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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».