Research reorientation: answers to Yanqi's four questions, reproduction-first plan and division of work
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
1 parent
74723a1494
commit
f92597005c
1 file changed
+70
@@ -0,0 +1,70 @@
|
||||
# 研究方式调整:四个问题的回答与分工(Claude 领队,2026-11-15)
|
||||
|
||||
依据标注:【实证】= 本项目已冻结的结果;【文献·已核】= 本项目以前实际读过原文;【文献·未核】= 只看到摘要、检索摘要或二手转述,数字尚未逐项核对;【推断】= 个人判断。本轮只做阅读和梳理,没有启动任何计算。
|
||||
|
||||
## ① Greif v5 是否是领域里最全面、最难的标杆?与工业现实差在哪里?
|
||||
- 【文献·未核】公开、可下载、几何种类多样的三维注塑仿真数据非常少。
|
||||
- Uglov 等 2021(arXiv 2107.14574)用的是汽车厂的 Moldflow 项目,受保密协议约束,数据不公开。
|
||||
- Lee/Kim/Noh 的 GAT 工作只覆盖牙刷族:20 个几何,每个 100 组工艺;检索摘要显示 4 个牙刷几何、400 组未见工艺组合上填充时间 NRMSE 约 0.0125。
|
||||
- TU Delft 2024 的 GNN 硕士论文、2025 年的 Moldex3D 树模型研究,也都没看到公开数据。
|
||||
- 就目前检索到的范围,Greif v5(Zenodo 18598121,624 件 ABC 几何,Moldflow 3D)很可能是*几何多样性最大的公开三维注塑数据*。这是相对已检索范围而言,不是穷尽检索后的结论。
|
||||
- 【实证 + 推断】但它*不是最难、也不最接近工业*:
|
||||
- 只有一种材料、一种自动工艺,每件一个随机浇口;
|
||||
- 没有流道/热流道,没有多浇口,没有工艺窗口变化;
|
||||
- 我们只用了填充时间(数据里还有其他场,但工艺固定);
|
||||
- ABC 几何是随机 CAD 模型,不是为注塑设计的零件(拔模、壁厚规则等未必满足);
|
||||
- 标签是仿真,不是试模或短射的实测。
|
||||
- 工业真正难的是:同一零件改浇口、改工艺或换材料后结果怎么变(干预泛化),以及熔接线、短射、保压/翘曲这类工程输出。Greif v5 测不到这些。
|
||||
|
||||
## ② 各相关任务的 SOTA 是什么?哪些数字能比?
|
||||
- 这个领域没有公认的统一基准或排行榜(【推断】,基于上面的检索)。下面都只是*代表性方法*,不是在同一协议下比出来的 SOTA。
|
||||
- 多样几何上的填充时间:Greif 等 2024(Composites Part A 185:108340;eikonal 方程 + 快速迭代法 + 空间矩特征 + GBRT/FNN)【文献·已核:方法】。数字【文献·未核】:Greif & Meyer 2026 年翘曲论文摘要称,前作在任意未见几何上的填充模式平均误差小于 5%。度量定义、随机 314/315 划分、v4 数据版本都和我们不同,所以*不能与我们的 7.3% 直接比较*。
|
||||
- 同一族几何下的工艺泛化:Lee/Kim/Noh 的 GAT。数字【文献·未核】为 NRMSE 0.0125,是另一种任务、另一种度量。
|
||||
- 通用神经算子(Transolver、GINO、RIGNO 等):在通用 PDE 基准上很强,但*没有注塑填充上的公开同协议结果*(【推断】)。
|
||||
- 我们的 R2-G24 是 Gre24 的*近似*:距离用四面体边 Dijkstra,不是 eikonal;没有空间矩;数据版本和划分都不同。它*不是复现,不能叫 SOTA*(【实证】,Grok 的审计)。
|
||||
- 结论:现在能做的唯一诚实比较,是先忠实复现 Gre24。先在它自己的协议下对上原文数字,再搬到我们的分组协议。
|
||||
|
||||
## ③ 我们的几种想法从哪里来?哪些是自己的假设?
|
||||
- 体积映射 / 朴素 V*_f:直接来自 Gre24(【文献·已核】)。naive 批次只是重新检验了它。
|
||||
- R2:Gre24 方法的近似版(见上)。
|
||||
- O2 局部几何张量:来源是结构张量 / 局部框架思想,以及薄壁 Hele-Shaw 降维里"局部厚度方向"的物理直觉。*"局部方向读数能提高跨件泛化"是我们自己的假设*,已在 S1/S2/S3-A 被限制。
|
||||
- O1 类型分区:来源是区域分解和局部算子(Huang 等的 SNI/NEST、RIGNO 的区域思想)。*"按几何类型组织能提高泛化"是我们自己的假设*,还没有检验。
|
||||
- 流量竞争图先验:来源是控制体积 / 有限元的 Hele-Shaw 填充模拟(Hieber & Shen 1980 一脉,C-Mold/Moldflow 中面法)【文献·未核:本轮未重读】。我们的图上事件推进是*自己的简化实现*,没过可行性检查。
|
||||
- 神经主干:Transolver(Wu 等 2024,ICML)。我们的训练配方(宽 128、42 轮、直接 t* 目标)是*自己定的*,没有和原作推荐配置核对。
|
||||
|
||||
## ④ AI 的优势用了什么、浪费了什么?接下来怎么改?
|
||||
- 用到了:写代码、严格记账、预注册、逐条核对数字、守住证据。
|
||||
- 浪费了:
|
||||
- 大量轮次花在基础设施上(守护进程、恢复、竞态、预算门);
|
||||
- 太早沿着我们自己的想法(O2、图求解器)迭代;
|
||||
- 没有在一开始就大范围读文献,也没有先忠实复现最强的已有方法;
|
||||
- 上限/可辨识性诊断做得太晚;
|
||||
- 我个人几次把推断写成了结论。
|
||||
- 改法:
|
||||
1. *先读后做*:每个阶段开始前,先出一张文献地图,写明谁做过、用了什么数据和协议、报告了什么数字、有没有代码。
|
||||
2. *先复现再创新*:任何新想法,都要和忠实复现的强基线在同一协议下比较。
|
||||
3. *先做便宜的诊断*:oracle、上限、可辨识性分析放在任何训练之前。
|
||||
4. *仪式和风险相称*:探索性分析用轻量流程;正式比较才用完整守护和托管。
|
||||
5. 每条结论都标明是实证、文献还是推断。
|
||||
|
||||
## 分工(建议,待 TRON 汇总给 Yanqi)
|
||||
- **A. 忠实复现 Gre24(主线)。**
|
||||
- Grok 和 Claude:从原文逐项抽取复现规格,并核对有没有公开代码(包括 Greif & Meyer 2026 是否公开),得到一张差异表。
|
||||
- MoldAstra:数学部分,包括 eikonal 的速度定义、四面体上的快速迭代法 FIM、空间矩的定义。
|
||||
- MeltAstra:实现和执行,只用 CPU。
|
||||
- 验收分两步:先在原文协议下(可行的话用随机划分、原文度量)对上原文数字,与原文的差异逐项解释,数据版本 v4 和 v5 的差别要单列;然后搬到我们 617 件的分组协议,与 R2-G24 在同一协议下对比。
|
||||
- **B. 文献深读(并行,只读不算)。**
|
||||
1. 注塑仿真史:Hele-Shaw 中面法 → 2.5D 双面法 → 全 3D;控制体积 / 有限元;前沿推进;V/P 切换与保压。主读 MoldAstra。
|
||||
2. 注塑和制造领域的机器学习代理模型:Gre24、Greif & Meyer 2026、Lee 等、Uglov 2021、TU Delft GNN、商业 AI 求解器。主读 Grok,Claude 复核。
|
||||
3. 几何与神经算子,以及它们的数据效率:Transolver、GINO、RIGNO、MeshGraphNets、几何感知算子。主读 Claude。
|
||||
4. 数学:eikonal 与快速推进法、自由边界 Hele-Shaw、势流与图拉普拉斯、水平集。主读 MoldAstra。
|
||||
- 每份交付:一页文献地图(方法、数据、协议、数字、代码,以及对我们的启发),所有数字都标明已核还是未核。
|
||||
- **C. 暂停**:在 Greif v5 单工艺填充时间上,继续做局部特征增量和自研求解器。
|
||||
|
||||
## 本轮检索来源(只看了检索摘要,未逐篇细读)
|
||||
- Uglov 等 2021:https://arxiv.org/abs/2107.14574
|
||||
- Greif, Lechner, Meyer 2024(OPUS 全文):https://opus.bibliothek.uni-augsburg.de/opus4/frontdoor/index/index/docId/113920
|
||||
- Greif & Meyer 2026 翘曲论文(OPUS 128422):https://opus.bibliothek.uni-augsburg.de/opus4/frontdoor/deliver/index/docId/128422/file/128422.pdf
|
||||
- TU Delft GNN 代理模型:https://repository.tudelft.nl/record/uuid:991584aa-434e-4282-8f3c-211f9b2466eb
|
||||
- Moldex3D + 树模型(E3S 2025):https://www.e3s-conferences.org/articles/e3sconf/pdf/2025/80/e3sconf_icegc2025_00072.pdf
|
||||
- 铸造充型 FNO:https://cris.fau.de/publications/353231507
|
||||
Reference in new issue
Block a user