MO-PaDGAN：生成具有多变量性能增强的多样化设计
机器学习
2020-07-10 v1 机器学习
摘要
深度生成模型已被证明在自动设计合成与设计空间探索方面很有用。然而，当应用于工程设计时，它们面临三个挑战：1）生成的设计缺乏多样性，2）难以显式地改善生成设计的所有性能指标，3）现有模型通常不能生成超出训练数据域的高性能新颖设计。为应对这些挑战，我们提出 MO-PaDGAN，其包含一个新的基于行列式点过程（Determinantal Point Processes）的损失函数，用于对多样性和性能进行概率建模。通过一个真实的翼型设计实例，我们证明 MO-PaDGAN 将现有设计空间的边界拓展至高绩效区域，并生成具有高多样性和超越训练数据性能的新设计。
引用
@article{arxiv.2007.04790,
title = {MO-PaDGAN: Generating Diverse Designs with Multivariate Performance Enhancement},
author = {Wei Chen and Faez Ahmed},
journal= {arXiv preprint arXiv:2007.04790},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2002.11304