×
西德哈特·奈尔;蒂莫西·沃尔什。;格雷格·皮克雷尔;法比奥·塞姆佩洛蒂

网格网：通过几何正则化和物理嵌入深度学习进行散射体的逆形状设计和识别。 （英语） Zbl 07725705号

计算。方法应用。机械。工程师。 414，文章ID 116167，29 p.（2023）.
摘要：本研究提出了一种基于深度学习的声散射体遥感和设计方法。在材料设计或传感方面，确定散射体形状的能力在许多实际工程问题中起着关键作用。这类反问题由于其高维、非线性和不适定性质而极具挑战性。为了克服这些技术障碍，我们引入了一种基于非均匀有理B样条（NURBS）的深度神经网络（DNN）几何正则化方法，该方法能够以简约维表示预测复杂的2D散射体几何。然后，将此几何正则化与物理嵌入学习相结合，并集成到鲁棒卷积自动编码器（CAE）体系结构中，以便在识别和逆设计问题中准确预测2D散射体的形状。为了展示该方法在处理复杂散射体几何形状的同时生成物理一致声场的显著能力，我们进行了广泛的数值研究。该研究还评估并对比了（弱）嵌入物理在DNN预测收敛到物理一致逆设计中所起的作用。

MSC公司：

74S99型 固体力学中的数值方法和其他方法
第74页 固体力学中的优化问题

关键词：

逆散射;深度学习;遥感;材料设计;自动编码器

软件：

ImageNet公司;AlexNet公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Nair}等人，《计算》。方法应用。机械。工程414，文章ID 116167，29 p.（2023；Zbl 07725705）
全文： 内政部 arXiv公司

参考文献：

[1] Wang，Y。；Yagola，A.G。；Yang，C.，计算逆问题的优化和正则化及其应用（2011），Springer
[2] Entekhabi，D。；Nakamura，H。；Njoku，E.G.，通过多频率遥感观测的顺序同化解决土壤水分和温度剖面的反问题，IEEE Trans。地质科学。遥感，32，438-448（1994）
[3] Sigmund，O.，材料和机构拓扑设计中的一些反问题，（IUTAM机械系统优化研讨会，第43卷（1996），Springer），277-284
[4] Kim，K。；Kang，S。；Yoo，J。；Kwon，Y。；Nam，Y。；Lee，D。；Kim，I。；Choi，Y。；Jung，Y。；Kim，S.，基于深度学习的有机分子智能发现逆向设计模型，Npj Compute。材料。，4, 1-7 (2018)
[5] Noh，J。；Kim，J。；斯坦因，HS；Sanchez-Lengeling，B。；Gregoire，JM；Aspuru-Guzik，A。；Jung，Y.，《通过连续表示实现固态材料的逆向设计》，Matter，1130-1384（2019）
[6] 桑塔马丽娜，J.C。；Fratta，D.，《土木工程中离散信号和逆问题导论》（1998），ASCE出版社
[7] 阿尔特彼得，I。；贝克尔，R。；Dobmann，G。；科恩，R。；Theiner，W。；Yashan，A.，电磁无损评估中反问题的鲁棒解，反问题，181907（2002）·Zbl 1092.78509号
[8] 哈丁，G。；弗莱肯斯坦，H。；Kosciesza博士。；Olesinski，S。；斯特雷克，H。；Theedt，T。；齐恩特，G.，《具有多个反向扇形束拓扑的X射线衍射成像：原理、性能和安全屏蔽潜力》，应用。辐射。同位素。，70, 1228-1237 (2012)
[9] 麦克劳德，R.S。；Brooks，D.H.，《心电逆问题的最新进展》，IEEE Eng.Med.Biol。Mag.，17，73-83（1998）
[10] 贝特罗，M。；Piana，M.，《生物医学成像中的逆向问题：建模和解决方法》，（《生物医学中的复杂系统》（2006），Springer），1-33·Zbl 1387.92054号
[11] Yaman，F。；Yakhno，V.G。；Potthast，R.，应用科学反问题调查，数学。问题。工程，2013，1-19（2013）·Zbl 1299.35321号
[12] Wu，R.T。；Jokar，M。；Jahanshahi，M.R。；Semperlotti，F.，声学逆散射问题的基于物理约束的深度学习方法，机械。系统。信号处理。，164，第108190条pp.（2022）
[13] 佩斯托里，R。；佩雷斯-阿拉伯，C。；林，Z。；Shin，W。；卡帕索，F。；Johnson，SG，大面积亚曲面的逆向设计，Opt。快递，26，33732-33747（2018）
[14] 巴亚提，E。；佩斯托里，R。；科尔本，S。；林，Z。；Johnson，秘书长；Majumdar，A.，《具有扩展焦距的反向设计金属传感器》，ACS Photonics，7873-878（2020）
[15] 莫特，K。；Sigmund，O.，拓扑优化方法：比较综述，结构。多磁盘。最佳。，43, 1031-1055 (2013)
[16] 刘，R。；库马尔，A。；陈，Z。；阿格拉瓦尔。；Sundararaghavan，V。；Choudhary，A.，微观结构优化和材料设计的预测机器学习方法，科学。代表，5，11551（2015）
[17] Samareh，J.A.，《高保真多学科形状优化的形状参数化技术综述》，AIAA J.，39，877-884（2001）
[18] Feijóo，G.R。；Oberai，A.A。；Pinsky，P.M.，形状优化在求解逆声散射问题中的应用，逆问题，20，199（2003）·Zbl 1055.35138号
[19] 杜林，M.B。；Jensen，J.S。；Sigmund，O.，《通过拓扑优化进行声学设计》，J.Sound Vib。，317, 3-5, 557-575 (2008)
[20] Koenderink，A.F。；阿卢，A。；Polman，A.，《纳米光子学：收缩光基技术》，《科学》，348516-521（2015）
[21] 莫尔斯基，S。；林，Z。；Piggott，A.Y。；金·W。；武科维奇，J。；Rodriguez，AW，《纳米光子学中的逆向设计》，《自然光子学》，第12659-670页（2018年）
[22] 科尔顿，D.L。；克雷斯，R。；Kress，R.，《逆声和电磁散射理论》，第93卷（1998年），施普林格出版社·Zbl 0893.35138号
[23] 哈巴西，T。；Abubakar，A.，电磁测量反演约束最小化的一般框架，Prog。电动发电机。研究，46，265-312（2004）
[24] 背部，T。；哈梅尔，美国。；Schwefel，H.P.，《进化计算：历史与现状评论》，IEEE Trans。进化。计算。，1, 3-17 (1997)
[25] 傅先生。；格洛弗，F.W。；April，J.，模拟优化：综述、新发展和应用，（冬季模拟会议论文集，2005年第1卷，IEEE），83-95
[26] 钟，Y。；Salucci，M。；Xu，K。；A.波罗。；Massa，A.，解决高度非线性逆散射问题的多分辨率压缩积分方程方法，IEEE Trans。微型。理论技术，68，1234-1247（2019）
[27] 阿布贝克，A。；Van Den Berg，P.M.，作为求解逆问题的乘法约束的总变分，IEEE Trans。图像处理。，10, 1384-1392 (2001) ·Zbl 1037.68768号
[28] 所以，S。；巴德勒，T。；Noh，J。；Bravo-Abad，J。；Rho，J.，《纳米光子学中支持深度学习的逆向设计》，纳米光子术，91041-1057（2020）
[29] 姜杰。；陈，M。；Fan，J.A.，《光子器件评估和设计的深层神经网络》，《自然评论》。，6, 679-700 (2021)
[30] 郭，K。；杨，Z。；Yu，C.H。；Buehler，M.J.，《机械材料设计中的人工智能和机器学习》，马特出版社。水平。，8, 1153-1172 (2021)
[31] 陶，J。；Sun，G.，基于深度学习的多保真代理模型在鲁棒气动设计优化中的应用，Aerosp。科学。技术。，92, 722-737 (2019)
[32] 佩斯托里，R。；Mroueh，Y。；Nguyen，T.V。；Das，P。；Johnson，S.G.，PDE深度替代物的主动学习：在亚表面设计中的应用，Npj Compute。材料。，6, 1-7 (2020)
[33] 张，X。；谢凤。；Ji，T.等人。；朱，Z。；Zheng，Y.，用于气动形状优化的高保真度深度神经网络代理模型，计算机。方法应用。机械。工程师，373，第113485条，第（2021）页·Zbl 1506.74324号
[34] 怀特，D.A。；Arrighi，W.J。；库多，J。；Watts，S.E.，使用神经网络代理模型的多尺度拓扑优化，计算。方法应用。机械。工程，3461118-1135（2019）·Zbl 1440.74319号
[35] 刘，Z。；朱，D。；罗德里格斯，S.P。；Lee，K。；Cai，W.，亚表面逆向设计的生成模型，Nano Lett。，18, 6570-6576 (2018)
[36] 所以，S。；Rho，J.，使用条件深卷积生成对抗网络设计纳米光子结构，纳米光子学，81255-1261（2019）
[37] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，G.E.，《基于物理的神经网络：解决涉及非线性偏微分方程的正问题和逆问题的深度学习框架》，J.Compute。物理。，378, 686-707 (2019) ·Zbl 1415.68175号
[38] 陈，Y。；卢，L。；Karniadakis，G.E。；Dal Negro，L.，《纳米光学和超材料反问题的物理信息神经网络》，Opt。快递，2811618-11633（2020）
[39] 卢，L。；佩斯托里，R。；姚，W。；王，Z。；Verdugo，F。；Johnson，SG，Physics-informated neural networks with hard constraints for inverse design，SIAM J.Sci.《逆向设计的硬约束物理信息神经网络》。计算。，43，B1105-B1132（2021）·Zbl 1478.35242号
[40] 基萨斯，G。；Yang，Y。；Hwuang，E。；Witschey，WR；Detre，JA；Perdikaris，P.，《心血管血流建模中的机器学习：使用物理信息神经网络从无创4D流MRI数据预测动脉血压》，计算机。方法应用。机械。工程师，358，第112623条，第（2020）页·Zbl 1441.76149号
[41] Raissi先生。；亚兹达尼，A。；Karniadakis，G.E.，《隐藏流体力学：从流动可视化中学习速度和压力场》，《科学》，3671026-1030（2020）·Zbl 1478.76057号
[42] Krizhevsky，A。；Sutskever，I。；Hinton，G.E.，用深度卷积神经网络进行Imagenet分类，Commun。ACM，60，84-90（2017）
[43] McCann，M.T。；Jin，K.H。；Unser，M.，成像逆问题卷积神经网络综述（2017），arXiv预印本arXiv:1710.04011
[44] 塞卡尔，V。；张，M。；舒，C。；Khoo，B.C.，使用深度卷积神经网络的翼型反设计，AIAA J.，57，993-1003（2019）
[45] 高，N。；王，M。；Cheng，B。；Hou，H.，基于机器学习的声沉的逆向设计和实验验证，应用。灰尘。，180，第108153条pp.（2021）
[46] Maulik，R。；Lusch，B。；Balaprakash，P.，用递归神经网络和卷积自编码器对对流主导系统进行降阶建模，Phys。流体，33，第037106条pp.（2021）
[47] 陈，Z。；Yeo，C.K。；Lee，B.S。；Lau，C.T.，基于自动编码器的网络异常检测，（2018年无线电信研讨会。2018年无线通信研讨会，WTS（2018），IEEE），1-5
[48] 穆萨维，S.M。；朱伟。；埃尔斯沃思，W。；Beroza，G.，《使用深度卷积自动编码器对地震信号进行无监督聚类》，IEEE Geosci。遥感快报。，16, 1693-1697 (2019)
[49] 杨，C。；蔡，R。；Pham，B。；金·B。；Kawagoe，Y。；Ho，D。；梁，J。；奈特，MW；Raman，AP，使用生成深度学习的多个光子结构类的全局逆向设计，Adv.Opt。材料。，9，第2100548条，第（2021）页
[50] 马伟（Ma，W.）。；Kruth，J.P.，《逆向工程中的NURBS曲线和曲面拟合》，国际先进制造技术杂志。，14, 918-927 (1998)
[51] Saini，D。；库马尔，S。；Gulati，T.R.，基于NURBS的自由形状几何逆重建，J.King Saud。大学-计算机。通知。科学。，29, 116-133 (2017)
[52] 休斯·T·J·R。；Cottrell，J.A。；Bazilevs，Y.，等几何分析：CAD，有限元，NURBS，精确几何和网格细化，计算。方法应用。机械。工程，194，4135-4195（2005）·Zbl 1151.74419号
[53] 巴鲁，A。；纳拉贡达，S。；徐，F。；克里希纳穆尔西，A。；Hsu，M。；Sarkar，S.，《外科生物瓣膜设计和分析的深度学习框架》，科学。代表9，1-12（2019）
[54] 张，W。；Motiwale，S。；Hsu，M。；Sacks，M.S.，《模拟循环载荷下生物假体心脏瓣膜瓣叶的时间演变几何形状、机械特性和纤维结构》，J.Mech。行为。生物识别。材料。，123，第104745条pp.（2021）
[55] 廖，Z。；Wang，Y。；高，L。；Wang，Z.，基于深度学习的四-基因辅助的等几何反设计，合成。结构。，280，第114808条pp.（2022）
[56] Bengio，Y.，《学习人工智能的深层架构》，Found Trends®Mach Learn，2，1-127（2009）·Zbl 1192.68503号
[57] 文森特，P。；拉罗谢尔，H。；Y.本吉奥。；Manzagol，P.A.，用去噪自动编码器提取和组合鲁棒特征，（第25届机器学习国际会议论文集（2008），ACM会议），1096-1103
[58] Nabian，医学硕士。；Meidani，H.，用于增强工程设计和分析的深层神经网络的物理驱动正则化，J.Compute。信息科学。工程，20，第011006条pp.（2020）
[59] 通用电气公司Karniadakis；Kevrekidis，IG公司；卢，L。；佩尔迪卡里斯，P。；王，S。；Yang，L.，《物理告知机器学习》，自然科学出版社。，3, 422-440 (2021)
[60] Fahy，F.J。；Gardonio，P.，《声音和结构振动：辐射、传输和响应》（2007），爱思唯尔出版社
[61] Piegl，L。；Tiller，W.，《NURBS图书》（1996），Springer Science&Business Media
[62] Kim，Y。；Kim，Y。；杨，C。；帕克，K。；顾国新（Gu，G.X.）。；Ryu，S.，《使用主动转移学习和数据增强进行材料设计空间探索的深度学习框架》，Npj Compute。材料。，7, 140 (2021)
[63] 艾特，T。；Mannila，H.，《计算离散傅里叶距离技术报告》，基督教多普勒实验室，技术报告CD-TR 94/64，1-7（1994），基督教多普勒专家实验室…
[64] 杰克尔，C.F。；文特尔，G。；文特尔，M.P。；斯坦德，N。；Haftka，R.T.，《利用逆分析从磁滞回线识别材料参数的相似性度量》，国际期刊Mater。表格，12，355-378（2019）
[65] Tropp，J.A。；迪伦，I.S。；希思·R·W。；Strohmer，T.，《通过交替投影法设计结构紧凑框架》，IEEE Trans。通知。理论，51,1188-209（2005）·Zbl 1288.94021号
[66] 本德索，M.P。；Sigmund，O.，《拓扑优化：理论、方法和应用》（2003），Springer Science&Business Media·Zbl 1059.74001号
[67] Karpatne，A。；Kannan，R。；Knowledge Guided Machine Learning:Accelerating Discovery using Scientific Knowled and Data（2022），库马尔，V.，《知识引导的机器学习：利用科学知识和数据加速发现》，CRC出版社
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。