文献

J-GLOBAL ID：201702235260565728   整理番号：17A1257848

破壊伝搬,流れと輸送の予測のためのグラフの学習【Powered by NICT】

Learning on Graphs for Predictions of Fracture Propagation, Flow and Transport

著者 (6件)： Djidjev Hristo ,  OMalley Daniel ,  Viswanathan Hari ,  Hyman Jeffrey ,  Karra Satish ,  Srinivasan Gowri
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IPDPSW  ページ： 1532-1539  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 微細構造情報がどのように亀裂ネットワークを含む種々の応用のための支配的な物理を支配する重要な役割を果たしている。千相互接続されたサブミクロンスケール骨折の相互作用を解決する計算集約的であり,現在の技術を伴う難治性である。ドメインの粗大化と物理学の単純化は,二種類の通常使用される次善策であるが,これらの方法はしばしばマクロスケール挙動を正確に予測するために重要な特徴を除去した。パラメータおよびモデル不確実性を考慮した伝統的な不確実性定量化(UQ)法は,これらのサブグリッドスケール効果を含まない破壊予測には不充分であることが示されている。破壊ネットワークはグラフによる表現と伝搬コンパクトにできることを根底にある離散構造を持つという事実を利用することによってこのハードルを克服することを提案した。は二つの分離した応用のための二つの分離した考え方 地表下での流動の予測とマクロスケールでの脆性破壊を概説した。最初の方法では,著者らが以前に無視されたマイクロスケール物理の正確なグラフ表現を発見するために期待される。代替法はマイクロスケールでの詳細な物理学を模倣するために機械学習アルゴリズムを用いたであろう。アプローチを用いて得られたワークフローは,既存の方法に比べて二桁の大きさに少なくとも1つのによる記憶および計算的に効率の良いであろう。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 相互作用 ,  ネットワーク ,  学習アルゴリズム ,  *不確実性 ,  相互接続 ,  脆性破壊 ,  簡素化 ,  微細構造 ,  ワークフロー ,  亀裂
準シソーラス用語： マイクロスケール ,  破壊予測 ,  モデルの不確実性 ,  マクロスケール ,  *破壊伝搬 , 【Automatic Indexing@JST】

分類 (1件)： 分子構造  (EB03020Y)

タイトルに関連する用語 (6件)： 破壊伝搬 ,  流れ ,  輸送 ,  予測 ,  グラフ ,  学習