【論文紹介】物理モデルから転移学習する製造プロセスのための高速で安価な機械学習

最新AI論文をキャッチアップするAI-SCHOLARへの投稿をご紹介します。

製造プロセスにおいては、新しいプロセスに対して定性的で正確な物理ベースのモデルを開発するための本質的で多大なコストがかかるという重大な課題があります。この問題に対処するために、物理ベースのプロセスモデルから得られた大量の計算コストの低いデータでMLモデルを学習し、その後、コストの高い少量の実験データで微調整を行う、転移学習に基づくアプローチを提案します。提案手法は、モデル開発コストを数年、実験コストを56～76％、計算コストを桁違い、予測誤差を16～24％削減します。