論文の概要: Uncertainty-guided active learning for surrogate prediction of stream-finishing wear fields
- arxiv url: http://arxiv.org/abs/2608.00593v1
- Date: Sat, 01 Aug 2026 11:12:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.805284
- Title: Uncertainty-guided active learning for surrogate prediction of stream-finishing wear fields
- Title（参考訳）: 不確かさ誘導型アクティブラーニングによるストリームフィニッシュ摩耗場のサロゲート予測
- Abstract要約: 我々は、幾何学から直接、侵食を規定する3つの分野を予測する不確実性誘導型サロゲートフレームワークを提案する。
このサロゲートは、不一致が不確実性を推定する深いアンサンブルを使用し、最も不確実な方向に対してDEMシミュレーションを実行するアクティブラーニング戦略を可能にする。
- 参考スコア（独自算出の注目度）: 37.82552353322716
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In stream finishing, the wear experienced by a workpiece depends strongly on its orientation within the rotating abrasive media. Determining suitable orientations to achieve uniform wear requires evaluating the wear-rate field over all feasible orientations. Although the discrete element method (DEM) accurately resolves particle interactions, simulating hundreds of feasible orientations for a new geometry is computationally expensive. We present an uncertainty-guided surrogate framework that predicts, directly from geometry, the three fields governing erosion: per-triangle normal impact velocity, tangential impact velocity, and particle impact flux. These fields are combined through the Finnie wear model to reconstruct the wear-rate distribution. The surrogate employs a deep ensemble whose disagreement estimates epistemic uncertainty, enabling an active-learning strategy that selectively performs DEM simulations for the most uncertain orientations. Trained using only $13\%$ of the $696$ feasible orientations, the surrogate achieves Spearman rank correlations of $0.93$, $0.89$, and $0.93$ for the normal impact velocity, tangential impact velocity, and particle impact flux, respectively. Moreover, the predicted uncertainty is well calibrated, reliably anticipating prediction error and the fidelity of the reconstructed wear field, which matches DEM with a Spearman rank correlation of up to $0.97$ for low-uncertainty orientations and degrades in a controlled manner as uncertainty increases.
- Abstract（参考訳）: ストリーム仕上げにおいて、ワークによって経験される摩耗は、回転する摩耗媒体内のその配向に強く依存する。
均一な摩耗を達成するのに適した配向を決定するには、すべての実行可能な配向に対して摩耗速度場を評価する必要がある。
離散要素法(DEM)は粒子の相互作用を正確に解くが、新しい幾何学のために数百の可能な向きをシミュレートすることは計算的に高価である。
幾何学から直接, 三角当たりの正規衝突速度, 接衝撃速度, 粒子衝突フラックスという, 侵食を規定する3つの分野を予測できる不確実性誘導型サロゲートフレームワークを提案する。
これらのフィールドは、フィニー摩耗モデルを介して結合され、摩耗率分布を再構築する。
このサロゲートは、不一致がてんかんの不確実性を推定する深いアンサンブルを用いており、最も不確実な方向に対してDEMシミュレーションを選択的に実行するアクティブラーニング戦略を可能にする。
696ドルのうち、わずか13\%で訓練されたサロゲートは、通常衝撃速度、接衝撃速度、粒子衝突フラックスに対してそれぞれ0.93ドル、0.89ドル、0.93ドルというスピアマンのランク相関を達成している。
さらに、予測不確かさを適切に調整し、予測誤差と、DEMとスピアマンランクの相関関係を一致させ、不確かさが増大するにつれて制御された方法で劣化する、再構成された摩耗場の忠実さを確実に予測する。
関連論文リスト
- Equation-Free Period-Aware Forecast-Error Contraction for Estimating Negative Largest Lyapunov Exponents from Short Trajectory Ensembles [4.689984557057394]
短いスカラー軌跡のアンサンブルから支配的な負のリャプノフ指数を推定するための周期認識型予測エラー縮約法を導入する。
k-アネレスト近傍予測器は軌道履歴に基づいて訓練され、幾何学平均絶対予測誤差は位相整合地平線で評価され、対数誤差プロファイルの傾きから指数を求める。
論文 参考訳（メタデータ） (2026-08-06T01:58:00Z) - The Geometric Nature and a Free Proxy for Flow-Matching Uncertainty [40.15880250907137]
フローマッチング(FM)は、現代のエンボディドモデルにおいて一般的なアクションヘッドパラダイムとなっている。
理想的なアフィン等方性収縮場からの逸脱として不確実性を示す。
我々は,1つの前方通過路からの軌道の曲げを測定するコストフリーの不確実性プロキシであるデノナイジングアクセラレーション(mathrmaccel$)を導入する。
論文 参考訳（メタデータ） (2026-07-30T09:44:46Z) - Beyond Point Estimates: Benchmarking Uncertainty Quantification Methods on the AION-1 Astronomical Foundation Model [47.71489969727656]
Conformalized Quantile Regression (CQR)は、最も貧弱なモデル予測で、ビン内で最高のカバレッジを提供する。
局所的妥当性判別(Locally Valid and Discriminative, LVD)フレームワークのみが、有限サンプルの局所的妥当性を提供する。
論文 参考訳（メタデータ） (2026-06-05T18:29:19Z) - Autonomous Adaptive Solver Selection for Chemistry Integration via Reinforcement Learning [0.0]
本稿では,化学統合中に暗黙的BDF積分器(CVODE)と準定常解器(QSS)を自律的に選択する制約付き強化学習(RL)フレームワークを提案する。
0D同質の原子炉条件全体では、RL適応政策は平均速度が約3倍、速度が1.11倍から10.58倍になる。
再訓練なしでは、0D訓練された政策は1D逆流拡散炎に10ドル-2000mathrms-1$で移行し、一貫した$approx 2.2を提供する。
論文 参考訳（メタデータ） (2026-03-31T21:44:58Z) - Scalar-Measurement Attitude Estimation on $\mathbf{SO}(3)$ with Bias Compensation [35.18016233072556]
姿勢推定法は通常、加速度計や磁力計のような慣性センサーからの完全なベクトル測定に依存する。
本稿では,スカラー測定のみを用いて信頼性の高い推定を行うことができることを示す。
ジャイロスコープバイアス補償を組み込んだ$mathbfSO(3)$の非線形決定論的オブザーバを提案する。
論文 参考訳（メタデータ） (2026-03-03T00:02:23Z) - Binary Flow Matching: Prediction-Loss Space Alignment for Robust Learning [23.616336786063552]
フローマッチングは、生成モデリングの強力なフレームワークとして登場した。
速度に基づく目的と結合した場合に発生する潜在構造ミスマッチを同定する。
信号空間に対する目的の再調整が特異重み付けを排除していることを示す。
論文 参考訳（メタデータ） (2026-02-11T02:02:30Z) - Equivariant Evidential Deep Learning for Interatomic Potentials [55.6997213490859]
不確かさの定量化は、分子動力学シミュレーションにおける機械学習の原子間ポテンシャルの信頼性を評価するために重要である。
既存のMLIPのUQアプローチは、高い計算コストや準最適性能によって制限されることが多い。
我々は,原子間ポテンシャルの定量的深層学習(texte2$IP)を提案する。
論文 参考訳（メタデータ） (2026-02-11T02:00:25Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。
以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
論文 参考訳（メタデータ） (2025-10-22T19:06:39Z) - Statistical Learning with Sublinear Regret of Propagator Models [3.1755820123640612]
本稿では,未知の畳み込みプロパゲータによって駆動される過渡的な衝撃価格と,未知のパラメータを持つ線形仮的衝撃価格の両方を作成しながら,エージェントが危険資産を清算する学習問題を考察する。
本稿では,探索と搾取を交互に行うトレーディングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-01-12T17:16:27Z) - Temporal Difference Uncertainties as a Signal for Exploration [76.6341354269013]
強化学習における探索の効果的なアプローチは、最適な政策に対するエージェントの不確実性に依存することである。
本稿では,評価値のバイアスや時間的に矛盾する点を強調した。
本稿では,時間差誤差の分布の導出に依存する値関数の不確かさを推定する手法を提案する。
論文 参考訳（メタデータ） (2020-10-05T18:11:22Z)
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。