論文の概要: Empirica: a virtual lab for high-throughput macro-level experiments
- arxiv url: http://arxiv.org/abs/2006.11398v2
- Date: Wed, 30 Dec 2020 15:57:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-13 09:13:41.038025
- Title: Empirica: a virtual lab for high-throughput macro-level experiments
- Title(参考訳): Empirica:高スループットマクロレベルの実験のための仮想ラボ
- Authors: Abdullah Almaatouq, Joshua Becker, James P. Houghton, Nicolas Paton,
Duncan J. Watts, Mark E. Whiting
- Abstract要約: Empiricaはモジュール型の仮想ラボで、ユーザビリティ-機能トレードオフに対するソリューションを提供する。
Empiricaのアーキテクチャはパラメータ化可能な実験設計、再利用可能なプロトコル、迅速な開発を可能にするように設計されている。
- 参考スコア(独自算出の注目度): 4.077787659104315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Virtual labs allow researchers to design high-throughput and macro-level
experiments that are not feasible in traditional in-person physical lab
settings. Despite the increasing popularity of online research, researchers
still face many technical and logistical barriers when designing and deploying
virtual lab experiments. While several platforms exist to facilitate the
development of virtual lab experiments, they typically present researchers with
a stark trade-off between usability and functionality. We introduce Empirica: a
modular virtual lab that offers a solution to the usability-functionality
trade-off by employing a "flexible defaults" design strategy. This strategy
enables us to maintain complete "build anything" flexibility while offering a
development platform that is accessible to novice programmers. Empirica's
architecture is designed to allow for parameterizable experimental designs,
reusable protocols, and rapid development. These features will increase the
accessibility of virtual lab experiments, remove barriers to innovation in
experiment design, and enable rapid progress in the understanding of
distributed human computation.
- Abstract(参考訳): virtual labsは、従来の物理実験室では実現不可能な、高スループットとマクロレベルの実験を研究者が設計できる。
オンライン研究の人気は高まっているが、バーチャルラボの実験の設計とデプロイでは、研究者は依然として多くの技術的および物流的障壁に直面している。
バーチャルラボ実験の開発を容易にするプラットフォームはいくつか存在するが、彼らは通常、研究者にユーザビリティと機能の間の重大なトレードオフを提示している。
Empiricaは"フレキシブルなデフォルト"設計戦略を採用することで、ユーザビリティと機能のトレードオフに対するソリューションを提供するモジュール型の仮想ラボです。
この戦略により、初心者プログラマが利用できる開発プラットフォームを提供しながら、完全な"ビルド・アズ・ア"の柔軟性を維持できます。
Empiricaのアーキテクチャはパラメータ化可能な実験設計、再利用可能なプロトコル、迅速な開発を可能にするように設計されている。
これらの機能は、仮想ラボ実験のアクセシビリティを高め、実験設計におけるイノベーションの障壁を取り除き、分散ヒト計算の迅速な理解を可能にする。
関連論文リスト
- Honegumi: An Interface for Accelerating the Adoption of Bayesian Optimization in the Experimental Sciences [0.0]
先進的なベイズ最適化スクリプトの作成プロセスを簡単にするための,ユーザフレンドリでインタラクティブなツールであるHonegumiを紹介した。
Honegumiは動的選択グリッドを提供しており、ユーザーは最適化タスクのキーパラメータを設定でき、使える単体テストのPythonスクリプトを生成する。
インターフェースの添付は、概念的および実践的なガイダンスを提供するチュートリアルの包括的スイートである。
論文 参考訳(メタデータ) (2025-02-04T23:53:59Z) - VISION: A Modular AI Assistant for Natural Human-Instrument Interaction at Scientific User Facilities [0.19736111241221438]
生成AIは、この知識ギャップを埋める機会を提供する。
仮想科学コンパニオン(VISION)のためのモジュラーアーキテクチャを提案する。
VISIONでは低レイテンシでビームラインワークステーション上でLLMベースの動作を行い、X線散乱ビームラインで最初の音声制御実験を行った。
論文 参考訳(メタデータ) (2024-12-24T04:37:07Z) - Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2024-10-12T07:16:22Z) - DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。
8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。
従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
論文 参考訳(メタデータ) (2024-06-10T20:08:44Z) - MLXP: A Framework for Conducting Replicable Experiments in Python [63.37350735954699]
MLXPはPythonをベースとした,オープンソースの,シンプルで,軽量な実験管理ツールである。
実験プロセスを最小限のオーバーヘッドで合理化し、高いレベルの実践的オーバーヘッドを確保します。
論文 参考訳(メタデータ) (2024-02-21T14:22:20Z) - Neural Operators for Accelerating Scientific Simulations and Design [85.89660065887956]
Neural Operatorsとして知られるAIフレームワークは、継続的ドメインで定義された関数間のマッピングを学習するための原則的なフレームワークを提供する。
ニューラルオペレータは、計算流体力学、天気予報、物質モデリングなど、多くのアプリケーションで既存のシミュレータを拡張または置き換えることができる。
論文 参考訳(メタデータ) (2023-09-27T00:12:07Z) - SIERRA: A Modular Framework for Research Automation [5.220940151628734]
本稿では,研究の加速と成果向上のための新しいフレームワークであるSIERRAを紹介する。
SIERRAは、実験用の独立変数を素早く指定し、実験的な入力を生成し、実験を自動的に実行し、結果を処理してグラフやビデオなどの成果物を生成する。
個々の研究者のニーズに対して、簡単にカスタマイズと自動化の拡張を可能にする、深くモジュール化されたアプローチを採用している。
論文 参考訳(メタデータ) (2022-03-03T23:45:46Z) - Experiments as Code: A Concept for Reproducible, Auditable, Debuggable,
Reusable, & Scalable Experiments [7.557948558412152]
実験研究における一般的な関心事は、監査可能性と実験である。
実験全体をドキュメント化するだけでなく、自動化コードも提供する"Experiments as Code"パラダイムを提案する。
論文 参考訳(メタデータ) (2022-02-24T12:15:00Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳(メタデータ) (2021-04-07T17:59:23Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳(メタデータ) (2020-09-09T15:31:29Z)
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。