論文の概要: From Kepler to Newton: Explainable AI-based Paradigm for Science
Discovery
- arxiv url: http://arxiv.org/abs/2111.12210v2
- Date: Thu, 25 Nov 2021 22:38:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-29 12:44:15.700972
- Title: From Kepler to Newton: Explainable AI-based Paradigm for Science
Discovery
- Title（参考訳）: keplerからnewtonへ - 科学発見のためのaiベースのパラダイム
- Authors: Zelong Li and Jianchao Ji and Yongfeng Zhang
- Abstract要約: 我々は、科学発見のための説明可能なAIベースのパラダイムを導入する。
AIに基づく科学発見プロセスを示すために、ケプラーの惑星運動法則とニュートンの普遍重力法則が(説明可能な)AIによってどのように再発見されるかを示す。
- 参考スコア（独自算出の注目度）: 16.392568986688595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The research paradigm of the
Observation--Hypothesis--Prediction--Experimentation loop has been practiced by
researchers for years towards scientific discovery. However, with the data
explosion in both mega-scale and milli-scale scientific research, it has been
sometimes very difficult to manually analyze the data and propose new
hypothesis to drive the cycle for scientific discovery.
In this paper, we introduce an Explainable AI-based paradigm for science
discovery. The key is to use Explainable AI (XAI) to help derive data or model
interpretations and science discoveries. We show how computational and
data-intensive methodology -- together with experimental and theoretical
methodology -- can be seamlessly integrated for scientific research. To
demonstrate the AI-based science discovery process, and to pay our respect to
some of the greatest minds in human history, we show how Kepler's laws of
planetary motion and the Newton's law of universal gravitation can be
rediscovered by (Explainable) AI based on Tycho Brahe's astronomical
observation data, whose works were leading the scientific revolution in the
16-17th century. This work also highlights the important role of Explainable AI
(as compared to Blackbox AI) in science discovery to help humans prevent or
better prepare for the possible technological singularity which may happen in
the future.
- Abstract（参考訳）: 観察-仮説-予測-実験ループの研究パラダイムは、長年にわたって研究者によって科学的発見に向けて実践されてきた。
しかし、大規模な科学研究とミリスケールの科学研究の両方でデータ爆発が起こると、データを手動で分析し、科学的発見のサイクルを駆動する新たな仮説を提案するのは非常に困難である。
本稿では,科学発見のための説明可能なAIベースのパラダイムを提案する。
鍵となるのは、データやモデル解釈、科学発見の導出を支援するために、説明可能なAI(XAI)を使用することである。
実験と理論の方法論とともに、計算とデータ集約の方法論が科学研究にシームレスに統合できることを示す。
AIに基づく科学発見のプロセスを実証し、人類史上最大の精神の一部に敬意を払っていくために、16世紀から17世紀の科学革命を導いたティコ・ブラーエの天体観測データに基づく(説明可能な)AIによって、ケプラーの惑星運動法則とニュートンの普遍重力法則がどのように再発見されるかを示す。
この研究は、科学発見における説明可能なAI(Blackbox AIと比較して)の重要な役割を強調し、人間が将来起こりうる技術的特異点の予防またはより良い準備を支援する。
関連論文リスト
- Explain the Black Box for the Sake of Science: the Scientific Method in the Era of Generative Artificial Intelligence [0.9065034043031668]
科学的手法は自然科学と応用科学の全ての分野における人間の進歩の基盤である。
我々は、人類の科学的発見のための複雑な推論が、少なくとも人工知能の出現以前には重要な存在であると主張している。
決定を下す上で重要なデータAIシステムを知ることは、ドメインの専門家や科学者との接触点になる可能性がある。
論文 参考訳（メタデータ） (2024-06-15T08:34:42Z) - "Turing Tests" For An AI Scientist [0.0]
本稿では,AIエージェントが独立して科学的研究を行うことができるかどうかを評価するために,AI科学者の研修試験を提案する。
我々は,AIエージェントが様々な科学領域において画期的な発見を行う能力を評価する7つのベンチマークテストを提案する。
論文 参考訳（メタデータ） (2024-05-22T05:14:27Z) - Can AI Understand Our Universe? Test of Fine-Tuning GPT by Astrophysical Data [6.0108108767559525]
ChatGPTはここ数ヶ月で最も話題になっているコンセプトで、プロフェッショナルと一般大衆の両方を魅了している。
本稿では、銀河、クエーサー、星、ガンマ線バースト(GRBs)、ブラックホール(BHs)の観測から得られた天文学データを用いて、生成前訓練変圧器モデル(GPT)を微調整する。
我々は、LLMが科学的研究において証明された有効性を示す試験として、これを成功とみなしている。
論文 参考訳（メタデータ） (2024-04-14T20:52:19Z) - 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) - 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) - Automated Scientific Discovery: From Equation Discovery to Autonomous
Discovery Systems [5.7923858184309385]
本稿では、方程式発見から記号回帰から自律的な発見システムやエージェントまで、自動的な科学的発見を調査する。
我々は、Adamシステムに関する先駆的な研究から、物質科学から天文学まで、現在の分野への取り組みまで、クローズドループ科学発見システムを紹介する。
レベル5の最大レベルは、科学的知識の創出において人間の介入を必要としないと定義されている。
論文 参考訳（メタデータ） (2023-05-03T16:35:41Z) - A Computational Inflection for Scientific Discovery [48.176406062568674]
我々は科学的な発見の軌跡において、かなりの屈折の足元に立っている。
社会が急速に成長するデジタルトランスフォーメーションを継続するにつれて、人類の集団的な科学的知識も同様である。
コンピュータ科学は科学プロセス自体に革命を起こそうとしている。
論文 参考訳（メタデータ） (2022-05-04T11:36:54Z) - On scientific understanding with artificial intelligence [2.2911874889696775]
我々は科学的理解を理解するために科学哲学からのアドバイスを求める。
そして、コンピューターの助けを借りて、どのようにして新しい概念的理解を得たかについて、科学者から数十の逸話を集めました。
各次元について、ステータスクォーを超えて進むための新しい道について説明する。
論文 参考訳（メタデータ） (2022-04-04T13:45:13Z) - 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) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z)
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。