論文の概要: The 4th International Workshop on Smart Simulation and Modelling for Complex Systems

• arxiv url: http://arxiv.org/abs/2102.01190v1
• Date: Mon, 1 Feb 2021 21:40:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 05:00:14.800905
• Title: The 4th International Workshop on Smart Simulation and Modelling for Complex Systems
• Title（参考訳）: 第4回複雑系のスマートシミュレーションとモデリングに関する国際ワークショップ
• Authors: Xing Su, Yan Kong, Weihua Li
• Abstract要約: コンピュータベースのモデリングとシミュレーションは、人間が異なるドメインのシステムを理解するのに役立つツールとなっている。 マルチエージェントシステムのようなスマートシステムは、複雑なシステムのモデリングとシミュレーションにおいて、利点と大きなポテンシャルを示してきた。
• 参考スコア（独自算出の注目度）: 4.489415125484399
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer-based modelling and simulation have become useful tools to facilitate humans to understand systems in different domains, such as physics, astrophysics, chemistry, biology, economics, engineering and social science. A complex system is featured with a large number of interacting components (agents, processes, etc.), whose aggregate activities are nonlinear and self-organized. Complex systems are hard to be simulated or modelled by using traditional computational approaches due to complex relationships among system components, distributed features of resources, and dynamics of environments. Meanwhile, smart systems such as multi-agent systems have demonstrated advantages and great potentials in modelling and simulating complex systems.
• Abstract（参考訳）: コンピュータベースのモデリングとシミュレーションは、物理学、天体物理学、化学、生物学、経済学、工学、社会科学など、さまざまな分野のシステムを理解するための有用なツールとなっている。 複雑なシステムは、多数の相互作用するコンポーネント(エージェント、プロセスなど)で特徴付けられる。 ) は非線型かつ自己組織的である。 複雑なシステムは、システムコンポーネント間の複雑な関係、リソースの分散特徴、および環境のダイナミクスのために、従来の計算アプローチを用いてシミュレーションやモデル化が難しい。 一方、マルチエージェントシステムなどのスマートシステムは、複雑なシステムのモデリングとシミュレーションにおける利点と大きな可能性を実証しています。

関連論文リスト

• A Graphical Modeling Language for Artificial Intelligence Applications in Automation Systems [69.50862982117127]
  学際的なグラフィカルモデリング言語で、すべての分野に理解可能なシステムとして、AIアプリケーションのモデリングを可能にすることは、まだ存在しない。 本稿では,システムレベルでの自動化システムにおけるAIアプリケーションの一貫した,理解可能なモデリングを可能にするグラフィカルモデリング言語を提案する。
  論文  参考訳（メタデータ） (2023-06-20T12:06:41Z)
• Multi-Scale Simulation of Complex Systems: A Perspective of Integrating Knowledge and Data [25.582280429427833]
  我々は、知識とデータの観点から、複雑なシステムのマルチスケールシミュレーションに関する文献を体系的にレビューする。 我々は,マルチスケールモデリングとシミュレーションの主な目的を,明瞭なスケールのシナリオと不明瞭なスケールのシナリオを考慮し,5つのカテゴリに分けた。 本稿では,一般的な物質システムや社会システムにおけるマルチスケールシミュレーションの適用について紹介する。
  論文  参考訳（メタデータ） (2023-06-17T06:46:42Z)
• Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
  本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。 我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
  論文  参考訳（メタデータ） (2023-05-21T03:51:03Z)
• Learning Modular Simulations for Homogeneous Systems [23.355189771765644]
  等質多体力学系をモデル化するためのモジュラーシミュレーションフレームワークを提案する。 任意の数の加群を組み合わせることで、様々な結合トポロジーの系をシミュレートすることができる。 我々のモデルは、スクラッチからトレーニングされたモデルと比較して、データ要件やトレーニングの労力が低い新しいシステム構成に移行可能であることを示しています。
  論文  参考訳（メタデータ） (2022-10-28T17:48:01Z)
• Quantifying Complexity: An Object-Relations Approach to Complex Systems [0.0]
  本稿では,全ての種類のシステムに一般化した複雑なシステムのオブジェクト関係モデルを開発する。 結果として生じる複雑情報エントロピー(CIE)方程式は、様々な文脈における複雑性を定量化する堅牢な方法である。 応用分野は工学設計、原子物理学、分子物理学、化学、材料科学、心理学、神経科学、社会学、生態学、経済学、医学である。
  論文  参考訳（メタデータ） (2022-10-22T04:22:21Z)
• Learning Individual Interactions from Population Dynamics with Discrete-Event Simulation Model [9.827590402695341]
  複雑なシステム力学の離散時間シミュレーション表現を学習する可能性について検討する。 この結果から,本アルゴリズムは,意味のあるイベントを持つ複数のフィールドにおいて,複雑なネットワークダイナミクスをデータ効率よくキャプチャできることがわかった。
  論文  参考訳（メタデータ） (2022-05-04T21:33:56Z)
• Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
  シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。 シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。 我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
  論文  参考訳（メタデータ） (2021-12-06T18:45:31Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)
• Multiscale Simulations of Complex Systems by Learning their Effective Dynamics [10.52078600986485]
  本稿では,大規模シミュレーションをブリッジし,注文モデルを削減し,実効ダイナミクスを学習するシステムフレームワークを提案する。 LEDは複雑なシステムの正確な予測に新しい強力なモダリティを提供する。 LEDは化学から流体力学に至るまでのシステムに適用でき、計算の労力を最大2桁まで削減できる。
  論文  参考訳（メタデータ） (2020-06-24T02:35:51Z)
• Combining Machine Learning with Knowledge-Based Modeling for Scalable Forecasting and Subgrid-Scale Closure of Large, Complex, Spatiotemporal Systems [48.7576911714538]
  我々は、過去のデータを予測に組み込む上で、機械学習を必須のツールとして活用しようと試みる。 i)並列機械学習予測手法と(ii)ハイブリッド手法の2つの手法を組み合わせて,知識ベースコンポーネントと機械学習ベースコンポーネントからなる複合予測システムを提案する。 i) と (ii) を組み合わせることで、非常に大規模なシステムに優れた性能を与えることができるだけでなく、並列機械学習コンポーネントを訓練するのに必要となる時系列データの長さが、並列化なしで必要なものよりも劇的に少ないことを実証した。
  論文  参考訳（メタデータ） (2020-02-10T23:21:50Z)
• Learning Stable Deep Dynamics Models [91.90131512825504]
  状態空間全体にわたって安定することが保証される力学系を学習するためのアプローチを提案する。 このような学習システムは、単純な力学系をモデル化することができ、複雑な力学を学習するために追加の深層生成モデルと組み合わせることができることを示す。
  論文  参考訳（メタデータ） (2020-01-17T00:04:45Z)

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。