Robust Nonprehensile Object Transportation with Uncertain Inertial Parameters

投稿日: 2025年4月1日 作成者: jarxiv

要約

輸送されたオブジェクトが不確実な慣性パラメーターを持っている場合、ウェイターの問題として知られている非摂取オブジェクト輸送タスク（ロボットがトレイのオブジェクトをある場所から別の場所に移動する必要がある）を検討します。
慣性マトリックスの不確実性を完全に無視したり、小さなパラメーターエラーのみを考慮したりする既存のアプローチとは対照的に、処理できる慣性パラメーターの不確実性の量の限界をプッシュすることに関心があります。
まず、慣性パラメーターの不確実性に堅牢な制約を、最適化ベースのモーション計画フレームワークに組み込んで、オブジェクトを迅速に移動しながらどのように組み込むことができるかを示します。
次に、モーメントリラクゼーションに基づいて境界形状で慣性パラメーターを実現できるように必要な条件を開発し、軌道が実現可能な慣性パラメーターの制約に違反するかどうかを確認できます。
最後に、シミュレーションと実際のハードウェア実験におけるモバイルマニピュレーターでのアプローチを実証します。提案された堅牢な制約は、現実世界で実質的な慣性パラメーターの不確実性を備えた高さ56 cmのオブジェクトを一貫して正常に輸送しますが、ベースラインが輸送中にオブジェクトをドロップします。

要約(オリジナル)

We consider the nonprehensile object transportation task known as the waiter’s problem – in which a robot must move an object on a tray from one location to another – when the transported object has uncertain inertial parameters. In contrast to existing approaches that completely ignore uncertainty in the inertia matrix or which only consider small parameter errors, we are interested in pushing the limits of the amount of inertial parameter uncertainty that can be handled. We first show how constraints that are robust to inertial parameter uncertainty can be incorporated into an optimization-based motion planning framework to transport objects while moving quickly. Next, we develop necessary conditions for the inertial parameters to be realizable on a bounding shape based on moment relaxations, allowing us to verify whether a trajectory will violate the constraints for any realizable inertial parameters. Finally, we demonstrate our approach on a mobile manipulator in simulations and real hardware experiments: our proposed robust constraints consistently successfully transport a 56 cm tall object with substantial inertial parameter uncertainty in the real world, while the baseline approaches drop the object while transporting it.

arxiv情報

著者 Adam Heins,Angela P. Schoellig
発行日 2025-03-31 15:25:40+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | コメントする

Reinforcement Learning for Safe Autonomous Two Device Navigation of Cerebral Vessels in Mechanical Thrombectomy

投稿日: 2025年4月1日 作成者: jarxiv

要約

目的：機械的血栓切除術（MT）の自律システムは、手順時間を短縮し、放射線被曝を最小限に抑え、患者の安全性を高めることを約束します。
ただし、現在の強化学習（RL）方法は、頸動脈にのみ到達し、他の患者の血管に一般化できず、安全性を考慮しません。
頸動脈を越えて脳血管に移動できる安全なデュアルデバイスRLアルゴリズムを提案します。
方法：シミュレーションオープンフレームワークアーキテクチャを使用して、大脳血管の複雑さと、修正されたソフトアクタークリティックRLアルゴリズムを表して、初めてマイクロカテーターとマイクロガイドワイヤのナビゲーションを学習しました。
ガイドワイヤーのチップフォースを統合することにより、患者の安全メトリックを報酬機能に組み込みます。
逆RLは、12の患者固有の血管症例に関するデモンストレーターデータで使用されます。
結果：私たちのシミュレーションは、目に見えない大脳血管内での自律的なナビゲーションが成功し、96％の成功率、7.0秒の手順時間、および0.24 Nの平均力を達成し、提案された1.5 N容器破裂閾値を大きく下回っています。
結論：私たちの知る限り、MT 2デバイスナビゲーションのための提案された自律システムは脳血管に到達し、安全性を考慮し、初めて目に見えない患者固有の症例に一般化できます。
将来の作業により、検証がさまざまな複雑さの維持およびin vitroモデルに拡張されると考えています。
私たちの貢献は、臨床環境でエージェントの展開への道を開いていますが、安全性と信頼性は、新しい方法論を提案する際に考慮すべき重要な要素です。

要約(オリジナル)

Purpose: Autonomous systems in mechanical thrombectomy (MT) hold promise for reducing procedure times, minimizing radiation exposure, and enhancing patient safety. However, current reinforcement learning (RL) methods only reach the carotid arteries, are not generalizable to other patient vasculatures, and do not consider safety. We propose a safe dual-device RL algorithm that can navigate beyond the carotid arteries to cerebral vessels. Methods: We used the Simulation Open Framework Architecture to represent the intricacies of cerebral vessels, and a modified Soft Actor-Critic RL algorithm to learn, for the first time, the navigation of micro-catheters and micro-guidewires. We incorporate patient safety metrics into our reward function by integrating guidewire tip forces. Inverse RL is used with demonstrator data on 12 patient-specific vascular cases. Results: Our simulation demonstrates successful autonomous navigation within unseen cerebral vessels, achieving a 96% success rate, 7.0s procedure time, and 0.24 N mean forces, well below the proposed 1.5 N vessel rupture threshold. Conclusion: To the best of our knowledge, our proposed autonomous system for MT two-device navigation reaches cerebral vessels, considers safety, and is generalizable to unseen patient-specific cases for the first time. We envisage future work will extend the validation to vasculatures of different complexity and on in vitro models. While our contributions pave the way towards deploying agents in clinical settings, safety and trustworthiness will be crucial elements to consider when proposing new methodology.

arxiv情報

著者 Harry Robertshaw,Benjamin Jackson,Jiaheng Wang,Hadi Sadati,Lennart Karstensen,Alejandro Granados,Thomas C Booth
発行日 2025-03-31 14:25:46+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO | コメントする

LLM4FS: Leveraging Large Language Models for Feature Selection and How to Improve It

投稿日: 2025年4月1日 作成者: jarxiv

要約

大規模な言語モデル（LLMS）の最近の進歩は、特に自動化された機能選択のタスクにおいて、意思決定の新しい機会を提供しました。
この論文では、最初にLLMベースの特徴選択方法を包括的に評価し、最先端のDeepSeek-R1、GPT-O3-MINI、およびGPT-4.5をカバーします。
次に、LLMを従来のデータ駆動型メソッドと統合するLLM4FSと呼ばれる新しいハイブリッド戦略を提案します。
具体的には、データサンプルをLLMに入力し、ランダムフォレストやフォワードシーケンシャル選択などの従来のデータ駆動型手法を直接呼び出します。
特に、我々の分析により、ハイブリッド戦略は、LLMSのコンテキスト的理解と、LLMSや従来のデータ駆動型方法を上回ることさえ、優れた機能選択パフォーマンスを実現するための従来のデータ駆動型方法の高い統計的信頼性を活用していることが明らかになりました。
最後に、意思決定におけるアプリケーションの限界を指摘します。

要約(オリジナル)

Recent advances in large language models (LLMs) have provided new opportunities for decision-making, particularly in the task of automated feature selection. In this paper, we first comprehensively evaluate LLM-based feature selection methods, covering the state-of-the-art DeepSeek-R1, GPT-o3-mini, and GPT-4.5. Then, we propose a novel hybrid strategy called LLM4FS that integrates LLMs with traditional data-driven methods. Specifically, input data samples into LLMs, and directly call traditional data-driven techniques such as random forest and forward sequential selection. Notably, our analysis reveals that the hybrid strategy leverages the contextual understanding of LLMs and the high statistical reliability of traditional data-driven methods to achieve excellent feature selection performance, even surpassing LLMs and traditional data-driven methods. Finally, we point out the limitations of its application in decision-making.

arxiv情報

著者 Jianhao Li,Xianchao Xiu
発行日 2025-03-31 14:40:31+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG | コメントする

Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantees via Constrained Mean-Field Reinforcement Learning

投稿日: 2025年4月1日 作成者: jarxiv

要約

Uber、Lyft、Didi Chuxingなどの乗り心地サービスの迅速な拡大は、モバイルアプリケーションを介して柔軟でオンデマンドのモビリティを提供することにより、都市輸送を根本的に再構築しました。
これらのプラットフォームは、その利便性にもかかわらず、重要な運用上の課題、特に車両のリバランスに直面しています。これは、需要と供給の時空間的な不一致に対処するための数千台の車両の戦略的再配置です。
不十分なリバランスにより、ライダーの待機時間が長く、非効率的な車両の利用、およびサービスの不公正な分布が生じ、ドライバーの利用可能性と収入の格差につながります。
これらの複雑さに取り組むために、各車両の正確な位置を明示的に表現し、他の車両の分布によって導かれる連続位置の再配置アクションを採用するスケーラブルな連続状態平均フィールド制御（MFC）および補強学習（MFRL）モデルを導入します。
公平なサービス分布を確保するために、アクセシビリティの制約が最適な制御策定に統合され、地理的地域全体のサービスへの公平なアクセスと運用効率のバランスをとります。
私たちのアプローチは、遷移の固有の確率性、車両ライダーのマッチングの同時発生、車両のリバランスとクルージング、ライダー行動の変動など、現実的な条件を認めています。
重要なことに、私たちは実用的なシナリオをよりよく反映して、等しい供給需要の等量のボリュームの従来の平均場の仮定を緩和します。
深Shenzhenの実際のデータ駆動型シミュレーションを使用した広範な経験的評価は、数万台の車両の規模でのアプローチのリアルタイム効率と堅牢性を示しています。
このコードは、https：//github.com/mjusup1501/mf-vehicle-rebalanceで入手できます。

要約(オリジナル)

The rapid expansion of ride-sourcing services such as Uber, Lyft, and Didi Chuxing has fundamentally reshaped urban transportation by offering flexible, on-demand mobility via mobile applications. Despite their convenience, these platforms confront significant operational challenges, particularly vehicle rebalancing – the strategic repositioning of thousands of vehicles to address spatiotemporal mismatches in supply and demand. Inadequate rebalancing results in prolonged rider waiting times, inefficient vehicle utilization, and inequitable distribution of services, leading to disparities in driver availability and income. To tackle these complexities, we introduce scalable continuous-state mean-field control (MFC) and reinforcement learning (MFRL) models that explicitly represent each vehicle’s precise location and employ continuous repositioning actions guided by the distribution of other vehicles. To ensure equitable service distribution, an accessibility constraint is integrated within our optimal control formulation, balancing operational efficiency with equitable access to the service across geographic regions. Our approach acknowledges realistic conditions, including inherent stochasticity in transitions, the simultaneous occurrence of vehicle-rider matching, vehicles’ rebalancing and cruising, and variability in rider behaviors. Crucially, we relax the traditional mean-field assumption of equal supply-demand volume, better reflecting practical scenarios. Extensive empirical evaluation using real-world data-driven simulation of Shenzhen demonstrates the real-time efficiency and robustness of our approach at the scale of tens of thousands of vehicles. The code is available at https://github.com/mjusup1501/mf-vehicle-rebalancing.

arxiv情報

著者 Matej Jusup,Kenan Zhang,Zhiyuan Hu,Barna Pásztor,Andreas Krause,Francesco Corman
発行日 2025-03-31 15:00:11+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.MA | コメントする

Distributed Fractional Bayesian Learning for Adaptive Optimization

投稿日: 2025年4月1日 作成者: jarxiv

要約

このペーパーでは、すべてのエージェントが共通の未知のパラメーターを使用してローカルコスト関数のみにアクセスできる分散適応最適化問題を考慮しますが、真のパラメーターを共同で推定し、接続されたネットワーク上で最適なソリューションを見つけることを意味します。
このような問題の一般的な数学的枠組みはまだ研究されていません。
分散最適化問題のパラメーターの不確実性に対処するための貴重な洞察を提供し、同時に最適なソリューションを見つけることを目指しています。
したがって、ログ信念の加重平均化を通じて分散された画分ベイジアン学習を利用して、未知のパラメーターの信念を更新するために、分散した分別ベイジアン学習を利用し、最適な解の推定を更新するための分散勾配降下を使用している間、新しい予測を提案します。
次に、適切な仮定の下で、すべてのエージェントの信念と決定変数が、それぞれ真のパラメーターの下でそれぞれ真のパラメーターと最適なソリューションにほぼ確実に収束することを証明します。
さらに、信念シーケンスのサブリン収束率を確立します。
最後に、理論分析を裏付けるために数値実験が実装されます。

要約(オリジナル)

This paper considers a distributed adaptive optimization problem, where all agents only have access to their local cost functions with a common unknown parameter, whereas they mean to collaboratively estimate the true parameter and find the optimal solution over a connected network. A general mathematical framework for such a problem has not been studied yet. We aim to provide valuable insights for addressing parameter uncertainty in distributed optimization problems and simultaneously find the optimal solution. Thus, we propose a novel Prediction while Optimization scheme, which utilizes distributed fractional Bayesian learning through weighted averaging on the log-beliefs to update the beliefs of unknown parameters, and distributed gradient descent for renewing the estimation of the optimal solution. Then under suitable assumptions, we prove that all agents’ beliefs and decision variables converge almost surely to the true parameter and the optimal solution under the true parameter, respectively. We further establish a sublinear convergence rate for the belief sequence. Finally, numerical experiments are implemented to corroborate the theoretical analysis.

arxiv情報

著者 Yaqun Yang,Jinlong Lei,Guanghui Wen,Yiguang Hong
発行日 2025-03-31 15:02:37+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.DC, cs.LG, cs.MA, math.OC | コメントする

NeuRaLaTeX: A machine learning library written in pure LaTeX

投稿日: 2025年4月1日 作成者: jarxiv

要約

この論文では、Neuralatexを紹介します。これは、LaTexで完全に書かれた最初の深い学習ライブラリであると考えています。
LaTexドキュメントの一部として、ニューラルネットワークとその損失関数のアーキテクチャを指定し、トレーニングデータを生成またはロードする方法を定義し、トレーニングのハイパーパラメーターと実験を指定できます。
ドキュメントがコンパイルされると、LaTexコンパイラはトレーニングデータを生成またはロードし、ネットワークをトレーニングし、実験を実行し、数値を生成します。
このペーパーでは、ランダムな100ポイントスパイラルデータセットを生成し、2層のMLPを訓練し、異なるランダムスパイラルデータセットで評価し、プロットと結果の表を生成します。
この論文はコンパイルに48時間かかり、Neuralatexのソースコード全体が論文のソースコードに含まれています。
2つの新しいメトリックを提案します。ラテックス（WIL）メトリックで記述されたメトリックは、純粋なラテックスで記述された機械学習ライブラリの割合を測定しますが、ソースメソッドの紙（Scomiscop）メトリックのソースコードは、紙のソースに含まれる紙の実装の割合を測定します。
私たちは両方のメトリックの最先端であり、ResNetおよびTransformer Papers、PytorchおよびTensorflowライブラリを上回っています。
ソースコード、ドキュメント、ビデオ、暗号詐欺、およびNeuralatexの商業化への投資への招待状は、https：//www.neuralatex.comで入手できます。

要約(オリジナル)

In this paper, we introduce NeuRaLaTeX, which we believe to be the first deep learning library written entirely in LaTeX. As part of your LaTeX document you can specify the architecture of a neural network and its loss functions, define how to generate or load training data, and specify training hyperparameters and experiments. When the document is compiled, the LaTeX compiler will generate or load training data, train the network, run experiments, and generate figures. This paper generates a random 100 point spiral dataset, trains a two layer MLP on it, evaluates on a different random spiral dataset, produces plots and tables of results. The paper took 48 hours to compile and the entire source code for NeuRaLaTeX is contained within the source code of the paper. We propose two new metrics: the Written In Latex (WIL) metric measures the proportion of a machine learning library that is written in pure LaTeX, while the Source Code Of Method in Source Code of Paper (SCOMISCOP) metric measures the proportion of a paper’s implementation that is contained within the paper source. We are state-of-the-art for both metrics, outperforming the ResNet and Transformer papers, as well as the PyTorch and Tensorflow libraries. Source code, documentation, videos, crypto scams and an invitation to invest in the commercialisation of NeuRaLaTeX are available at https://www.neuralatex.com

arxiv情報

著者 James A. D. Gardner,Will Rowan,William A. P. Smith
発行日 2025-03-31 15:05:19+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG | コメントする

Traffic Engineering in Large-scale Networks with Generalizable Graph Neural Networks

投稿日: 2025年4月1日 作成者: jarxiv

要約

大規模なコンピューターネットワークのトラフィックエンジニアリング（TE）は、グローバルスケールクラウドワイドエリアネットワークの迅速な成長またはバックボーンの低地球軌道衛星星座の迅速な成長により、根本的でありながら挑戦的な問題となっています。
従来のTEアルゴリズムのスケーラビリティの問題に対処するために、学習ベースのアプローチが提案されており、最先端の方法よりも効率的な大幅な改善の可能性を示しています。
それにもかかわらず、既存の学習ベースの方法の本質的な制限は、実用的なアプリケーションを妨害します。それらは、多様なトポロジやネットワーク条件にわたって一般化できず、オーバーヘッドの過剰なトレーニングを受け、デフォルトでリンク容量を尊重しません。
このペーパーでは、大規模なネットワークで問題を効率的に解決しながら、多様なネットワーク条件全体で優れた一般化可能性を達成することを学ぶ新しいTEアルゴリズムであるTelgenを提案します。
Telgenは、「最適なTEソリューションを予測する」という問題を「最適なTEアルゴリズムの予測」に変換するという斬新なアイデアに基づいています。これにより、Telgenは古典的な最適なTEアルゴリズムのエンドツーエンドの解決プロセスを学習し、効率的に近似できます。
学習されたアルゴリズムは、正確なネットワークトポロジまたはトラフィックパターンに不可知論されており、任意の入力を考慮して問題を効率的に解決し、目に見えないトポロジと要求に合わせて適切に一般化できます。
最大5000のノードと106のリンクを備えたランダムおよび実際のネットワークでTelgenをトレーニングおよび評価しました。
Telgenは、テストネットワークがトレーニングで最大のノードよりも最大20倍多くのノードを持っていた場合でも、すべての場合に実現可能性を確保しながら、最適性のギャップが3％未満に達しました。
また、古典的な最適ソルバーよりも最大84％の解決時間を節約し、エポックあたりのトレーニング時間を短縮し、最大のネットワーク上の最新の学習アルゴリズムよりも2〜4桁の時間を短縮することができました。

要約(オリジナル)

Traffic engineering (TE) in large-scale computer networks has become a fundamental yet challenging problem, owing to the swift growth of global-scale cloud wide-area networks or backbone low-Earth-orbit satellite constellations. To address the scalability issue of traditional TE algorithms, learning-based approaches have been proposed, showing potential of significant efficiency improvement over state-of-the-art methods. Nevertheless, the intrinsic limitations of existing learning-based methods hinder their practical application: they are not generalizable across diverse topologies and network conditions, incur excessive training overhead, and do not respect link capacities by default. This paper proposes TELGEN, a novel TE algorithm that learns to solve TE problems efficiently in large-scale networks, while achieving superior generalizability across diverse network conditions. TELGEN is based on the novel idea of transforming the problem of ‘predicting the optimal TE solution’ into ‘predicting the optimal TE algorithm’, which enables TELGEN to learn and efficiently approximate the end-to-end solving process of classical optimal TE algorithms. The learned algorithm is agnostic to the exact network topology or traffic patterns, and can efficiently solve TE problems given arbitrary inputs and generalize well to unseen topologies and demands. We trained and evaluated TELGEN on random and real-world networks with up to 5000 nodes and 106 links. TELGEN achieved less than 3% optimality gap while ensuring feasibility in all cases, even when the test network had up to 20x more nodes than the largest in training. It also saved up to 84% solving time than classical optimal solver, and could reduce training time per epoch and solving time by 2-4 orders of magnitude than latest learning algorithms on the largest networks.

arxiv情報

著者 Fangtong Zhou,Xiaorui Liu,Ruozhou Yu,Guoliang Xue
発行日 2025-03-31 15:21:22+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.NI | コメントする

Many-to-Many Matching via Sparsity Controlled Optimal Transport

投稿日: 2025年4月1日 作成者: jarxiv

要約

多目的マッチングは、1つのセットで複数のポイントと別のセットで複数のポイントを一致させようとします。これは、幅広いデータマイニングの問題の基礎です。
最適な輸送（OT）のフレームワークで自然に再起動することができます。
ただし、既存のOTメソッドには、多くのマッチングを達成する能力がないか、満足のいく結果を達成するために正規化パラメーターを慎重に調整する必要があります。
このペーパーでは、多目的なマッチング方法を提案して、1対1のマッチングに変性を防ぎながら、多目的な制約を明示的にエンコードします。
提案された方法は、次の2つのコンポーネントで構成されています。
最初のコンポーネントは、輸送計画の各行と列の一致する予算の制約です。これは、せいぜいポイントに一致できるポイント数を指定します。
2番目のコンポーネントは、変形した$ Q $ -Entropy Remulizationです。これは、一致する予算を最大限に満たすポイントを促進します。
変形した$ q $エントロピーは最初に輸送計画を控えめに提案されましたが、1対1のマッチングへの変性を回避するためにそれを採用します。
ペナルティアルゴリズムを介して目的を最適化します。これは効率的で理論的に収束が保証されています。
さまざまなタスクでの実験結果は、提案された方法が意味のある多目的マッチングを収集することにより、優れたパフォーマンスを達成することを示しています。

要約(オリジナル)

Many-to-many matching seeks to match multiple points in one set and multiple points in another set, which is a basis for a wide range of data mining problems. It can be naturally recast in the framework of Optimal Transport (OT). However, existing OT methods either lack the ability to accomplish many-to-many matching or necessitate careful tuning of a regularization parameter to achieve satisfactory results. This paper proposes a novel many-to-many matching method to explicitly encode many-to-many constraints while preventing the degeneration into one-to-one matching. The proposed method consists of the following two components. The first component is the matching budget constraints on each row and column of a transport plan, which specify how many points can be matched to a point at most. The second component is the deformed $q$-entropy regularization, which encourages a point to meet the matching budget maximally. While the deformed $q$-entropy was initially proposed to sparsify a transport plan, we employ it to avoid the degeneration into one-to-one matching. We optimize the objective via a penalty algorithm, which is efficient and theoretically guaranteed to converge. Experimental results on various tasks demonstrate that the proposed method achieves good performance by gleaning meaningful many-to-many matchings.

arxiv情報

著者 Weijie Liu,Han Bao,Makoto Yamada,Zenan Huang,Nenggan Zheng,Hui Qian
発行日 2025-03-31 15:22:02+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG | コメントする

A Comparison of Parametric Dynamic Mode Decomposition Algorithms for Thermal-Hydraulics Applications

投稿日: 2025年4月1日 作成者: jarxiv

要約

近年、利用可能なデータからモデルを学習することを目的としたアルゴリズムは、2つの要因のために非常に人気がありました。1）人工知能技術の重要な開発と2）大量のデータの利用可能性。
それにもかかわらず、このトピックは、削減された注文モデリングフレームワークに属する方法論によってすでに対処されています。おそらく最も有名な方程式のない手法は動的モード分解です。
このアルゴリズムは、時系列データセットで記述された物理現象を表す最良の線形モデルを学習することを目的としています。その出力は、原則として、元のデータセットをその期間を超えて前進させるために使用できる基礎となる動的システムの最良の状態演算子です。
ただし、標準の定式化では、この手法はパラメトリック時系列を扱うことはできません。つまり、パラメーター実現ごとに異なる線形モデルを導出する必要があります。
これに関する研究は進行中であり、パラメトリック動的モード分解のいくつかのバージョンがすでに存在しています。
この作業は、現在展開されているさまざまなアルゴリズムを比較し、互いにその利点と欠点を評価することにより、この研究分野に貢献します。
この目的のために、3つの異なる熱油圧の問題が考慮されます。2つのベンチマーク「シリンダー上の流れ」テストケースは、それぞれFENICS有限要素ソルバーでデータセットが取得され、CFDBenchデータセットから取得され、インターン型のin inculative for fircuatived for intercid for intercid for intercid for cfdbench Datasetから取得しました。
Relap5 Nodalソルバーを使用してデータセットが生成されたアプリケーション。

要約(オリジナル)

In recent years, algorithms aiming at learning models from available data have become quite popular due to two factors: 1) the significant developments in Artificial Intelligence techniques and 2) the availability of large amounts of data. Nevertheless, this topic has already been addressed by methodologies belonging to the Reduced Order Modelling framework, of which perhaps the most famous equation-free technique is Dynamic Mode Decomposition. This algorithm aims to learn the best linear model that represents the physical phenomena described by a time series dataset: its output is a best state operator of the underlying dynamical system that can be used, in principle, to advance the original dataset in time even beyond its span. However, in its standard formulation, this technique cannot deal with parametric time series, meaning that a different linear model has to be derived for each parameter realization. Research on this is ongoing, and some versions of a parametric Dynamic Mode Decomposition already exist. This work contributes to this research field by comparing the different algorithms presently deployed and assessing their advantages and shortcomings compared to each other. To this aim, three different thermal-hydraulics problems are considered: two benchmark ‘flow over cylinder’ test cases at diverse Reynolds numbers, whose datasets are, respectively, obtained with the FEniCS finite element solver and retrieved from the CFDbench dataset, and the DYNASTY experimental facility operating at Politecnico di Milano, which studies the natural circulation established by internally heated fluids for Generation IV nuclear applications, whose dataset was generated using the RELAP5 nodal solver.

arxiv情報

著者 Stefano Riva,Andrea Missaglia,Carolina Introini,In Cheol Bang,Antonio Cammi
発行日 2025-03-31 15:23:22+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, math.DS | コメントする

Data-driven construction of a generalized kinetic collision operator from molecular dynamics

投稿日: 2025年4月1日 作成者: jarxiv

要約

データ駆動型のアプローチを導入して、分子動力学から一般化された運動衝突オペレーターを直接学習します。
従来の（例：Landau）モデルとは異なり、現在の演算子は、衝突粒子のペアと環境の間の集合的な相互作用から生じる2番目のエネルギー移動を説明する異方性形式を採用しています。
数値的結果は、衝突エネルギー伝達の見落とされがちな異方性の性質を保存することが、Landauモデルが制限を示す陰性相関でプラズマ動態を予測するために重要であることを示しています。

要約(オリジナル)

We introduce a data-driven approach to learn a generalized kinetic collision operator directly from molecular dynamics. Unlike the conventional (e.g., Landau) models, the present operator takes an anisotropic form that accounts for a second energy transfer arising from the collective interactions between the pair of collision particles and the environment. Numerical results show that preserving the broadly overlooked anisotropic nature of the collision energy transfer is crucial for predicting the plasma kinetics with non-negligible correlations, where the Landau model shows limitations.

arxiv情報

著者 Yue Zhao,William Burby,Andrew Christlieb,Huan Lei
発行日 2025-03-31 15:26:06+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.NA, math.NA, physics.comp-ph, physics.plasm-ph | コメントする