論文の概要: Autofocused oracles for model-based design
- arxiv url: http://arxiv.org/abs/2006.08052v2
- Date: Sat, 24 Oct 2020 23:32:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 12:48:36.889401
- Title: Autofocused oracles for model-based design
- Title（参考訳）: モデルベース設計のためのオートフォーカスオークル
- Authors: Clara Fannjiang and Jennifer Listgarten
- Abstract要約: 非ゼロサムゲームとしてデータ駆動設計問題を定式化する。
設計アルゴリズムが進むにつれて回帰モデルを再訓練するための原則的戦略を開発する。
- 参考スコア（独自算出の注目度）: 8.22379888383833
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data-driven design is making headway into a number of application areas,
including protein, small-molecule, and materials engineering. The design goal
is to construct an object with desired properties, such as a protein that binds
to a therapeutic target, or a superconducting material with a higher critical
temperature than previously observed. To that end, costly experimental
measurements are being replaced with calls to high-capacity regression models
trained on labeled data, which can be leveraged in an in silico search for
design candidates. However, the design goal necessitates moving into regions of
the design space beyond where such models were trained. Therefore, one can ask:
should the regression model be altered as the design algorithm explores the
design space, in the absence of new data? Herein, we answer this question in
the affirmative. In particular, we (i) formalize the data-driven design problem
as a non-zero-sum game, (ii) develop a principled strategy for retraining the
regression model as the design algorithm proceeds---what we refer to as
autofocusing, and (iii) demonstrate the promise of autofocusing empirically.
- Abstract（参考訳）: データ駆動設計は、タンパク質、小分子、材料工学など、多くの応用分野に進出している。
設計目標は、治療標的に結合するタンパク質や、以前に観測されたよりも高い臨界温度の超伝導材料など、望ましい性質を持つ物体を構築することである。
そのために、コストのかかる実験的な測定は、ラベル付きデータに基づいて訓練された高容量回帰モデルへの呼び出しに置き換えられている。
しかし、設計目標は、そのようなモデルが訓練された場所を超えて、デザイン空間の領域に移行する必要がある。
したがって、新しいデータがない場合、設計アルゴリズムが設計空間を探索するときに回帰モデルを変更すべきだろうか?
ここでは、この疑問を肯定的に答える。
特に私たちは
(i)非ゼロサムゲームとしてデータ駆動設計問題を定式化する。
(ii)回帰モデルを設計アルゴリズムとして再訓練するための原則的戦略--私たちがオートフォーカスと呼ぶもの-を開発し、
(iii)自己集中の約束を実証する。
関連論文リスト
- Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
PropEnは'matching'にインスパイアされている。
一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
論文 参考訳（メタデータ） (2024-05-28T11:30:19Z) - Generative Design through Quality-Diversity Data Synthesis and Language Models [5.196236145367301]
エンジニアリングアプリケーションにおける2つの基本的な課題は、ハイパフォーマンスで多様なデータセットの取得と、生成された設計における正確な制約への固執である。
アーキテクチャ設計におけるこれらの課題に取り組むために,最適化,制約満足度,言語モデルを組み合わせた新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-05-16T11:30:08Z) - Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。
本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。
提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
論文 参考訳（メタデータ） (2024-03-20T00:41:12Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳（メタデータ） (2024-01-24T01:33:39Z) - A Data-driven Recommendation Framework for Optimal Walker Designs [0.0]
本稿では,統計モデルと機械学習を利用して医療用歩行器を最適化することに焦点を当てる。
歩行者の望ましい特性を達成するために,予測機械学習モデルを訓練し,パフォーマンス目標間のトレードオフを識別する。
本稿では,構造安定性と整合性を高めつつ,30%の質量減少を示す潜在的な歩行設計を提案する。
論文 参考訳（メタデータ） (2023-10-28T18:04:38Z) - Progressive reduced order modeling: empowering data-driven modeling with
selective knowledge transfer [0.0]
本稿では,データ・ラーメンの最小化とデータ・ドリブン・モデリングの実践性の向上を図った,段階的縮小順序モデリングフレームワークを提案する。
提案手法は,未使用情報を無視しながら,人間が有意義な知識を選択的に活用する方法と同様,事前訓練されたモデルからの知識をゲートを通じて選択的に伝達する。
我々は、多孔質媒体の輸送、重力駆動流れ、超弾性材料における有限変形など、いくつかのケースで我々の枠組みを検証した。
論文 参考訳（メタデータ） (2023-10-04T23:50:14Z) - Weighted Unsupervised Domain Adaptation Considering Geometry Features
and Engineering Performance of 3D Design Data [2.306144660547256]
本稿では,3次元設計データの幾何学的特徴と工学的性能を考慮した2重非教師なし領域適応手法を提案する。
提案モデルでは, 最大von Mises応力の大きさとそれに対応する3次元路面車輪の位置を予測するために, 車輪衝撃解析問題を用いて実験を行った。
論文 参考訳（メタデータ） (2023-09-08T00:26:44Z) - Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - Conservative Objective Models for Effective Offline Model-Based
Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。
本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。
COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文 参考訳（メタデータ） (2021-07-14T17:55:28Z) - Range-GAN: Range-Constrained Generative Adversarial Network for
Conditioned Design Synthesis [10.50166876879424]
条件付きディープジェネレーションモデルであるRange-GANを提案し、レンジ制約による自動設計を実現します。
ラベル認識による自己増強は,生成した3D形状に対する制約満足度を平均して14%向上させる。
また,所定の要求範囲を均等にカバーできる新しい均一性損失を提案する。
論文 参考訳（メタデータ） (2021-03-10T18:02:13Z)
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。