論文の概要: Autonomous discovery in the chemical sciences part II: Outlook
- arxiv url: http://arxiv.org/abs/2003.13755v1
- Date: Mon, 30 Mar 2020 19:11:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 07:08:13.424489
- Title: Autonomous discovery in the chemical sciences part II: Outlook
- Title(参考訳): 化学科学における自律的発見 その2:展望
- Authors: Connor W. Coley, Natalie S. Eyke, Klavs F. Jensen
- Abstract要約: この2部構成のレビューは、自動化が化学科学における発見のさまざまな側面にどのように貢献したかを検証している。
科学プロセスにおいて、自動化と計算の役割が何であるかを明確にすることがますます重要である。
- 参考スコア(独自算出の注目度): 2.566673015346446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This two-part review examines how automation has contributed to different
aspects of discovery in the chemical sciences. In this second part, we reflect
on a selection of exemplary studies. It is increasingly important to articulate
what the role of automation and computation has been in the scientific process
and how that has or has not accelerated discovery. One can argue that even the
best automated systems have yet to ``discover'' despite being incredibly useful
as laboratory assistants. We must carefully consider how they have been and can
be applied to future problems of chemical discovery in order to effectively
design and interact with future autonomous platforms.
The majority of this article defines a large set of open research directions,
including improving our ability to work with complex data, build empirical
models, automate both physical and computational experiments for validation,
select experiments, and evaluate whether we are making progress toward the
ultimate goal of autonomous discovery. Addressing these practical and
methodological challenges will greatly advance the extent to which autonomous
systems can make meaningful discoveries.
- Abstract(参考訳): この2部レビューでは、自動化が化学科学における発見のさまざまな側面にどのように貢献したかを検証している。
第2部では,模範的な研究の選定について考察する。
科学プロセスにおける自動化と計算の役割と、その発見をいかに加速させたかを明確にすることがますます重要である。
最高の自動化システムでさえ、研究所のアシスタントとして驚くほど有用であるにもかかわらず、まだ‘発見’していない、という主張もある。
我々は、将来の自律プラットフォームを効果的に設計し、相互作用するために、その存在を慎重に検討し、将来の化学発見問題に適用しなければなりません。
この記事では、複雑なデータを扱う能力の向上、実証モデルの構築、検証のための物理実験と計算実験の自動化、実験の選択、自律的な発見の究極の目標に向かって前進しているかどうかの評価など、多くのオープンリサーチの方向性を定義します。
これらの実践的かつ方法論的な課題に取り組むことで、自律システムが有意義な発見ができる範囲を大きく前進させる。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳(メタデータ) (2023-07-09T21:16:56Z) - Automated Scientific Discovery: From Equation Discovery to Autonomous
Discovery Systems [5.7923858184309385]
本稿では、方程式発見から記号回帰から自律的な発見システムやエージェントまで、自動的な科学的発見を調査する。
我々は、Adamシステムに関する先駆的な研究から、物質科学から天文学まで、現在の分野への取り組みまで、クローズドループ科学発見システムを紹介する。
レベル5の最大レベルは、科学的知識の創出において人間の介入を必要としないと定義されている。
論文 参考訳(メタデータ) (2023-05-03T16:35:41Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳(メタデータ) (2021-10-28T16:04:01Z) - An Automated Scanning Transmission Electron Microscope Guided by Sparse
Data Analytics [0.0]
本稿では,新たに出現するスパースデータ分析によって導かれる閉ループ管楽器制御プラットフォームの設計について論じる。
機械学習によって通知される集中型コントローラが、限られた$a$$priori$知識とタスクベースの識別を組み合わせることで、オンザフライでの実験的な意思決定を駆動する様子を実証する。
論文 参考訳(メタデータ) (2021-09-30T00:25:35Z) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳(メタデータ) (2020-12-21T15:07:19Z) - Scientific intuition inspired by machine learning generated hypotheses [2.294014185517203]
私たちは、機械学習モデル自体が得る洞察と知識に焦点を移します。
決定木では, 化学や物理から, ビッグデータから人間の解釈可能な洞察を抽出するために, 勾配増進法を適用した。
数値を超える能力は、機械学習を使って概念理解の発見を加速する扉を開く。
論文 参考訳(メタデータ) (2020-10-27T12:12:12Z) - On-the-fly Closed-loop Autonomous Materials Discovery via Bayesian
Active Learning [12.021024778717575]
我々は、高度な素材の発見に、クローズドループでアクティブな学習駆動型自律システムに焦点を当てる。
複雑で高度な材料を手元に配置できる自律的な研究手法を実証する。
このロボット科学は、ネットワーク上の科学を可能にし、科学者の経済的影響を研究室から物理的に切り離すことができる。
論文 参考訳(メタデータ) (2020-06-11T01:26:24Z) - Autonomous discovery in the chemical sciences part I: Progress [2.566673015346446]
この2部構成のレビューは、自動化が化学科学における発見のさまざまな側面にどのように貢献したかを検証している。
まず,物理物質の発見の分類と,それらが探索問題として一体化されているかについて述べる。
次に、自律性の評価に関する一連の質問と考察を紹介します。
論文 参考訳(メタデータ) (2020-03-30T19:11:31Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。