論文の概要: On-the-fly Closed-loop Autonomous Materials Discovery via Bayesian Active Learning

• arxiv url: http://arxiv.org/abs/2006.06141v2
• Date: Tue, 10 Nov 2020 15:19:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 14:26:57.339584
• Title: On-the-fly Closed-loop Autonomous Materials Discovery via Bayesian Active Learning
• Title（参考訳）: ベイジアンアクティブラーニングによるオンザフライクローズドループ自律材料発見
• Authors: A. Gilad Kusne, Heshan Yu, Changming Wu, Huairuo Zhang, Jason Hattrick-Simpers, Brian DeCost, Suchismita Sarker, Corey Oses, Cormac Toher, Stefano Curtarolo, Albert V. Davydov, Ritesh Agarwal, Leonid A. Bendersky, Mo Li, Apurva Mehta, Ichiro Takeuchi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.021024778717575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active learning - the field of machine learning (ML) dedicated to optimal experiment design, has played a part in science as far back as the 18th century when Laplace used it to guide his discovery of celestial mechanics [1]. In this work we focus a closed-loop, active learning-driven autonomous system on another major challenge, the discovery of advanced materials against the exceedingly complex synthesis-processes-structure-property landscape. We demonstrate autonomous research methodology (i.e. autonomous hypothesis definition and evaluation) that can place complex, advanced materials in reach, allowing scientists to fail smarter, learn faster, and spend less resources in their studies, while simultaneously improving trust in scientific results and machine learning tools. Additionally, this robot science enables science-over-the-network, reducing the economic impact of scientists being physically separated from their labs. We used the real-time closed-loop, autonomous system for materials exploration and optimization (CAMEO) at the synchrotron beamline to accelerate the fundamentally interconnected tasks of rapid phase mapping and property optimization, with each cycle taking seconds to minutes, resulting in the discovery of a novel epitaxial nanocomposite phase-change memory material.
• Abstract（参考訳）: 最適な実験設計に特化した機械学習(ML)の分野であるアクティブ・ラーニング(Active Learning)は、ラプラスが天体力学の発見を導くのに使用した18世紀まで科学において重要な役割を果たしてきた。 この研究では、クローズドループでアクティブな学習駆動の自律システムに注目し、さらに大きな課題である、非常に複雑な合成プロセス-構造-プロパティのランドスケープに対する高度な素材の発見に焦点をあてています。 我々は、複雑で高度な材料を到達可能な自律的な研究方法論(すなわち自律的な仮説定義と評価)を示し、科学者がより賢く失敗し、より速く学習し、研究にリソースを消費し、同時に科学的結果と機械学習ツールへの信頼を向上させる。 さらに、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分離する。 放射光線における材料探索・最適化(CAMEO)のためのリアルタイム閉ループ自律システムを用いて,高速位相マッピングと特性最適化の基本的な相互接続タスクを高速化し,各サイクルに数秒から数分を要し,新しいエピタキシャルナノコンポジット相変化メモリ材料が発見された。

関連論文リスト

• MatPilot: an LLM-enabled AI Materials Scientist under the Framework of Human-Machine Collaboration [13.689620109856783]
  我々はMatPilotという名のAI材料科学者を開発し、新しい素材の発見を奨励する能力を示した。 MatPilotのコアとなる強みは、自然言語で対話的な人間と機械のコラボレーションだ。 MatPilotは、ユニークな認知能力、豊富な蓄積された経験、そして人間の生活の好奇心を統合している。
  論文  参考訳（メタデータ） (2024-11-10T12:23:44Z)
• O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
  本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。 我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。 本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-10-08T15:13:01Z)
• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• 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)
• A Low-Cost Robot Science Kit for Education with Symbolic Regression for Hypothesis Discovery and Validation [15.72286703649173]
  次世代の物理科学には、クローズドループで設計、実行、分析が可能な自律的な物理科学システムであるロボット科学者が含まれる。 これらのシステムの構築と利用には、ML、制御システム、計測科学、材料合成、意思決定理論など、さまざまな分野の専門知識が必要となる。 我々は、低コストの自律科学者を構築するためのキットである、科学教育の次世代を提示する。
  論文  参考訳（メタデータ） (2022-04-08T17:25:28Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• Physics in the Machine: Integrating Physical Knowledge in Autonomous Phase-Mapping [10.629434761354938]
  科学インフォームドAIや科学AIは、データ分析から、クローズドループ自律システムにおける実験設計、シミュレーション、実行、分析まで、成長してきた。 CAMEOアルゴリズムは、物質系の構成構造関係を学習し、最適な機能特性を持つ材料組成を特定するという2つの課題に対処するために、科学的なAIを使用する。
  論文  参考訳（メタデータ） (2021-11-15T00:48:34Z)
• Measuring and modeling the motor system with machine learning [117.44028458220427]
  モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。 本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
  論文  参考訳（メタデータ） (2021-03-22T12:42:16Z)
• Autonomous synthesis of metastable materials [13.506040229814499]
  我々はSARA(Scientific Autonomous Reasoning Agent)が管理する階層的自律実験による準安定物質の高速合成と探索を実証する。 SARAは、処理フェーズダイアグラムの構造を効率的に明らかにするAI手法の階層構造とともに、ロボット素材の合成とキャラクタリゼーションを統合する。 我々は,bi$o$_3$システムにおける合成相境界を自律的にマッピングすることにより,合成相図の確立においてその性能を実証する。
  論文  参考訳（メタデータ） (2021-01-19T00:29:26Z)
• Autonomous discovery in the chemical sciences part II: Outlook [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。 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。
  論文  参考訳（メタデータ） (2020-03-30T19:11:35Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)

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。