Fugu-MT 論文翻訳(概要): A Computable Piece of Uncomputable Art whose Expansion May Explain the Universe in Software Space

論文の概要: A Computable Piece of Uncomputable Art whose Expansion May Explain the Universe in Software Space

arxiv url: http://arxiv.org/abs/2109.08523v1
Date: Wed, 15 Sep 2021 12:44:40 GMT
ステータス: 処理完了
システム内更新日: 2021-09-20 14:30:58.098182
Title: A Computable Piece of Uncomputable Art whose Expansion May Explain the Universe in Software Space
Title（参考訳）: 拡張がソフトウェア空間の宇宙を説明するかもしれない計算不能な芸術作品
Authors: Hector Zenil
Abstract要約: 我々は、逆問題への挑戦に対して、代替の、おそらく最良の解決策で因果関係に関連する科学のエキサイティングな領域を見つける。小さなモデルを見つけ、科学的な発見の分野を前進させるSFのような空間を探索することを学ぶことができる。
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: At the intersection of what I call uncomputable art and computational epistemology, a form of experimental philosophy, we find an exciting and promising area of science related to causation with an alternative, possibly best possible, solution to the challenge of the inverse problem. That is the problem of finding the possible causes, mechanistic origins, first principles, and generative models of a piece of data from a physical phenomenon. Here we explain how generating and exploring software space following the framework of Algorithmic Information Dynamics, it is possible to find small models and learn to navigate a sci-fi-looking space that can advance the field of scientific discovery with complementary tools to offer an opportunity to advance science itself.
Abstract（参考訳）: 私が計算不可能芸術(uncomputable art)と計算認識論(computation epistemology)と呼ぶ実験哲学(experimental philosophy)の交わりにおいて、私たちは、逆問題の挑戦に対する、おそらく最善の解決策による因果関係に関する、エキサイティングで有望な科学領域を見つけました。これは、物理的現象からデータ片の可能な原因、機械的起源、第一原理、生成モデルを見つけるという問題である。ここでは、アルゴリズム情報ダイナミクスの枠組みに従って、ソフトウェア空間の生成と探索について説明する。小さなモデルを見つけて、科学発見の分野を補完的なツールで前進させ、科学自体を前進させる機会を提供するSF的な空間を探索することを学ぶことができる。

関連論文リスト

Spherinator and HiPSter: Representation Learning for Unbiased Knowledge Discovery from Simulations [0.0]
我々は、幅広いシミュレーションから有用な科学的洞察を得るための、新しい、偏見のない、機械学習に基づくアプローチについて説明する。我々の概念は、低次元空間におけるデータのコンパクトな表現を学習するために非線形次元削減を適用することに基づいている。本稿では、回転不変な超球面変動畳み込み自己エンコーダを用いて、潜時空間の電力分布を利用して、IllustrisTNGシミュレーションから銀河を訓練したプロトタイプを提案する。
論文参考訳（メタデータ） (2024-06-06T07:34:58Z)
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)
Symmetry-Informed Geometric Representation for Molecules, Proteins, and Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。 Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文参考訳（メタデータ） (2023-06-15T05:37:25Z)
Discovering Causal Relations and Equations from Data [23.802778299505288]
本稿では、物理学の幅広い分野における因果関係と方程式発見に関する概念、方法、および関連する研究について概説する。我々は、観察因果関係と方程式発見のための分類法を提供し、接続を指摘し、ケーススタディの完全なセットを示します。興奮する時間は、複雑なシステムに対する理解を改善するための多くの課題と機会に先立ちます。
論文参考訳（メタデータ） (2023-05-21T19:22:50Z)
GFlowNets for AI-Driven Scientific Discovery [74.27219800878304]
我々はGFlowNetsと呼ばれる新しい確率論的機械学習フレームワークを提案する。 GFlowNetsは、実験科学ループのモデリング、仮説生成、実験的な設計段階に適用できる。我々は、GFlowNetsがAIによる科学的発見の貴重なツールになり得ると論じている。
論文参考訳（メタデータ） (2023-02-01T17:29:43Z)
Learning Robotic Navigation from Experience: Principles, Methods, and Recent Results [94.60414567852536]
現実世界のナビゲーションは、単純な幾何学的抽象化に反する複雑な物理的課題の集合を示す。機械学習は、幾何学や従来の計画を超えた、有望な方法を提供する。本稿では,ロボットナビゲーションスキルを実験的に学習するツールキットについて紹介する。
論文参考訳（メタデータ） (2022-12-13T17:41:58Z)
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)
Learning from learning machines: a new generation of AI technology to meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文参考訳（メタデータ） (2021-11-27T00:55:21Z)
Objective discovery of dominant dynamical processes with intelligible machine learning [0.0]
本稿では,動的状態の同定を最適化問題として定式化する形式的定義を提案する。本稿では,事前知識やアドホックな定義の必要性を排除した教師なし学習フレームワークを提案する。我々の手法は、動的システム内でセレンディピティーな発見を可能にする、偏りのないデータ探索への一歩である。
論文参考訳（メタデータ） (2021-06-21T20:57:23Z)
Off-the-shelf deep learning is not enough: parsimony, Bayes and causality [0.8602553195689513]
材料科学における深層学習の実現に向けた機会と障害について論じる。私たちは、ディープラーニングとAIは、因果関係が知られている分野に革命をもたらすのに十分な位置にあると論じています。
論文参考訳（メタデータ） (2020-05-04T15:16:30Z)
Computer-inspired Quantum Experiments [1.2891210250935146]
多くの分野において、コンピュータにインスパイアされた設計プロセスは、逆設計としても知られ、科学者の能力を高めている。我々は、トポロジ的最適化、進化戦略、ディープラーニング、強化学習、自動推論に基づく、非常に多様な計算アプローチに遭遇する。
論文参考訳（メタデータ） (2020-02-23T18:59:00Z)

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。