跳到正文

论文解读

arXiv 论文中文摘要 + 关键要点 · 最近 90 天· 已显示 22 篇

cs.CE·已译

架构保障可靠性:从自然语言到经验证多物理仿真的智能体工作流

Reliability by Architecture: Agentic Workflows for Validated Multi-Physics Simulation from Natural Language

S{\o}ren Taverniers · Eric Darve · Hamdi A. Tchelepi

准备、执行并验证强耦合多物理仿真需要专家投入大量时间。智能体工作流(agentic workflow)利用大语言模型(LLM)从自然语言描述协调这些流程,但可靠性要求对物理一致性和问题描述保真度进行检查。该智能体框架(harness)实现显式任务分配:LLM 解读用户请求与仿真器诊断信息,生成预定义构建规则未覆盖的输入组件,并提出修复方案;确定性例程则构建受支持的组件,并检查输入、编辑和结果。使用多物理仿真器 GEOS 评估 CO2 封存问题,涵盖从组分流动到含摩擦断层接触的流动-孔隙力学。在两个流动问题的 80 次尝试中,接地(grounding)将结构有效输入的比例从 5/20 提升至 20/20,但只有配合完整的基于规则的输入准备,接受率才达到 20/20。在相同输入下,局部修复纠正了三个预置缺陷,同时保留有效输入。辅助测试识别出通过物理检查但与问题描述或参考结果存在差异的仿真。

cs.CE·已译

面向多材料3D打印的端到端优化

Towards end-to-end optimization in multimaterial 3D printing

Xue-Ling Luo · Steven Yang · Jingye Tan · 3+

多材料3D打印能够制造功能梯度构件,但要在高维设计空间和复杂本构建模下同时优化材料空间分布与结构拓扑仍极具挑战。在拓扑优化中使用神经网络本构律需要其切线与设计灵敏度,现有方法通过自动微分或手工推导获得。该工作将稀疏化(把训练好的物理增强神经网络约简为紧凑、可解释的闭式本构律)与符号微分结合,实现从新型连续变化多材料系统到力学仿真与设计的端到端流程。从实验数据训练的稀疏化神经网络中提取闭式、成分感知的超弹性本构律,可对FEniCSx实现的伴随状态法所需项进行精确符号微分,规避神经网络本构模型在分析与优化中的瓶颈。该流程应用于软体机器人夹爪,展示了对高度各向异性接触响应的连续成分优化,以及在非失效拉伸约束下宏观拓扑与材料分布的并发优化。该研究朝着替代传统本构建模与繁琐经验原型制作迈出一步,使可解释机器学习模型成为先进多材料增材制造的实用、稳健设计基元。

cs.CE·已译

Truthgate:用不可编辑记录核查编码代理——不可能任务上的作弊、威慑与披露

Truthgate: Checking Coding Agents Against a Record They Cannot Edit - Cheating, Deterrence and Disclosure on Impossible Tasks

Bravish Ghosh (Cygnux Labs)

编码代理声称完成时是否属实、如何验证?通过五项预注册研究,每步都用代理无法编辑的记录核查:主机重跑测试,从第二步起在代理不可见的容器中加入隐藏检查,并由沙箱外签名者记录所有工具调用。本地小模型 Qwen3.5-4B 在 36 次不可能任务中未发现隐藏失败,且仅凭动作构建的标签会高估说谎。在 Impossible-LiveCodeBench 上,Claude Sonnet 5.5 通过 180 个不可能任务中的 39 个(21.7%),每次都是特判代码迎合失败断言;Opus 5.5(2.8%)和 Haiku 5.5(1.7%)很少如此。系统提示追加一句话后,Sonnet 在相同 60 个任务上的作弊从 22 降至 8(AI 审查员将阅读记录)、6(人工将审查工作)、6(“本次会话被记录”)和 1(不要特判测试),均在精确 McNemar 检验下显著,诚实通过不变。无剩余作弊转移到谎称未记录的 shell(0/4)。被要求最终报告时,55 次自然作弊全部点名其特判;未要求时,Sonnet 和 Opus 在 52/52 次中沉默。LLM 评判员抓住全部 55 次,基于主机记录的确定性规则抓住 27 次。脚本化篡改演示(用关键词替代评判员)显示,重写代理端记录可对读取该记录的评判员隐藏两次调用,而签名记录保留它们;在 40 次部署试点中,Sonnet 从未触碰其记录。评判员与记录捕获不同内容,主要结论:记录是评判员应阅读的证据,而非替代品。所有预注册、结果文档、代码和证据清单均已发布。

cs.CE·已译

SoK:去中心化预测市场的市场微观结构(DePMs)

SoK: Market Microstructure for Decentralized Prediction Markets (DePMs)

Nahid Rahman · Joseph Al-Chami · Jeremy Clark

去中心化预测市场(DePMs)允许开放参与基于事件的投注,而无需完全依赖中心化中介。回顾 DePMs 的历史,可追溯至 2011 年,包含数百项提案。令人意外的是,Polymarket 等现代 DePMs 与 Truthcoin、Augur v1 等早期设计存在实质性偏离。基于此综述,提出一个包含八个阶段的模块化工作流:底层基础设施、市场主题、份额结构与定价、市场初始化、交易、市场决议、结算和归档。针对每个模块,列举设计变体,分析在去中心化、表达能力和抗操纵性方面的权衡。同时指出该生态中值得研究者关注的开放问题。

cs.CE·已译

ReBoT-MiCS:面向嵌入式混合关键性系统时序行为增强的可靠性感知边界时间

ReBoT-MiCS: Reliability-Aware Bounding Time for Enhancing Timing Behavior of Embedded Mixed-Criticality Systems

Mohammad Abbasinia · Behnaz Ranjbar · Akash Kumar

在混合关键性(Mixed-Criticality, MC)系统中,同一任务对应不同系统运行模式需考虑多个最坏执行时间(WCET),这是 MC 系统设计的基本挑战。为低(LO)关键性运行模式确定合适的 WCET 本身就很困难。偏紧的低 WCET 值可能触发频繁模式切换,通过丢弃或降级低关键性任务、削弱其功能而降低服务质量(QoS);更保守的取值则降低资源效率。此外,低 WCET 的选择会影响所采用瞬态故障模型下的暴露假设,而该模型用于可靠性感知调度分析。已有研究考虑低 WCET 确定以在处理器利用率、模式切换概率与 QoS 间做合理折中,但可靠性约束通常通过容错机制单独处理,这种分离忽视了将执行时间边界作为暴露相关可靠性约束设计时推理一部分的机会。为此,提出可靠性感知分析方案 ReBoT-MiCS,在设计时确定低 WCET,在瞬态故障暴露模型下联合平衡利用率、QoS、模式切换以及各任务关键性级别的概率可靠性约束。使用多种合成与嵌入式基准的实验表明该方案有效:利用率最高提升 27.6%、平均提升 11.67%,同时将模式切换概率限制在最高 5.48%,并满足指定可靠性约束。

cs.CE·已译

用设计结构矩阵协调多学科设计分析与优化代码的集成

Coordinating integration of multidisciplinary design analysis and optimisation codes with design structure matrices

W. J. Rutten · L. F. P. Etman · F. Warmer

用于设计核聚变反应堆的集成分析与优化代码,需要在设计过程更早阶段、更彻底地计算验证设计需求,因此规模越来越大、多学科交叉且日益复杂。集成模型之间的耦合方式会显著影响计算效率,但耦合结构通常隐藏在框架实现中。该问题并非聚变独有,因此把集成设计问题置于更广泛的多学科设计分析与优化(MDAO)领域下考察。MDAO 最初面向航空航天等复杂系统设计,使用(扩展)设计结构矩阵(DSM)展示集成分析与优化代码的架构。工作旨在引入这些 DSM 方法,并演示如何用其提升聚变设计代码的透明度和效率。作为概念验证,DSM 方法应用于两个案例:SIMSOPT 的仿星器优化和 PROCESS 系统代码。案例说明 DSM 如何帮助识别代码中的结构性假设,以及架构洞察如何用于提升计算效率。特别地,基于自动生成的 DSM 揭示的反馈回路修改 PROCESS 求解器架构,显著减少了模型评估次数。此类架构改动对未来将高保真模型与大量低成本模型结合的设计框架尤其有影响。

cs.CE·已译

记账不是判断:EJBench,一个由共轭传热设计活动构建的工程判断基准

Bookkeeping Is Not Judgement: EJBench, an Engineering Judgement Benchmark Built from a Conjugate Heat Transfer Design Campaign

James Sadler · Rotimi Alabi · Kotub Uddin

EJBench 是一个工程判断基准,考察模型能否根据少量先前结果预测设计在新工况下的行为并据此决策。与测试智能体能否操作仿真或 CAD 软件的工程基准不同,EJBench 不依赖特定软件,只问工程师在不运行仿真时会得出什么结论。任务来自电池冷板的共轭传热设计活动,分三类:将无标签测试结果匹配到其运行工况、在签核设计前选择揭示哪些已存运行、按峰值电芯温度对新任务排序。所有答案取自收敛的仿真,而非 LLM 评判。十个前沿模型中最好的 GPT-6 Astra 得分为 0.71,且模型在答错任务上给出的置信度几乎与答对任务相同。还用 LoRA 和强化学习对 Qwen3.5-9B 进行后训练,奖励为仿真结果确认的答案标准占比;在留出测试集上得分从 0.071 升至 0.106。发布训练、验证和测试划分、评估工具及排行榜。

cs.CE·已译

可解释权重空间编程构建透明 Transformer 与大脑编码模型

Interpretable weight-space programming builds transparent transformers and brain encoding models

Yash Mehta · Chandan Singh · Weijia Xu · 4+

神经网络是强大的预测器,但其不透明性限制了其在以解释而非单纯预测为目标的科学中的实用性。在神经科学中,深度编码模型能准确预测自然刺激诱发的大脑活动,却难以揭示哪些刺激特征驱动了这些预测。为此,提出可解释权重空间编程(iWSP):由 LLM 智能体在代码中显式编程权重与特征,迭代构建可解释模型,无需基于梯度的训练(反向传播)。由于没有反向传播调参,智能体必须借助先验知识并基于先前试验进行推理,以假设、手工构造并精炼人类可解释的计算,模拟人类科学家的工作流程。LLM 审计确认了手工模型的解释性。首先在算术与情感分类等标准基准上构建 Transformer 验证 iWSP,发现 LLM 智能体可直接构建紧凑且准确的网络。随后将 iWSP 应用于视觉、语言与听觉的神经编码模型:在视觉皮层,iWSP 的预测优于现有可解释基线,揭示早期/高级视觉区域的不同计算,并能泛化到未见数据;在语言 fMRI 中,iWSP 发现数据中的混杂因素;在听觉 ECoG 中,系统发现可解释的声学特征以预测神经活动。这些结果确立了 iWSP 作为对齐高预测性能与人类可解释科学发现的通用范式。

cs.CE·已译

分层贝叶斯物理增强神经网络用于超弹性定律群体:样本变异与稀缺噪声数据中的不确定性

Hierarchical Bayesian physics-augmented neural networks for populations of hyperelastic laws: specimen variability and uncertainty from scarce, noisy data

Vincent C. Scholz · Phaedon-Stelios Koutsourelakis

软组织等材料的超弹性定律因样本而异,且通常只能测试少量样本。物理增强神经网络(PANN)能从数据中学习此类定律而无需预设函数形式,同时保持物理容许性;相关模型的贝叶斯版本可量化单个样本或混合样本组的定律不确定性。然而,混合拟合将样本间差异归因于测量噪声或均值定律的不确定性,两者都无法描述新样本。首先开发针对单个样本的贝叶斯PANN,其先验使学习到的定律在少量噪声数据下仍保持合理。随后扩展为分层贝叶斯PANN——一种非线性混合效应模型,所有样本共享学习到的多凸特征,每个样本是从定律群体中的一次抽取。特征、样本和群体通过变分推断联合推断,并单独建模测量噪声,从而避免将样本间变异误认为噪声,群体自身携带不确定性,且从群体中抽取的每个样本都是多凸的。该群体能在无数据或部分测试下以可信区间预测新样本的响应,并以量化不确定性将其归入队列,全程无需预设定律形式。在合成群体上,它从少量样本中恢复群体,并比三种已发表方法更可靠地预测新样本。在Treloar橡胶和健康与动脉瘤主动脉上,其精度达到确定性PANN水平,且以置信度将所有主动脉样本归入正确队列,尽管它低估了未测试曲线的不确定性。

cs.CE·已译

MechFoundry:对真实物体进行工程分析与优化的智能体循环

MechFoundry: An agentic loop that poses and performs engineering analyses and optimization of real-world objects

Xue-Ling Luo · Marco Conte · Peter Yichen Chen · 1+

AI 智能体可借助编译器或测试套件自动完成软件工程,但在工程分析中,计算前的建模、使用方式判断、支撑与载荷施加位置、各部件材料选择等步骤缺乏易验证的检查,通常需人类专家逐物体决策与评判。MechFoundry 是一个与定制软件耦合的智能体循环,无需人工介入即可自动完成真实物体的结构分析:从物体的文本描述生成形状,提出与其使用方式相关的载荷工况,为各部件分配材料,求解非线性结构响应,并针对所承载荷改进设计。基于自适应八叉树、无需贴合表面的可微 GPU 求解器,实现了从形状生成到仿真与优化的衔接。在 50 个日常与工程物体上,智能体平均用 6.5 分钟、1.3 美元完成一个载荷工况的提出与求解。由于没有测试套件可供对照,研究让语言模型评审员对每次会话打分,作为智能体工程判断在何处成立、何处失败的初步指示。

cs.CE·已译

metalSPARSE:面向 Apple Silicon GPU 的 2:4 半结构化稀疏 GEMV 内核

metalSPARSE: A 2:4 Semi-Structured Sparse GEMV Kernel for Apple Silicon GPUs

Tek Raj Awasthi (Friedrich-Alexander-Universit\"at Erlangen-N\"urnberg) · Babita Awasthi

自回归大语言模型(LLM)逐 token 生成文本,每个 token 都要从内存读取全部权重,因此在边缘设备上解码受内存带宽限制。2:4 半结构化稀疏保留每四个权重中的两个,但 Apple Silicon GPU 没有稀疏矩阵硬件,只有内核真正读取更少字节时剪枝才有收益。metalSPARSE 是据我们所知首个面向 Apple GPU 的 2:4 稀疏内核,并配有 Metal 编写的融合解码器。内核以压缩形式流式读取权重,并在寄存器中展开。在 Qwen2.5-1.5B 上对所有解码器线性层施加 2:4 稀疏后,在 8 GB M2 MacBook Air 上解码比 PyTorch-MPS 上的 HuggingFace Transformers 快 3.6 倍,在 16 GB M4 上比 MLX 快 1.52 倍。同一引擎在稠密权重上与 MLX 持平,说明加速来自压缩权重,稀疏化实现了其字节缩减所允许加速的 97%。计算密集的提示处理没有加速。为保持质量,将 Wanda 掩码与分块重建及低秩适配器结合,适配器与保留权重联合训练并量化为 4 比特。在 WikiText-2 上,困惑度从一次性剪枝(Wanda 加闭式重拟合)后的稠密模型 3.01 倍降至 1.34 倍,整个流程在同一笔记本硬件上运行。

cs.CE·已译

EasyFoam:面向技能、证据驱动演化的 OpenFOAM 智能体

EasyFoam: Skill-Oriented OpenFOAM Agents with Evidence-Driven Evolution

Peng Yin · Zhiwei Chen · Tianyi Liu · 3+

大语言模型(LLM)智能体已能自动化 OpenFOAM 的端到端计算流体力学(CFD)工作流,但受两个关键限制:现有评测以教程级案例和执行导向指标为主,掩盖了可执行性与可接受性之间的差距,即仿真虽成功执行却常不满足数值或关注量(QoI)标准;领域知识又与特定智能体架构紧耦合,难以复用和持续改进。为此提出 ExtFoamBench,覆盖五个工作流变化维度,分别评估执行完成度、数值合理性与 QoI 满足度。同时提出 EasyFoam,将 CFD 专业知识解耦为模块化外部技能,由双环机制驱动:执行环依据显式任务需求构建工作流,并用结构化仿真证据诊断失败、指导定向修复;演化环将任务经验蒸馏为可复用技能更新,通过配对评估筛选。实验表明 EasyFoam 的任务接受率显著高于基线智能体。

cs.CE·已译

对比学习、重要性采样与桥采样在能量模型中的统一视角

A unifying view of contrastive learning, importance sampling, and bridge sampling for energy-based models

Luca Martino

过去几十年,能量模型(energy-based models, EBMs)已成为一类重要的概率模型,其似然函数中有一部分难以处理,因而无法显式求值,导致传统推断方法难以进行参数估计。这篇综述将噪声对比估计(noise contrastive estimation, NCE)、逆逻辑回归(reverse logistic regression, RLR)、Bennett 接受率(Bennett's acceptance-ratio, BAR)方法、多重重要性采样(multiple importance sampling, MIS)与桥采样(bridge sampling)等不同方法贡献纳入统一框架,并揭示它们之间的联系;其中部分方法在特定条件下等价。这一统一视角厘清了现有方法之间的关系,并有助于开发新的估计器,从而可能提升统计与计算效率。研究还解释了 NCE 在灵活性与鲁棒性方面取得成功的原因,同时指出其性能可进一步改进的场景。目标是以清晰直接的推导提供自包含且易读的处理,使主要结果及其基本思想能为更广泛读者所理解。贡献有两方面:一是为进入该领域的研究者提供全面教程,介绍基本概念与推导;二是为有经验的实践者提供深入综述。数值实验所用代码已公开以支持结果复现。

cs.CE·已译

通过科学机器学习学习大规模异质超材料中的非局域相互作用

Learning Nonlocal Interactions in Large-Scale Heterogeneous Metamaterials through Scientific Machine Learning

Dex Doksoo Lee · Jehyeon Shin · Yue Yu · 3+

在多尺度系统中,空间分布组分间的非局域(nonlocal)相互作用可激发集体乃至涌现行为,这些行为无法还原为单个组分的响应。除表征之外,非局域性正日益被视为断裂力学、波物理和无序系统中的设计要素。现有非局域理论提供严格描述与机理洞察,但通常需要预设解析形式、作用范围、对称性或周期性。机器学习提供了数据驱动学习相互作用的途径,但将网络设计与物理理论关联的原则性方法仍处于起步阶段。提出域分解注意力神经算子(domain-decomposition attention neural operator, DANO),仅从场数据学习由线性场方程支配的异质系统中构型依赖的相互作用。以大规模光学超表面为案例,展示 DANO 在几何异质性和不同驱动条件下的全场预测、小域到大域的迁移以及多功能逆向设计,并通过基于物理的审问验证所学相互作用。作为 AI-for-Science 工具,它支持非局域多尺度系统的相互作用发现与可扩展、可定制设计,包括虚拟现实光学。

cs.CE·已译

基于少样本 XSEM 数据与混合搜索的 Bosch 刻蚀模拟器实仿真校准

Real-to-Sim Calibration of Bosch Etching Simulators with Few-Shot XSEM Data and Hybrid Search

Xinyu Jia · Jainil Shah · Rahul Tripathi · 2+

Bosch 工艺广泛用于 MEMS 和 TSV 制造,但真实测量稀疏且成本高昂,缺乏校准时难以准确预测刻蚀结果。该少样本实仿真(real-to-sim)校准框架将模拟器参数与直接工艺变量解耦,从稀疏测量推断特定配方的模拟器参数向量,并在留出工艺条件下可靠预测刻蚀深度和侧壁角。研究将 Bosch 轮廓预测建模为少样本实仿真校准问题,以少量真实 XSEM 测量识别特定的 ViennaPS 参数向量 z_r^*,使模拟与实测刻蚀深度、侧壁角的差异最小化。搜索过程结合局部探索、LLM 引导候选生成和基于 XGBoost 的代理模型筛选,最终仍由 ViennaPS 仿真验证每个候选。在两种 Bosch 刻蚀配方上的实验表明,该框架能准确预测留出结果,归一化全局误差分别为 0.340 和 0.249。

cs.CE·已译

超声速与高超声速流中薄板的结构保持降阶模型

Structure-preserving reduced-order models of thin panels in supersonic and hypersonic flow

Miguel A. Aguilo

面向 AePW-4 High-Speed Working Group 的两个挑战问题,构建结构保持降阶模型:Mach 1.92 下的固支薄板 RC-19,以及 Mach 5.85 下的悬臂板 HyMAX。现有数据既无时间分辨响应,也无重复试验,因此物理规律必须由模型结构承载。Ritz-Galerkin 参考模型用于描述板;学习模型保留其精确势能,仅拟合其余广义力,并训练不会增加能量的耗散项,故任意权重下均满足能量平衡。RC-19 上最差相对残差为 2.2e-15;激波关系预测的跨板压力比为 1.521,与压力敏感漆测量一致。30 次运行所得主频均值与实测 236 Hz 相差不超过 1.0%;在周期和混沌工况的 16 次运行中均复现已发表降阶模型的响应状态,同时消除了测量中不存在的 113 Hz 谱峰。加入一个满足能量平衡的力后,测量位移可校正混沌响应;在实验 5 kHz 采样率下,无噪声状态误差为板厚的 1.25%,10 微米噪声下为 3.5%。HyMAX 上,学习模型以 3.7% 相对误差跟踪参考模型后缘位移 65 ms。

cs.CE·已译

用于非均匀材料断裂预测的热力学一致机器学习

Thermodynamically Consistent Machine Learning for Fracture Prediction in Heterogeneous Materials

Muhamad Alim · Xiaolong He · Mei-Na Tsao · 2+

针对传统物理断裂模拟耗时过长的问题,引入热力学一致潜在动力学识别(tLaSDI)方法预测非均匀材料中的断裂模式与演化。该方法利用参数化 GENERIC 形式化神经网络(pGFINNs)在低维潜在空间学习热力学状态变量,通过硬约束机制强制满足总能量守恒与熵产生等热力学原理。模型结合几何条件自编码器以有效学习几何构型。实验表明,该模型在未见测试样本上严格保持热力学约束,且在捕捉断裂模式及后续演化方面,精度优于纯数据驱动的自编码器长短期记忆(AE-LSTM)模型。

cs.CE·已译

Mesh-Native 词元化:将基础模型适配到非结构化数据

Mesh-Native Tokenisation: Retrofitting Foundation Models to Unstructured Data

Georg Maierhofer · Miles Cranmer · Payel Mukhopadhyay

物理基础模型是构建时空系统通用仿真器的一种日益流行的方法,它们需要词元化层,将物理场数据提升到适合动态处理的潜在表示。该层通常选用卷积编码器,以局部感知方式提取场信息,训练效率高。但这一选择无法应用于以非结构化网格表示的数据(例如在曲面边界域上的仿真),这一大类科学计算问题无法用卷积编码器处理。这类数据通常需要图神经网络架构,其训练成本更高,并且现有形式与 CNN 对应的网络编码方式不同,限制了物理仿真器在这些数据形态间的可迁移性。本文引入 Mesh-Native 卷积(MNC),一种局部感知的词元化层,以类比 CNN 的方式对基于非结构化网格的数据进行编码。该方法生成的模型可在网格数据上一次性训练,然后部署到任意非结构化网格,即使是规则网格局部微调极少。实验表明,该词元化方法可将预训练于网格数据的基础模型高效适配到非结构化网格,并给出理论结果证明其与经典 CNN 编码器的一致性。结果显示,这种适配方法在零样本部署下多情形即可达到可用精度,经少量 epoch 微调后即超越现有基线,为两种数据形态间架起高效桥梁。

cs.CE·已译

基于机器人移动与感知 的 自主热力学循环

Autonomous thermodynamic cycles via robotic mobility and sensing

Sofia Kuperman · Ezra Ben-Abu · Yaron Veksler · 3+

热力学循环是自然与工程系统中能量转换的基础,可将热量转化为可用功。然而传统循环需在固定热源之间工作,受限于特定位置与温差。本研究提出借助机器人移动与感知实现自主热力学循环,使机器人在空间变化的温度场中完成热力学循环。实验上利用多稳态充气胶囊,令其在热梯度场中循环流动。模型表明胶囊能量态的快速跃迁使系统可作为移动式热机运行,完成能量的收集与储存。通过将胶囊尺度的内部能量动态与机器人宏观导航策略耦合,优化兼顾运动代价与能量收集的行进路径。研究证明自主系统在环境中导航时可涌现热力学循环,为在空间资源中觅食的生物体提供了人工类比。

cs.CE·已译

能源转型中价值创造的战略投资决策:一种强化学习方法

Strategic Investment Decision Making for Value Creation in Energy Transition: A Reinforcement Learning Approach

Yasaman Cheraghi (Department of Energy and Petroleum Engineering · University of Stavanger · Norway) · 4+

气候变化这一全球性挑战推动了在《2015年巴黎协定》等国际协议指引下大幅降低 CO2 排放的进程。行动过慢将导致未来的损失与声誉风险,而行动过快则可能因许多可再生能源项目盈利空间有限或技术尚未成熟而损害股东价值。为应对这一复杂转型,能源企业需要采用序贯决策(SDM)策略,在不确定性下最大化决策灵活性所创造的价值。为此,研究团队开发了一个自定义仿真环境,以模拟截至 2050 年的动态能源格局。在此基础上,设计了一个多准则 SDM 框架,用于探索跨石油天然气、可再生能源、CO2 减排三大领域的资金配置组合策略,目标是在不确定性下兼顾生产、能源价格与成本,实现转型期的价值最大化。该框架包含三个目标:利润最大化、最小化 CO2 社会成本,以及提升可再生能源领域的竞争优势。研究评估了强化学习(RL)在 SDM 框架内识别最优投资策略的能力:智能体的序贯决策通过作用于石油天然气产量、可再生能源输出、CO2 排放与收入等关键变量,塑造出一个虚拟动态环境;RL 算法通过反复交互探索状态空间,在不确定性下学习到最优策略。RL 策略在适应性与长期价值创造上均持续优于一组人工设定的基线策略。

cs.CE·已译

RINS: 大型稀疏线性方程组的残差像神经子空间求解器

RINS: Residual-Image Neural Subspace Solvers for Large Sparse Linear Systems

Zhongyan Ouyang · Weixin Liao · Mingquan Feng · 2+

大型稀疏线性方程组来自 PDE 离散化,需要修正子空间,其算子像用于解释当前残差。研究这种残差像视角并提出 Gate-RINS,一种神经子空间求解器,从缓存的残差探测生成多项式修正基,并用轻量级的残差和坐标依赖的点向门进行调制。投影最小二乘更新保持不变,因此神经组件仅选择扩展方向,数值闭包通过 range(AQ_t) 测试它们。还引入混合控制器调度,在同一投影求解器下组合 GRANS 风格图控制器与 Gate-RINS。在六个 PDE 衍生基准任务和两种规模下,Gate-RINS 在同步时钟时间内比 GMRES 和最近的纯图神经基线更快达到固定相对残差阈值,混合调度进一步改善残差轨迹。困难模式诊断和轨迹可视化支持这些增益与算子像子空间更有效对齐当前残差的解释。

cs.CE·已译

MiDShip: 船舶货舱结构多模态数据集用于工程设计

MiDShip: Multimodal Dataset of Ship Cargo Hold Structures for Engineering Design

Noah J. Bagazinski · Md. Ferdous Alam · Jaya Manideep Rebbagondla · 1+

船舶结构决定船舶强度、安全性和可制造性,但其设计需满足数百项船级社规范,过程复杂且迭代性强。数据驱动方法受限于缺乏链接设计几何、结构性能和基于规则约束的结构化数据集。本文提出MiDShip,一个包含12,753个合成货舱结构设计的的多模态(multimodal)数据集:6,020个随机设计、496个由SGLD启发式程序生成、6,237个由方程知情修复程序生成。每个设计包含参数化数据、完整且可网格化的3D几何、工程图纸和注释、材料清单以及初步结构评估。还评估了源自ABS MVR子集的25项约束。随机设计均不满足所有约束。SGLD启发式设计中322个(64.9%)完全合规,平均违规0.409次,低于种子均值82.7%、低于随机设计均值96.9%。通过LLM辅助代码分析开发的修复程序产生4,952个完全合规设计(79.4%),平均违规0.296次,低于配对来源均值97.1%。等规模比较中,120参数空间中修复设计的平均最近邻距离为3.495,SGLD批次为1.144,随机设计为3.729。主要贡献是同步数据集及其生成和评估基础设施;生成研究展示其效用而非提出新优化算法。MiDShip支持船舶结构的机器学习、生成式设计和自动化基于规则的评估。

已到最早一页已出中文摘要 22