Optimized Fish Locomotion using Design-by-Morphing and Bayesian Optimization
Notice bibliographique
Résumé
Nature has always inspired scientists and engineers to understand the underlying mechanism leading to optimal design in bio-inspired dynamics. This study presents a computational framework for optimizing undulatory swimming profiles using a combination of Design-by-Morphing and Bayesian optimization strategies. The swimming profile are expressed by morphing five baseline bio-inspired profiles using Design-by-Morphing to create an exploratory design space. The optimization objective is to find the optimal swimming profile, wavelength and undulation frequency to maximize propulsive efficiency. The optimized swimming profiles demonstrate a marked improvement in propulsive efficiency relative to the reference anguilliform and carangiform modes. The best-performing optimized cases achieve peak efficiencies in the range of 49-57\% over a broad range of kinematic conditions, representing an overall enhancement of 16-35\% compared to reference anguilliform and carangiform modes. The improved performance is attributed to favorable surface stress distributions and enhanced energy recovery mechanisms. A detailed force decomposition reveals that the optimal swimmer minimizes resistive drag and maximizes constructive work contributions, particularly in the anterior and posterior body regions. Spatial and temporal work decomposition indicates a strategic redistribution of input and recovered energy, enhancing performance while reducing energetic cost relative to propulsive force. These findings demonstrate that morphing-based parametric design, when guided by surrogate-assisted optimization, offers a powerful framework for discovering energetically efficient swimming gaits, with significant implications for the design of autonomous underwater propulsion systems and the broader field of bio-inspired locomotion.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».