Fugu-MT 論文翻訳(概要): When Machine Learning Meets Multiscale Modeling in Chemical Reactions

論文の概要: When Machine Learning Meets Multiscale Modeling in Chemical Reactions

arxiv url: http://arxiv.org/abs/2006.00700v1
Date: Mon, 1 Jun 2020 03:56:47 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 07:42:28.390012
Title: When Machine Learning Meets Multiscale Modeling in Chemical Reactions
Title（参考訳）: 化学反応におけるマルチスケールモデリングと機械学習
Authors: Wuyue Yang, Liangrong Peng, Yi Zhu, Liu Hong
Abstract要約: 本研究では、マルチスケールモデリングのキーとなるアイデアが、機械学習の計算コストを大幅に削減するのにどう役立つかを説明する。本研究は,化学反応研究における機械学習アルゴリズムとマルチスケールモデリングの統合の必要性と有効性を強調した。
参考スコア（独自算出の注目度）: 5.065265250700039
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Due to the intrinsic complexity and nonlinearity of chemical reactions, direct applications of traditional machine learning algorithms may face with many difficulties. In this study, through two concrete examples with biological background, we illustrate how the key ideas of multiscale modeling can help to reduce the computational cost of machine learning a lot, as well as how machine learning algorithms perform model reduction automatically in a time-scale separated system. Our study highlights the necessity and effectiveness of an integration of machine learning algorithms and multiscale modeling during the study of chemical reactions.
Abstract（参考訳）: 化学反応の本質的な複雑さと非線形性のため、従来の機械学習アルゴリズムの直接的な応用は多くの困難に直面している。本研究では,生物学的背景を持つ2つの具体例を通して,マルチスケールモデリングの重要なアイデアが機械学習の計算コストの低減にどのように役立つか,また,機械学習アルゴリズムが時間スケール分離システムにおいてモデル削減を自動的に行うかを示す。本研究は,化学反応研究における機械学習アルゴリズムとマルチスケールモデリングの統合の必要性と有効性を強調した。

関連論文リスト

Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文参考訳（メタデータ） (2024-02-20T15:23:24Z)
Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文参考訳（メタデータ） (2024-01-11T15:02:15Z)
A cyclical route linking fundamental mechanism and AI algorithm: An example from tuning Poisson's ratio in amorphous networks [2.2450275029638282]
科学のためのAI」は科学研究の発展における将来のトレンドである。本稿では,極端ポアソン比値とアモルファスネットワークの構造との関係をケーススタディとして検討する。我々は、従来の画像認識の代わりに動的行列に基づいて訓練された畳み込みニューラルネットワークを用いて、ポアソンの非晶質ネットワークの比率をはるかに高い効率で予測する。
論文参考訳（メタデータ） (2023-12-06T10:40:33Z)
Interpretable Meta-Learning of Physical Systems [4.343110120255532]
最近のメタラーニング手法はブラックボックスニューラルネットワークに依存しており、計算コストが高く、解釈可能性も限られている。我々は,学習課題に対するアフィン構造を持つ,より単純な学習モデルを用いて,マルチ環境の一般化を実現することができると論じる。本稿では,物理系の最先端アルゴリズムと比較することにより,競合一般化性能と計算コストの低さを実証する。
論文参考訳（メタデータ） (2023-12-01T10:18:50Z)
Identifying Simulation Model Through Alternative Techniques for a Medical Device Assembly Process [0.0]
本稿では,シミュレーションモデルの同定と近似のための2つの異なるアプローチについて検討する。私たちのゴールは、スナッププロセスを正確に表現し、多様なシナリオに対応できる適応可能なモデルを作ることです。
論文参考訳（メタデータ） (2023-09-26T17:40:29Z)
On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文参考訳（メタデータ） (2023-02-05T01:39:21Z)
Investigation of Machine Learning-based Coarse-Grained Mapping Schemes for Organic Molecules [0.0]
粗粒化(CG)により、異なるシステム解像度間のリンクを確立することができる。本稿では,変分オートエンコーダに基づく機械学習戦略を適用し,適切なマッピング手法の開発について検討する。
論文参考訳（メタデータ） (2022-09-26T18:30:51Z)
Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文参考訳（メタデータ） (2022-09-05T16:48:34Z)
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)
Using machine-learning modelling to understand macroscopic dynamics in a system of coupled maps [0.0]
本稿では,グローバルに結合した地図システムから生じるマクロな動きについて考察する。我々は、機械学習アプローチと粗粒度プロセスの遷移確率の直接数値計算の両方を用いて、マクロ力学のための粗粒度マルコフプロセスを構築した。我々は,アトラクタの有効次元,メモリ効果の持続性,ダイナミクスのマルチスケール構造について重要な情報を推測することができる。
論文参考訳（メタデータ） (2020-11-08T15:38:12Z)
Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。