このフレームワークは、弱い非四面体相互作用の大規模近似処理の基礎を提供する。
論文 参考訳（メタデータ） (2026-01-28T18:31:50Z) - Leveraging Discrete Function Decomposability for Scientific Design [48.365465744654365]
AI駆動の科学とエンジニアリングの時代、私たちはしばしば、ユーザが指定したプロパティに従って、サイリコでオブジェクトを設計したいと考えています。
例えば、ターゲットを結合するタンパク質を設計したり、遅延を最小限にするために回路内のコンポーネントを配置したり、特定の特性を持つ材料を見つけたりしたいかもしれません。
本稿では,新しい分散最適化アルゴリズムであるDADO(De-Aware Distributional Optimization)を提案する。
論文 参考訳（メタデータ） (2025-11-04T21:57:51Z) - Geometrically Constrained and Token-Based Probabilistic Spatial Transformers [5.437226012505534]
我々は、トランスフォーマーベースのビジョンパイプラインの標準化ツールとして、空間トランスフォーマーネットワーク(STN)を再考する。
本稿では、堅牢性を向上させる確率的、コンポーネントワイドな拡張を提案する。
本手法が他のSTNと比較して頑健さを常に向上することを示す。
論文 参考訳（メタデータ） (2025-09-14T11:30:53Z) - Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。
キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-04-23T06:29:10Z) - Rao-Blackwell Gradient Estimators for Equivariant Denoising Diffusion [55.95767828747407]
分子やタンパク質の生成のようなドメインでは、物理系はモデルにとって重要な固有の対称性を示す。
学習のばらつきを低減し、確率的に低い分散勾配推定器を提供するフレームワークを提案する。
また,軌道拡散法(Orbit Diffusion)と呼ばれる手法を用いて,損失とサンプリングの手順を取り入れた推定器の実用的実装を提案する。
論文 参考訳（メタデータ） (2025-02-14T03:26:57Z) - SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。
いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
論文 参考訳（メタデータ） (2023-08-16T14:25:30Z)
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。