論文の概要: SeqGPT: A Constrained Transformer Agent for the Inverse Designof Multi-Panel Composite Structures
- arxiv url: http://arxiv.org/abs/2607.11910v1
- Date: Fri, 03 Jul 2026 12:00:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-19 21:54:20.404459
- Title: SeqGPT: A Constrained Transformer Agent for the Inverse Designof Multi-Panel Composite Structures
- Title（参考訳）: SeqGPT:マルチパネル複合構造物の逆設計のための拘束型変圧器エージェント
- Abstract要約: SeqGPTは計算コストのかかる反復的手法を置き換えるために開発された条件変換エージェントである。
18パネルのホースシューベンチマークの数値実験により,SeqGPTがほぼ瞬時に解を生成することが示された。
- 参考スコア（独自算出の注目度）: 43.7610048074368
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimizing composite stacking sequences to match continuous targets (e.g., Lamination or Buckling Parameters) with discrete manufacturing constraints represents a challenging combinatorial inverse problem that regularly occurs in composite design especially when numerical optimization approaches are used (bi-step, bi-level configurations). In multipanel configurations, this complexity is further intensified by blending, a global compatibility/continuity requirement between the different panel stackings. This study presents SeqGPT, a conditional Transformer agent developed to replace computationally expensive iterative methods. To ensure both global continuity and manufacturing feasibility by construction, we implemented a hybrid neurosymbolic decoding strategy. SeqGPT predicts a conditional distribution that guides a Constrained Beam Search, where any branch violating blending rules is strictly pruned. Numerical experiments on the 18-panel horseshoe benchmark demonstrate that SeqGPT generates solutions near-instantaneously with buckling performance comparable to evolutionary methods, offering a significant speed-up compared to the state of the art.
- Abstract（参考訳）: 連続目標(例えば、積層あるいは座屈パラメータ)と離散的な製造制約とを一致させる合成積層列の最適化は、特に数値最適化手法(二段階、二段階構成)を用いる場合、複合設計において定期的に発生する困難な組合せ逆問題である。
マルチパネル構成では、この複雑さは、異なるパネルスタック間のグローバルな互換性/連続性要件であるブレンディングによってさらに強化される。
本研究では,計算コストのかかる反復的手法を置き換えるために開発された条件変換器であるSeqGPTを提案する。
構築によるグローバルな連続性と製造可能性の両立を図るため,我々はハイブリッド型ニューロシンボリックデコード戦略を実装した。
SeqGPTは、制限されたビーム探索を導く条件分布を予測する。
18パネルのホースシューベンチマークの数値実験により、SeqGPTは進化的手法に匹敵する座屈性能を持つ解を瞬時に生成し、最先端の手法と比較してかなりのスピードアップを提供することを示した。
関連論文リスト
- Formulation-Level Auto-Tuning for QUBO-Based Machine Learning: A Case Study Across Multiple Quantum-Inspired Annealers [0.0]
本稿では,サポートベクトルマシン(SVM)のためのOptunaベースの定式化レベル自動チューニングフレームワークを提案する。
連続双対変数は離散化され、2次非制約バイナリ最適化(QUBO)モデルに変換される。
0-20%のラベルノイズを持つ線形および非線形分類タスクの実験では, それぞれ0.8点と2.1点のグリッド探索よりも平均的なゲインが得られた。
論文 参考訳（メタデータ） (2026-07-21T06:56:43Z) - HiTokSR: A Coarse-to-Fine Tokenizer with Hierarchical Codebooks for High-Fidelity Real-World Image Super-Resolution [2.4519602914420475]
階層的なトークン予測フレームワークであるHiTokSRを提案する。
この結果から,HiTokSRは品質と再現性の両方において最先端の性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2026-05-31T11:02:58Z) - Implicit Binarization via Complex Phase Dynamics in Combinatorial Optimization [5.3548017019682]
そこで本研究では,NP硬化型最適化問題に対する解法を大幅に改善する,物理に着想を得た連続緩和フレームワークを提案する。
大規模QUBOMP構成では,重音速でゼロ誤差を達成できた。
論文 参考訳（メタデータ） (2026-05-23T10:18:58Z) - Applying Two-Grid Preconditioner for Subsurface Flow Simulation using Attention-enhanced Hybrid Network to Accelerate Multiscale Discretization in High-contrast Media [5.481597473968779]
高コントラスト透過性を有する強不均一媒質中におけるダルシー方程式の効率的な数値解について検討した。
本稿では,学習とマルチスケール数値手法を組み合わせたハイブリッドフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T10:36:55Z) - PRISM: Parallel Residual Iterative Sequence Model [52.26239951489612]
我々はこの緊張を解決するためにPRISM(Parallel Residual Iterative Sequence Model)を提案する。
PRISMは、パラレル化可能な形で多段階精製の重要な構造特性を捉える、ソルバに着想を得た帰納バイアスを導入している。
この定式化が Rank-$L$ の蓄積を達成することを証明し、更新多様体を単一ステップの Rank-$1$ ボトルネックを超えて構造的に拡張する。
論文 参考訳（メタデータ） (2026-02-11T12:39:41Z) - 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) - Universal Configuration for Optimizing Complexity in Variational Distributed Quantum Circuits [0.0]
任意のコア間通信トポロジにまたがって単一および2つのキュービットゲートを分散するための普遍的最適構成が存在することを示す。
我々は,Ref 2 で提案されたよく確立された正規化基準との比較により,我々の予測を検証した。
論文 参考訳（メタデータ） (2025-08-06T14:03:52Z) - Advancing Video Anomaly Detection: A Bi-Directional Hybrid Framework for Enhanced Single- and Multi-Task Approaches [16.96592682625058]
本稿では,通常のフレームに対する正確な予測と異常フレームに対する欠陥予測を生成するための効果的なハイブリッドフレームワークを提案する。
我々は,すべてのコンテキストフレームから特徴マップを効率的に関連付け,対象フレームに対する注意に基づく予測を生成する畳み込み時間変換器を開発した。
最終的に異常は、ターゲットフレームとそれに対応する予測との相違を精査することによって識別される。
論文 参考訳（メタデータ） (2025-04-20T22:27:24Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳（メタデータ） (2022-10-19T19:04:45Z) - Faster One-Sample Stochastic Conditional Gradient Method for Composite
Convex Minimization [61.26619639722804]
滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。
提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
論文 参考訳（メタデータ） (2022-02-26T19:10:48Z) - CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。
提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。
実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
論文 参考訳（メタデータ） (2021-12-31T04:37:11Z)
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。