論文の概要: Advances in Machine and Deep Learning for Modeling and Real-time
Detection of Multi-Messenger Sources
- arxiv url: http://arxiv.org/abs/2105.06479v1
- Date: Thu, 13 May 2021 18:00:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 12:48:03.797303
- Title: Advances in Machine and Deep Learning for Modeling and Real-time
Detection of Multi-Messenger Sources
- Title（参考訳）: マルチメッセンジャーソースのモデリングとリアルタイム検出のための機械学習とディープラーニングの進歩
- Authors: E. A. Huerta and Zhizhen Zhao
- Abstract要約: 人工知能アルゴリズムを応用し、多核宇宙物理学における計算的大いなる課題に取り組む先駆的な取り組みについて説明します。
本稿では, 科学的可視化と超大規模計算の重要性を考察する。
- 参考スコア（独自算出の注目度）: 21.265580952147594
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We live in momentous times. The science community is empowered with an
arsenal of cosmic messengers to study the Universe in unprecedented detail.
Gravitational waves, electromagnetic waves, neutrinos and cosmic rays cover a
wide range of wavelengths and time scales. Combining and processing these
datasets that vary in volume, speed and dimensionality requires new modes of
instrument coordination, funding and international collaboration with a
specialized human and technological infrastructure. In tandem with the advent
of large-scale scientific facilities, the last decade has experienced an
unprecedented transformation in computing and signal processing algorithms. The
combination of graphics processing units, deep learning, and the availability
of open source, high-quality datasets, have powered the rise of artificial
intelligence. This digital revolution now powers a multi-billion dollar
industry, with far-reaching implications in technology and society. In this
chapter we describe pioneering efforts to adapt artificial intelligence
algorithms to address computational grand challenges in Multi-Messenger
Astrophysics. We review the rapid evolution of these disruptive algorithms,
from the first class of algorithms introduced in early 2017, to the
sophisticated algorithms that now incorporate domain expertise in their
architectural design and optimization schemes. We discuss the importance of
scientific visualization and extreme-scale computing in reducing
time-to-insight and obtaining new knowledge from the interplay between models
and data.
- Abstract（参考訳）: 私たちは時々住んでいます。
科学コミュニティには、宇宙を前例のない詳細で研究するための宇宙伝令の武器が備わっている。
重力波、電磁波、ニュートリノ、宇宙線は幅広い波長と時間スケールをカバーしている。
ボリューム、速度、寸法の異なるこれらのデータセットを結合し、処理するには、専門的な人間と技術インフラとの機器調整、資金提供、国際コラボレーションの新たなモードが必要となる。
大規模な科学施設の出現と相まって、過去10年間はコンピューティングと信号処理アルゴリズムに先例のない変革を経験してきた。
グラフィックス処理ユニット、ディープラーニング、オープンソースの高品質データセットの可用性の組み合わせは、人工知能の台頭を支えている。
このデジタル革命は今や数十億ドルの産業を支え、テクノロジーと社会に大きく影響している。
本章では、マルチメッセンジャー天体物理学における計算上の大きな課題に対処するために人工知能アルゴリズムを適用するための先駆的な取り組みについて述べる。
2017年初頭に導入された1級のアルゴリズムから、現在アーキテクチャ設計と最適化のスキームにドメインの専門知識を取り入れている高度なアルゴリズムまで、これらの破壊的アルゴリズムの急速な進化をレビューします。
本稿では,モデルとデータ間の相互作用から,観察時間削減と新たな知識獲得における科学的可視化と超大規模計算の重要性について論じる。
関連論文リスト
- Deep Learning for Spatiotemporal Big Data: A Vision on Opportunities and
Challenges [4.497634148674422]
一時的ビッグデータは、これまで不可能だった問題を解決する新たな機会を育むことができる。
ビッグデータの特徴は、ディープラーニング技術に新たな課題をもたらす。
論文 参考訳（メタデータ） (2023-10-30T19:12:51Z) - DeepSpeed4Science Initiative: Enabling Large-Scale Scientific Discovery
through Sophisticated AI System Technologies [116.09762105379241]
DeepSpeed4Scienceは、AIシステム技術革新を通じてユニークな機能を構築することを目指している。
我々は、構造生物学研究における2つの重要なシステム課題に対処するために、DeepSpeed4Scienceで行った初期の進歩を紹介した。
論文 参考訳（メタデータ） (2023-10-06T22:05:15Z) - Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
科学のためのAI(AI4Science)として知られる新しい研究領域
領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。
主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
論文 参考訳（メタデータ） (2023-07-17T12:14:14Z) - Astronomia ex machina: a history, primer, and outlook on neural networks
in astronomy [0.0]
我々は天文学における接続性の進化をその3つの波で追跡した。
我々は、天文学的な応用のために微調整されたGPTライクな基礎モデルの採用を論じる。
論文 参考訳（メタデータ） (2022-11-07T19:00:00Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳（メタデータ） (2022-09-07T19:21:19Z) - Standard Model Physics and the Digital Quantum Revolution: Thoughts
about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。
本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文 参考訳（メタデータ） (2021-07-10T06:12:06Z) - Qualities, challenges and future of genetic algorithms: a literature
review [0.0]
遺伝的アルゴリズムは自然進化をシミュレートするコンピュータプログラムである。
ニューラルネットワークアーキテクチャ探索から戦略ゲームまで,さまざまな最適化問題の解決に使用されている。
GPU、並列コンピューティング、量子コンピューティングなどの最近の発展、強力なパラメータ制御法の概念、表現戦略における新しいアプローチは、それらの限界を克服するための鍵となるかもしれない。
論文 参考訳（メタデータ） (2020-11-05T17:53:33Z) - Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。
フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。
これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文 参考訳（メタデータ） (2020-10-30T21:41:44Z) - Boosting on the shoulders of giants in quantum device calibration [0.0]
従来の科学的発見を活用できる機械学習に新たなアプローチを導入する。
超伝導量子デバイス上でのハミルトニアンの全エネルギースペクトルの予測の有効性を示す。
論文 参考訳（メタデータ） (2020-05-13T07:59:57Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳（メタデータ） (2020-05-04T13:24:00Z)
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。