Fugu-MT 論文翻訳(概要): Bringing Atomistic Deep Learning to Prime Time

論文の概要: Bringing Atomistic Deep Learning to Prime Time

arxiv url: http://arxiv.org/abs/2112.04977v1
Date: Thu, 9 Dec 2021 15:16:46 GMT
ステータス: 処理完了
システム内更新日: 2021-12-10 16:14:51.527707
Title: Bringing Atomistic Deep Learning to Prime Time
Title（参考訳）: Atomistic Deep Learningをプライムタイムに導入
Authors: Nathan C. Frey, Siddharth Samsi, Bharath Ramsundar, Connor W. Coley, Vijay Gadepally
Abstract要約: 原子性深層学習,分子科学,高性能コンピューティングの統合を防止するための4つの障壁を同定する。これらの課題がもたらす機会に対処するための研究の取り組みを概説する。
参考スコア（独自算出の注目度）: 5.7819653705012755
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Artificial intelligence has not yet revolutionized the design of materials and molecules. In this perspective, we identify four barriers preventing the integration of atomistic deep learning, molecular science, and high-performance computing. We outline focused research efforts to address the opportunities presented by these challenges.
Abstract（参考訳）: 人工知能はまだ材料や分子の設計に革命を起こしていない。この観点から、原子論的深層学習、分子科学、高性能コンピューティングの統合を防止するための4つの障壁を同定する。これらの課題がもたらす機会に対処するための研究の取り組みを概説する。

関連論文リスト

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)
Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
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)
Imagine All the People: Citizen Science, Artificial Intelligence, and Computational Research [7.111661677477925]
機械学習、人工知能、ディープラーニングは過去10年間で大幅に進歩している。人間は創造性、直観、文脈、抽象といったユニークな能力を持っている。科学と社会の課題に挑戦するためには、人間と機械の相補的な能力が必要です。
論文参考訳（メタデータ） (2021-03-31T20:21:13Z)
Curiosity in exploring chemical space: Intrinsic rewards for deep molecular reinforcement learning [2.867517731896504]
強化学習エージェントの効率的な探索を支援するアルゴリズムを提案する。興味のあるエージェントがより優れた分子を見つけるための3つのベンチマークを示す。これは、人類がこれまで考えていなかった予期せぬ新しい分子を生み出す可能性がある。
論文参考訳（メタデータ） (2020-12-17T17:21:59Z)
Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文参考訳（メタデータ） (2020-11-17T13:14:28Z)
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)
Drug discovery with explainable artificial intelligence [0.0]
分子科学の機械言語の新しい物語の必要性に対処する「説明可能な」深層学習手法が求められている。このレビューでは、説明可能な人工知能の最も顕著なアルゴリズム概念を要約し、将来の可能性、潜在的な応用、そして残る課題を予測している。
論文参考訳（メタデータ） (2020-07-01T14:36:23Z)

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。