Fugu-MT 論文翻訳(概要): NSF Convergence Approach to Transition Basic Research into Practice

論文の概要: NSF Convergence Approach to Transition Basic Research into Practice

arxiv url: http://arxiv.org/abs/2011.01251v1
Date: Mon, 2 Nov 2020 19:00:22 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 12:40:44.246342
Title: NSF Convergence Approach to Transition Basic Research into Practice
Title（参考訳）: nsf収束法による基礎研究から実践へ
Authors: Shelby Smith and Chaitanya Baru
Abstract要約: Convergence Acceleratorは、国連のイノベーションエコシステムを強化するために、タイムリーな投資を行うための基礎研究と発見の上に構築されている。人工知能は、これらすべての領域における重要なテーマである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The National Science Foundation Convergence Accelerator addresses national-scale societal challenges through use-inspired convergence research. Leveraging a convergence approach the Convergence Accelerator builds upon basic research and discovery to make timely investments to strengthen the Nations innovation ecosystem associated with several key R&D priority areas and practices to include the coronavirus disease 2019, harnessing the data revolution, the future of work, and quantum technology. Artificial Intelligence is a key underlying theme across all of these areas.
Abstract（参考訳）: 国立科学財団コンバージェンス加速器は、使用に触発されたコンバージェンス研究を通じて全国規模の社会問題に対処する。収束アプローチを活用することで、Convergence Acceleratorは基本的な研究と発見に基づいて、新型コロナウイルス感染症2019を含むいくつかの重要な研究開発優先領域とプラクティスに関連する国連のイノベーションエコシステムを強化するためのタイムリーな投資を行い、データ革命、仕事の未来、量子技術を活用する。人工知能は、これらすべての領域における重要なテーマである。

関連論文リスト

A Comprehensive Survey of Retrieval-Augmented Generation (RAG): Evolution, Current Landscape and Future Directions [0.0]
RAGは、検索機構と生成言語モデルを組み合わせることで、出力の精度を高める。近年の研究では, 検索効率向上のための新しい手法が注目されている。 RAGモデルの堅牢性向上に焦点をあてた今後の研究方向性が提案されている。
論文参考訳（メタデータ） (2024-10-03T22:29:47Z)
Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
論文参考訳（メタデータ） (2024-02-21T06:22:41Z)
AI Competitions and Benchmarks: The life cycle of challenges and benchmarks [0.49478969093606673]
我々は、堅牢なイノベーションの軸として、科学研究とアルゴリズム開発コミュニティを創造的に活用する必要性を論じる。高度に複雑で大規模なデータ分析における協調的なコミュニティの関与は、ロバストな方法論を見つけるための一つのアプローチとして現れてきた。
論文参考訳（メタデータ） (2023-12-08T18:44:10Z)
Red Teaming Generative AI/NLP, the BB84 quantum cryptography protocol and the NIST-approved Quantum-Resistant Cryptographic Algorithms [2.3020018305241337]
この研究は、AI/自然言語処理(NLP)モデルと量子暗号プロトコルのサイバーセキュリティへの影響について論じる。この研究は、PythonとC++を主要な計算ツールとして利用し、潜在的なサイバー攻撃をシミュレートする"red teaming"アプローチを採用している。この研究の目標は、デジタル世界が量子化されたオペレーションに移行するにつれて、AIによるサイバー脅威に対して回復力を維持することである。
論文参考訳（メタデータ） (2023-09-17T00:59:14Z)
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)
A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文参考訳（メタデータ） (2023-05-22T11:08:00Z)
Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文参考訳（メタデータ） (2022-10-28T04:38:10Z)
Research topic trend prediction of scientific papers based on spatial enhancement and dynamic graph convolution network [6.73620879761516]
近年,科学研究への社会投資の増加に伴い,様々な分野の研究成果が著しく増加している。様々な研究テーマ間の相関関係がますます高まっているため、多数の研究テーマの間には一定の依存関係関係がある。本稿では,ディープニューラルネットワークに基づくホットネス予測アルゴリズム,時間畳み込みネットワークモデルを提案する。
論文参考訳（メタデータ） (2022-03-30T12:38:52Z)
Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文参考訳（メタデータ） (2021-01-15T10:43:10Z)
Learnings from Frontier Development Lab and SpaceML -- AI Accelerators for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。 FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文参考訳（メタデータ） (2020-11-09T21:23:03Z)

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。