Fugu-MT 論文翻訳(概要): Artificial Intelligence and Machine Learning in Nuclear Physics

論文の概要: Artificial Intelligence and Machine Learning in Nuclear Physics

arxiv url: http://arxiv.org/abs/2112.02309v1
Date: Sat, 4 Dec 2021 11:26:00 GMT
ステータス: 処理完了
システム内更新日: 2021-12-10 05:45:10.251061
Title: Artificial Intelligence and Machine Learning in Nuclear Physics
Title（参考訳）: 原子核物理学における人工知能と機械学習
Authors: Amber Boehnlein, Markus Diefenthaler, Cristiano Fanelli, Morten Hjorth-Jensen, Tanja Horn, Michelle P. Kuchera, Dean Lee, Witold Nazarewicz, Kostas Orginos, Peter Ostroumov, Long-Gang Pang, Alan Poon, Nobuo Sato, Malachi Schram, Alexander Scheinker, Michael S. Smith, Xin-Nian Wang, Veronique Ziegler
Abstract要約: このレビューは、人工知能と機械学習技術によって変換された核物理学の研究のスナップショットを提供する。これらの技術は、核物理学の研究トピックの多様性にまたがって適用されており、科学的な発見や社会的な応用を促進する進歩につながっている。
参考スコア（独自算出の注目度）: 40.019577714454
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Advances in artificial intelligence/machine learning methods provide tools that have broad applicability in scientific research. These techniques are being applied across the diversity of nuclear physics research topics, leading to advances that will facilitate scientific discoveries and societal applications. This Review gives a snapshot of nuclear physics research which has been transformed by artificial intelligence and machine learning techniques.
Abstract（参考訳）: 人工知能/機械学習法の進歩は、科学研究に広く適用可能なツールを提供する。これらの技術は、核物理学研究の様々な分野に応用され、科学的な発見や社会的な応用を促進する進歩に繋がる。このレビューは、人工知能と機械学習技術によって変換された核物理学の研究のスナップショットを提供する。

関連論文リスト

Scalable Artificial Intelligence for Science: Perspectives, Methods and Exemplars [0.15705429611931054]
複雑な問題に対処するためには,高性能コンピューティングプラットフォーム上での人工知能のスケールアップが不可欠である。この視点は、認知シミュレーション、科学調査のための大規模言語モデル、医療画像分析、物理インフォームドアプローチといった科学的ユースケースに焦点を当てている。
論文参考訳（メタデータ） (2024-06-24T20:29:29Z)
Computing in the Life Sciences: From Early Algorithms to Modern AI [45.74830585715129]
本稿では,生命科学におけるコンピューティングの歴史的発展を通じて,重要なマイルストーンと技術進歩を強調した。この議論には、生物学的プロセスの計算モデルの導入、バイオインフォマティクスツールの出現、現代の生命科学研究におけるAI/MLの統合が含まれる。科学的な大規模言語モデルやバイオAIツールなど、生命科学で使用されるAI対応ツールに注意が向けられ、その能力、限界、生物学的リスクへの影響を調べる。
論文参考訳（メタデータ） (2024-06-17T21:36:52Z)
A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文参考訳（メタデータ） (2024-02-16T18:05:09Z)
Drivers and Barriers of AI Adoption and Use in Scientific Research [0.0]
我々は、科学者の人的資本と、協力者や機関のネットワークで利用可能な外部リソースに焦点をあて、科学研究におけるAIの統合について研究する。我々の結果は、AIは探索の趣味を持つドメイン科学者によって開拓され、コンピュータ科学者、経験豊富なAI科学者、そして初期のキャリア研究者のネットワークに埋め込まれていることを示唆している。
論文参考訳（メタデータ） (2023-12-15T14:49:13Z)
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)
Latest Trends in Artificial Intelligence Technology: A Scoping Review [0.0]
本研究では、PRISMAフレームワークに続く最先端の人工知能技術のスコーピングレビューを行う。目標は、人工知能技術研究のさまざまな領域で使われている最も高度な技術を見つけることであった。
論文参考訳（メタデータ） (2023-05-08T08:06:16Z)
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)
Artificial Intelligence Technology analysis using Artificial Intelligence patent through Deep Learning model and vector space model [0.1933681537640272]
本稿では,人工知能技術分析のための人工知能特許データセットを用いた要素内キーワード分析手法を提案する。実世界の問題に対して,提案モデルをどのように適用できるかを示すために,人工知能特許データの収集と解析を行った。
論文参考訳（メタデータ） (2021-11-08T00:10:49Z)

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。