具有张量输入的高斯过程模型及其在3D打印天线设计中的应用
机器学习
2024-07-24 v1
摘要
在基于仿真、使用耗时模拟器的工程设计中，高斯过程（GP）模型被广泛用作快速仿真器以加速设计优化过程。在其最常用的形式中，GP的输入是一个简单的设计参数列表。随着增材制造（也称为3D打印）的快速发展，具有2D/3D空间信息的设计输入在某些应用中变得普遍，例如，像素/体素之间的邻接关系以及异质材料中的材料分布。这些对3D打印设计至关重要的空间信息很难通过现有的具有常见核函数（如平方指数或Matérn）的GP模型来整合。在这项工作中，我们提出将一种广义距离度量嵌入到GP核中，提供了一种新颖且方便的技术，将自由形式3D打印设计中的空间信息纳入GP框架。所提出的方法允许3D打印物体的复杂设计问题利用GP代理模型仿真优化中可用的大量工具，例如设计实验和基于GP的优化（包括贝叶斯优化）。我们研究了所提方法的性质，并通过几个3D打印天线的数值示例说明了其性能。数据集公开于：https://github.com/xichennn/GP_dataset。
引用
@article{arxiv.2407.15877,
title = {Gaussian Process Model with Tensorial Inputs and Its Application to the Design of 3D Printed Antennas},
author = {Xi Chen and Yashika Sharma and Hao Helen Zhang and Xin Hao and Qiang Zhou},
journal= {arXiv preprint arXiv:2407.15877},
year = {2024}
}