[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Graph Neural Network Surrogates for Contacting Deformable Bodies with Necessary and Sufficient Contact Detection

Created by
  • Haebom

作者

Vijay K. Dubey (The University of Texas at Austin), Collin E. Haese (The University of Texas at Austin), Osman G ultekin (The University of Texas at Austin), David Dalton (University of Glasgow), Manuel K. Rausch (The University of Texas at Austin)

概要

本論文は、機械工学における非線形境界値問題の迅速な推論のための代理モデリング、特に変形可能な物体の接触を含むアプリケーションに焦点を当てています。既存の方法は、剛体接触または明確に定義された接触面を有する剛体と延性物体との間の接触に限定されており、十分な条件ではなく必要条件のみを使用する接触または衝突検出フィルタを使用する制限がある。本研究では、連続衝突検出を利用し、変形可能な延性物体間の接触のために設計された十分な条件を最初に組み込むグラフニューラルネットワークアーキテクチャを提示する。バイオ大動脈弁の閉鎖状態予測のような２つのベンチマーク問題に対する性能を試験し、損失関数に追加の接触項を追加することにより、一般化性能が向上する正規化効果を確認した。さまざまな参照ジオメトリを処理できることを示していますが、トレーニング中に高い計算コストが発生し、推論速度の向上との矛盾があります。さまざまなハードウェアアーキテクチャでトレーニングコストと推論速度向上を定量的に分析し、ベンチマーク問題で最大1000倍の速度向上を達成しました。

Takeaways、Limitations

•
Takeaways:
◦
変形可能な延性物体間の接触を考慮した新しいグラフニューラルネットワークアーキテクチャの提示
◦
連続衝突検出と十分条件を統合することによる既存の方法の限界を克服
◦
損失関数に追加の接触項を追加することによるモデルの一般化性能の向上
◦
様々な参照幾何学的形状処理可能。
◦
ベンチマーク問題で最大1000倍の推論速度向上を達成。
•
Limitations：
◦
訓練の過程で高い計算コストが発生しました。
◦
推論速度の向上と訓練コストとの間の相反関係の存在
👍
Made with Slashpage