Fugu-MT 論文翻訳(概要): Integrating Scientific Knowledge with Machine Learning for Engineering and Environmental Systems

論文の概要: Integrating Scientific Knowledge with Machine Learning for Engineering and Environmental Systems

arxiv url: http://arxiv.org/abs/2003.04919v6
Date: Mon, 14 Mar 2022 01:04:10 GMT
ステータス: 処理完了
システム内更新日: 2022-12-24 20:54:19.900896
Title: Integrating Scientific Knowledge with Machine Learning for Engineering and Environmental Systems
Title（参考訳）: 工学・環境システムのための科学知識と機械学習の統合
Authors: Jared Willard, Xiaowei Jia, Shaoming Xu, Michael Steinbach, Vipin Kumar
Abstract要約: 複雑な科学と工学の問題に対する解決策が、新しい方法論を必要とするという意見の一致はますます高まっている。本稿では,そのような手法について概説する。次に、これらの既存の手法の分類法を提供し、知識ギャップと、規律間の方法の潜在的な相互オーバーを明らかにする。
参考スコア（独自算出の注目度）: 5.23043130762977
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: There is a growing consensus that solutions to complex science and engineering problems require novel methodologies that are able to integrate traditional physics-based modeling approaches with state-of-the-art machine learning (ML) techniques. This paper provides a structured overview of such techniques. Application-centric objective areas for which these approaches have been applied are summarized, and then classes of methodologies used to construct physics-guided ML models and hybrid physics-ML frameworks are described. We then provide a taxonomy of these existing techniques, which uncovers knowledge gaps and potential crossovers of methods between disciplines that can serve as ideas for future research.
Abstract（参考訳）: 複雑な科学と工学の問題に対する解決策には、従来の物理に基づくモデリングアプローチと最先端の機械学習(ML)技術を統合できる新しい方法論が必要であるという意見が、ますます高まっている。本稿では,このような手法の構造化概要について述べる。これらのアプローチが適用されたアプリケーション中心の客観的領域を要約し、物理誘導mlモデルとハイブリッド物理mlフレームワークを構築するための方法論のクラスについて述べる。そして、これらの既存の技術の分類法を提供し、将来の研究のアイデアとして使える分野間での知識のギャップと潜在的な方法のクロスオーバーを明らかにする。

関連論文リスト

Machine learning for modelling unstructured grid data in computational physics: a review [37.19820094095164]
非構造化グリッドデータは計算物理学における複雑な幾何学や力学のモデル化に不可欠である。このレビューは、非構造化グリッドデータに機械学習アプローチを適用しようとする計算科学者のためのガイドブックとして意図されている。 MLメソッドが従来の数値技術の本質的な制限を克服する方法について、特に焦点を当てている。非構造化データを用いた生成モデルやメッシュ生成のための強化学習,ハイブリッド物理データ駆動パラダイムなど,新たな方向性について論じる。
論文参考訳（メタデータ） (2025-02-13T14:11:33Z)
Large Physics Models: Towards a collaborative approach with Large Language Models and Foundation Models [8.320153035338418]
本稿では、物理固有の大規模AIモデルの開発と評価のためのアイデアを探求し、潜在的ロードマップを提供する。これらのモデルは、Large Language Models (LLMs) のような基礎モデルに基づいており、物理学研究の要求に対応するように調整されている。
論文参考訳（メタデータ） (2025-01-09T17:11:22Z)
Model-Guided Fieldwork: A Practical, Methodological and Philosophical Investigation in the use of Ethnomethodology for Engineering Software Requirements [0.0]
この論文は、ソフトウェア要件のエンジニアリングにエスノメソドロジーのフィールドワークを使うことに焦点を当てている。技術開発プロセスに寄与する可能性のある観察を行うためのフィールドワーカーを支援するために,モデルガイドフィールドワーク(Model Guided Fieldwork)というアプローチを提案する。
論文参考訳（メタデータ） (2024-11-14T09:24:56Z)
Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文参考訳（メタデータ） (2024-08-14T16:58:48Z)
Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 1つの簡単な解決策は、統計分析と機械学習を統合することである。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
Knowledge-guided Machine Learning: Current Trends and Future Prospects [14.783972088722193]
また、科学知識誘導機械学習(KGML)の新興分野の研究の現状についても紹介している。我々は、KGML研究のさまざまな側面について、使用する科学知識の種類、知識-機械学習統合の形式、そして、科学知識をMLに組み込む方法について論じる。
論文参考訳（メタデータ） (2024-03-24T02:54:46Z)
Symmetry-Informed Geometric Representation for Molecules, Proteins, and Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。 Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文参考訳（メタデータ） (2023-06-15T05:37:25Z)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)
An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文参考訳（メタデータ） (2021-08-09T17:39:09Z)
Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文参考訳（メタデータ） (2020-08-05T15:45:54Z)
Semantic interoperability based on the European Materials and Modelling Ontology and its ontological paradigm: Mereosemiotics [0.0]
欧州物質・モデリングオントロジー(EMMO)は、最近、計算分子工学とマルチスケールモデリングコミュニティにおいてトップレベルとして進歩している。この研究は、同じパラダイム – 同じ基本セット – に基づいて、トップレベルがどのように構築されているかを探求する。オントロジー - EMMOが適用できるように。物理システムのモデルとその計算工学の実践での使用。
論文参考訳（メタデータ） (2020-03-22T13:19:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。