ICMLSep, 2023

离心压缩机基于热力学模型与主动机器学习相结合的增强型工业设计优化

PDF
TL;DR通过使用回归替代模型的主动学习框架，结合基于热力学的离心压缩机模型和高斯过程模型，以降低计算成本和优化离心压缩机设计的总计算时间。
centrifugal compressorsoptimization processregression surrogate modelsactive learningthermodynamics-based compressor model
发现论文，激发创造
  • 面向工程设计的数据高效代理建模：基于批量模式的深度主动学习回归，无需集成

    提出了一种简单且可扩展的主动学习方法，以在学生 - 教师方式下训练替代模型，以取代使用贝叶斯框架对基于深度神经网络（DNN）的替代模型进行复杂的训练过程，从而利用深度学习的优秀能力来减少计算复杂度，在实践中验证了该方法具有可行性并可用于多个工程设计领域。

    Nov, 2022

  • 通过机器学习支持的多物理仿真优化改进

    这篇论文介绍了一种用于训练、自我优化和自我组织的代理模型方法论框架，用于逼近和加速多物理模拟，通过与两种优化算法和一种综合评估策略的结合训练和优化管道的性能评估，实验证明了代理模型能够准确逼近基础模拟，并使用可解释的 AI 技术分析代理模型并进行预选择策略以确定真实示例中最相关的特征。

    Sep, 2023

  • 利用深度学习构建定制热力学

    基于基本的物理原理，特别重要的是对复杂动态系统进行宏观动力学建模，通过学习化简的热力学坐标和在这些坐标上解释动力学来实现。我们通过在聚合物拉伸和空间流行病的研究中验证了这种方法的有效性，表明我们的方法适用于广泛的科学和技术应用。

    Aug, 2023

  • 使用主动学习的深度模拟模块化多泵

    使用主动学习框架在能源领域内，估计模块化多泵的工作点，尤其是潮汐距离，以达到减少数据采集和提高测量性能的目的。

    Aug, 2022

  • 多级轴流压缩机气动性能顶部间隙变化的深度学习预测

    应用深度学习方法进行物理模拟（如计算流体动力学）在工业上的实际应用受到限制。本文证明了一种基于深度学习框架的实时预测多级轴流压缩机在燃气涡轮中轴向间隙变化对空气动力性能的影响的方法。所提出的 C（NN）FD 架构可扩展到工业应用，并实时达到与 CFD 基准相当的准确性。部署的模型容易集成到燃气涡轮的制造和构建过程中，从而提供了评估性能影响并可能减少对昂贵物理测试的需求的机会。

    Oct, 2023

  • 多目标优化与主动学习完全自主材料设计框架：挑战和下一步

    利用多目标黑盒优化的主动学习过程，在实时流数据和模块化多目标优化软件开发技术支持下，实现了自动化连续流化学实验室的自治操作，为电解质生产提供了理想的制造条件。

    Apr, 2023

  • 微通道换热系数预测的机器学习方法

    本文采用多输出高斯过程回归方法，使用 Brunel 二相流数据库中的高保真实验数据来建立微通道中的两相传热系数模型，并提出了改进该模型在外推方面性能的研究方向。

    May, 2023

  • 高斯过程的计算机代码主动仿真 -- 远程感应应用

    提出一种基于高斯过程的主动学习方法，用于自适应构建模拟代理模型以提高模拟效率和透明度，并通过在近似函数的低密度和波动区域采样来设计采集函数，以实现精度、可分析性和模拟能力的平衡。

    Dec, 2019

  • 通过人工智能，让基于分解的优化摒弃人类干涉：第二部分。学习初始化

    通过机器学习方法学习大规模优化问题的分解式解决方法，从而在计算时间上实现最优初始化，进而用于解决混合整数模型预测控制问题，结果表明该方法能显著减少解决时间并减少所需数据。

    Oct, 2023

  • 面向物理的主动学习在加速量子化学模拟中的应用

    通过使用主动学习 (AL)，可以以经济的时间和资源投入及最少的人工干预构建具有鲁棒数据效率的潜力。实现了构建可靠的数据高效势能，并在牵引谱模拟、生化分子构象搜索和 Diels-Alder 反应的时间分辨机理研究中展示了该协议的多功能性。

    Apr, 2024