論文の概要: LM6-CastBench: A Geometry-Aware Simulation Dataset for Transient Thermal Prediction in LM6 Sand Casting

• arxiv url: http://arxiv.org/abs/2611.00619v1
• Date: Sat, 31 Oct 2026 04:39:06 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:42:48.192619
• Title: LM6-CastBench: A Geometry-Aware Simulation Dataset for Transient Thermal Prediction in LM6 Sand Casting
• Title（参考訳）: LM6-CastBench: LM6サンドキャスティングにおける過渡熱予測のための幾何学的シミュレーションデータセット
• Abstract要約: LM6アルミニウム合金鋳物の過渡熱場を幾何学的に学習するためのオープンシミュレーションデータセットであるLM6-CastBenchを紹介する。 We benchmarks reduce a point margin against a structured U-Net geometry-level data, the most gains on geometries with localized features and abrupt section changes。
• 参考スコア（独自算出の注目度）: 2.5580163831188685
• License:
• Abstract: Transient thermal fields during solidification connect casting process conditions and cooling behaviour to the formation of defect-prone regions in aluminum cast ings. Repeatedly solving this thermal problem across geometries and process conditions is computationally expensive, motivating data-driven surrogate models. However, existing machine-learning studies on casting thermal behaviour rely on study-specific simulation databases that do not support reproducible geometry-level benchmarking. We introduce LM6-CastBench, an open simulation dataset for geometry-aware learning of transient thermal fields in LM6 aluminum sand casting, combining three geometry families, ten variants per family, five pouring tempera tures, and three mould temperatures (450 geometry-process cases in total). Each case retains CAD geometry, unstructured mesh connectivity, spatial descriptors, process metadata, and time-resolved nodal temperatures. We benchmark a point wise MLP against a spatially structured U-Net under geometry-level data splits; the U-Net reduces temperature-field errors by a large margin, with the biggest gains on geometries with localized features and abrupt section changes. LM6-CastBench gives researchers a reproducible dataset and benchmark for geometry-aware surro gate modelling of casting thermal behaviour.
• Abstract（参考訳）: 凝固過程における過渡熱場は鋳造プロセス条件と冷却挙動をアルミニウム鋳物の欠陥発生領域の形成に結びつける。 この熱問題を幾度となくジオメトリーとプロセス条件で解くことは、計算コストが高く、データ駆動サロゲートモデルを動機付けている。 しかし、既存の機械学習による鋳造熱挙動の研究は、再現可能な幾何レベルのベンチマークをサポートしない研究固有のシミュレーションデータベースに依存している。 LM6-CastBenchは,アルミニウム砂鋳物の過渡熱場を幾何学的に学習するためのオープン・シミュレーション・データセットである。 各ケースはCAD幾何学、非構造メッシュ接続、空間記述子、プロセスメタデータ、時間分解能温度を保持します。 U-Netは、局所的な特徴を持つ測地線や急激な断面変化による最大利得で、温度場誤差を大きなマージンで削減する。 LM6-CastBenchは、研究者に再現可能なデータセットと、鋳型熱挙動をモデル化する幾何認識サロゲートのベンチマークを提供する。

関連論文リスト

• FG-ConvNO: A Geometry-Aware Neural Operator for Propeller CFD Prediction [73.25252821263845]
  計算力学(CFD)は現代工学設計において不可欠であるが、計算コストは高い。 科学モデリングのための機械学習の最近の進歩は強力なサロゲートフレームワークに繋がった。 限られたトレーニングデータの下でのロバストな幾何認識一般化のためのFG-ConvNO(Factized Geometry Convolutional Neural Operator)を提案する。
  論文  参考訳（メタデータ） (2026-10-24T05:21:25Z)
• Data-Driven Forward and Inverse Modeling of V-Beam Thermal Sensors [0.764671395172401]
  本稿では,Vビーム熱センサのデータ駆動逆設計のための機械学習フレームワークを提案する。 目的は、所定の温度下で目標変位を達成する最適センサ形状を決定することである。 提案したパイプラインは3000サンプルのデータセットを使用し、変位を予測するために4.76%のMAPEを達成する。
  論文  参考訳（メタデータ） (2026-07-04T12:50:19Z)
• Hybrid Unet-Transformer Model for Generating Stress and Strain Fields from Composite Geometrics [0.0]
  本稿では,複合構造形状画像から直接,複雑な力学場分布を予測するハイブリッドUNet-Transformerアーキテクチャを提案する。 その結果,提案アーキテクチャは,ほとんどのサブデータセットにおいて高い予測性能を達成していることがわかった。
  論文  参考訳（メタデータ） (2026-06-30T02:56:38Z)
• Geometric Operator Learning with Optimal Transport [77.16909146519227]
  複素測地上での偏微分方程式(PDE)に対する演算子学習に最適輸送(OT)を統合することを提案する。 表面に焦点を当てた3次元シミュレーションでは、OTベースのニューラルオペレーターが表面形状を2次元パラメータ化潜在空間に埋め込む。 ShapeNet-Car と DrivAerNet-Car を用いたレイノルズ平均化 Navier-Stokes 方程式 (RANS) を用いた実験により,提案手法は精度の向上と計算コストの削減を図った。
  論文  参考訳（メタデータ） (2025-07-26T21:28:25Z)
• How does ion temperature gradient turbulence depend on magnetic geometry? Insights from data and machine learning [3.5086936665880017]
  磁気幾何学は核融合プラズマにおける乱流輸送のレベルに大きな影響を及ぼす。 我々は、複数の機械学習手法と200,000以上の非線形シミュレーションのデータセットを用いて、この依存を分析した。 畳み込みニューラルネットワーク(CNN)や決定木を含む複数の回帰モデルは、熱流束に対して合理的な予測力を得ることができる。
  論文  参考訳（メタデータ） (2025-02-17T10:48:26Z)
• EM-GANSim: Real-time and Accurate EM Simulation Using Conditional GANs for 3D Indoor Scenes [55.2480439325792]
  実時間電磁伝搬のための新しい機械学習手法(EM-GANSim)を提案する。 実際には、3D屋内環境のあらゆる場所で数ミリ秒で信号強度を計算することができる。
  論文  参考訳（メタデータ） (2024-05-27T17:19:02Z)
• Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
  空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。 どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
  論文  参考訳（メタデータ） (2023-05-03T13:45:40Z)
• A physics and data co-driven surrogate modeling approach for temperature field prediction on irregular geometric domain [12.264200001067797]
  本研究では, 温度場予測のための新しい物理・データ共駆動サロゲートモデリング法を提案する。 数値計算により,本手法はより小さなデータセット上での精度予測を大幅に改善できることが示された。
  論文  参考訳（メタデータ） (2022-03-15T08:43:24Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)

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。