論文の概要: Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA
- arxiv url: http://arxiv.org/abs/2011.04776v1
- Date: Mon, 9 Nov 2020 21:23:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 00:53:03.124477
- Title: Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA
- Title（参考訳）: Frontier Development LabとSpaceMLから学ぶ -- NASAとESAのためのAIアクセラレータ
- Authors: Siddha Ganju, Anirudh Koul, Alexander Lavin, Josh Veitch-Michaelis,
Meher Kasam, James Parr
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 57.06643156253045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research with AI and ML technologies lives in a variety of settings with
often asynchronous goals and timelines: academic labs and government
organizations pursue open-ended research focusing on discoveries with long-term
value, while research in industry is driven by commercial pursuits and hence
focuses on short-term timelines and return on investment. The journey from
research to product is often tacit or ad hoc, resulting in technology
transition failures, further exacerbated when research and development is
interorganizational and interdisciplinary. Even more, much of the ability to
produce results remains locked in the private repositories and know-how of the
individual researcher, slowing the impact on future research by others and
contributing to the ML community's challenges in reproducibility. With research
organizations focused on an exploding array of fields, opportunities for the
handover and maturation of interdisciplinary research reduce. With these
tensions, we see an emerging need to measure the correctness, impact, and
relevance of research during its development to enable better collaboration,
improved reproducibility, faster progress, and more trusted outcomes. We
perform a case study of the Frontier Development Lab (FDL), an AI accelerator
under a public-private partnership from NASA and ESA. FDL research follows
principled practices that are grounded in responsible development, conduct, and
dissemination of AI research, enabling FDL to churn successful
interdisciplinary and interorganizational research projects, measured through
NASA's Technology Readiness Levels. We also take a look at the SpaceML Open
Source Research Program, which helps accelerate and transition FDL's research
to deployable projects with wide spread adoption amongst citizen scientists.
- Abstract（参考訳）: AIとML技術を用いた研究は、しばしば非同期の目標とタイムラインを持つさまざまな環境で活動している。学術研究所や政府機関は、長期的な価値のある発見に焦点を当てた、オープンな研究を追求している。
研究から製品への旅は、しばしば暗黙またはアドホックであり、技術移行の失敗を引き起こし、研究と開発が組織間および学際的であるときにさらに悪化する。
さらに、結果を生成する能力の多くは、個々の研究者のプライベートリポジトリやノウハウに閉じ込められており、将来の研究への影響を遅らせ、再現性におけるMLコミュニティの課題に寄与している。
研究組織は爆発的な分野に焦点を合わせ、学際的な研究の引き継ぎと成熟の機会を減らした。
これらの緊張によって、より良いコラボレーション、再現性の向上、より速い進歩、より信頼できる結果を得るために、開発中の研究の正確性、影響、関連性を測定することの必要性が生まれています。
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研究の責任を負う開発、実行、普及に基礎を置いている原則に従っており、NASAのTechnology Readiness Levelsを通じて測定された学際的および組織間研究プロジェクトを成功させることを可能にする。
これは、市民科学者の間で広く採用されているデプロイ可能なプロジェクトへのFDLの研究の加速と移行を支援するものです。
関連論文リスト
- Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。
大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。
本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
論文 参考訳（メタデータ） (2024-10-17T03:26:37Z) - A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。
我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
論文 参考訳（メタデータ） (2024-06-16T08:03:24Z) - SciOps: Achieving Productivity and Reliability in Data-Intensive Research [0.8414742293641504]
科学者たちは、実験や研究の目標を拡大するために、機器、自動化、協調ツールの進歩をますます活用している。
神経科学を含む様々な科学分野は、コラボレーション、インスピレーション、自動化を強化するための重要な技術を採用してきた。
厳密な科学的操作の原理を説明する5段階の能力成熟度モデルを導入する。
論文 参考訳（メタデータ） (2023-12-29T21:37:22Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - 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) - Friend or Foe? Exploring the Implications of Large Language Models on
the Science System [0.0]
OpenAIによるChatGPTは、科学と高等教育の潜在的な意味について広範な議論を引き起こしている。
この研究は、科学における生成AIの影響についての情報的な議論に寄与する。
論文 参考訳（メタデータ） (2023-06-16T15:50:17Z) - Engaging with Researchers and Raising Awareness of FAIR and Open Science
through the FAIR+ Implementation Survey Tool (FAIRIST) [0.0]
FAIRに関する論文が発表されてから6年後、研究者はまだFAIRの実装方法を理解するのに苦労している。
FAIR+実装調査ツール(FAIRIST)は、研究要件と研究提案を体系的な方法で統合することで問題を緩和する。
論文 参考訳（メタデータ） (2023-01-17T22:38:30Z) - 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) - SpaceML: Distributed Open-source Research with Citizen Scientists for
the Advancement of Space Technology for NASA [0.7646713951724009]
研究はしばしばクローズドドアの裏で行われ、公開または製品リリースまで秘密にされることがある。
このような長期的な研究を行うことができるのは、少数の企業や資金豊富な研究機関だけだ。
本稿では、NASAのAIアクセラレータであるFrontier Development Labの拡張であるSpaceMLの短いケーススタディを示す。
論文 参考訳（メタデータ） (2020-12-19T07:00:09Z) - A narrowing of AI research? [0.0]
学術と民間におけるAI研究のテーマ的多様性の進化について研究する。
我々は、AI研究における民間企業の影響力を、彼らが受け取った引用と他の機関とのコラボレーションを通じて測定する。
論文 参考訳（メタデータ） (2020-09-22T08:23:56Z)
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。