論文の概要: A Low-Cost Robot Science Kit for Education with Symbolic Regression for Hypothesis Discovery and Validation

• arxiv url: http://arxiv.org/abs/2204.04187v1
• Date: Fri, 8 Apr 2022 17:25:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-11 14:01:29.442892
• Title: A Low-Cost Robot Science Kit for Education with Symbolic Regression for Hypothesis Discovery and Validation
• Title（参考訳）: 仮説発見と検証のためのシンボリック回帰を用いた低コストロボット科学教育キット
• Authors: Logan Saar, Haotong Liang, Alex Wang, Austin McDannald, Efrain Rodriguez, Ichiro Takeuchi, A. Gilad Kusne
• Abstract要約: 次世代の物理科学には、クローズドループで設計、実行、分析が可能な自律的な物理科学システムであるロボット科学者が含まれる。 これらのシステムの構築と利用には、ML、制御システム、計測科学、材料合成、意思決定理論など、さまざまな分野の専門知識が必要となる。 我々は、低コストの自律科学者を構築するためのキットである、科学教育の次世代を提示する。
• 参考スコア（独自算出の注目度）: 15.72286703649173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The next generation of physical science involves robot scientists - autonomous physical science systems capable of experimental design, execution, and analysis in a closed loop. Such systems have shown real-world success for scientific exploration and discovery, including the first discovery of a best-in-class material. To build and use these systems, the next generation workforce requires expertise in diverse areas including ML, control systems, measurement science, materials synthesis, decision theory, among others. However, education is lagging. Educators need a low-cost, easy-to-use platform to teach the required skills. Industry can also use such a platform for developing and evaluating autonomous physical science methodologies. We present the next generation in science education, a kit for building a low-cost autonomous scientist. The kit was used during two courses at the University of Maryland to teach undergraduate and graduate students autonomous physical science. We discuss its use in the course and its greater capability to teach the dual tasks of autonomous model exploration, optimization, and determination, with an example of autonomous experimental "discovery" of the Henderson-Hasselbalch equation.
• Abstract（参考訳）: 次世代の物理科学には、クローズドループで実験的な設計、実行、分析を行うロボット科学者の物理科学システムが含まれる。 このようなシステムは科学的な探索と発見のために現実世界で成功し、その中にはクラスで最高の物質が最初に発見されたことも含まれる。 これらのシステムの構築と利用には、ML、制御システム、計測科学、材料合成、意思決定理論など、さまざまな分野の専門知識が必要となる。 しかし、教育は遅れている。 教育者は必要なスキルを教えるために、低コストで使いやすいプラットフォームが必要です。 産業は、自律的な物理科学方法論の開発と評価のためのプラットフォームも利用できる。 我々は、低コストの自律科学者を構築するためのキットである科学教育の次世代を提示する。 このキットはメリーランド大学で2つのコースで、大学院生と大学院生に自律体科学を教えるために使用された。 本稿では,Henderson-Hasselbalch方程式の自律的実験「発見」の例として,そのコースにおける利用と,自律的モデル探索,最適化,決定という2つのタスクを教える能力について論じる。

関連論文リスト

• Genesis: Towards the Automation of Systems Biology Research [32.67169575874115]
  我々はGenesisという次世代ロボット科学者を開発している。 我々は,ロボット科学者を用いた科学の分野を,人間科学者よりも明らかに速く,低コストで研究できることを実証することを目的とする。 ここでは、Genesisプロジェクトの進捗状況を報告する。
  論文  参考訳（メタデータ） (2024-08-20T09:40:43Z)
• The Use of AI-Robotic Systems for Scientific Discovery [34.54807102377927]
  この章では、科学哲学におけるロボット科学者の基礎をいくつか探求する。 科学的手法は能動的学習と類似していると論じる。
  論文  参考訳（メタデータ） (2024-06-25T15:33:01Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)
• 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)
• SciInstruct: a Self-Reflective Instruction Annotated Dataset for Training Scientific Language Models [57.96527452844273]
  我々はSciInstructを紹介した。SciInstructは、大学レベルの科学的推論が可能な科学言語モデルを訓練するための科学指導スイートである。 我々は、物理学、化学、数学、公式な証明を含む多種多様な高品質なデータセットをキュレートした。 SciInstructの有効性を検証するため、SciInstruct、すなわちChatGLM3(6Bと32B)、Llama3-8B-Instruct、Mistral-7B: MetaMathを用いて言語モデルを微調整した。
  論文  参考訳（メタデータ） (2024-01-15T20:22:21Z)
• 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)
• 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)
• OPEn: An Open-ended Physics Environment for Learning Without a Task [132.6062618135179]
  オープンエンドな物理環境で学んだ世界のモデルが、特定のタスクを伴わずに、下流の物理推論タスクに再利用できるかどうかについて検討する。 我々は,OPEn(Open-ended Physics ENvironment)のベンチマークを構築し,この環境における学習表現をテストするためのいくつかのタスクを明示的に設計する。 その結果、教師なしのコントラスト学習を表現学習に用いたエージェントと、探索のためのインパクト駆動学習が最良の結果となった。
  論文  参考訳（メタデータ） (2021-10-13T17:48:23Z)
• On-the-fly Closed-loop Autonomous Materials Discovery via Bayesian Active Learning [12.021024778717575]
  我々は、高度な素材の発見に、クローズドループでアクティブな学習駆動型自律システムに焦点を当てる。 複雑で高度な材料を手元に配置できる自律的な研究手法を実証する。 このロボット科学は、ネットワーク上の科学を可能にし、科学者の経済的影響を研究室から物理的に切り離すことができる。
  論文  参考訳（メタデータ） (2020-06-11T01:26:24Z)
• Autonomous discovery in the chemical sciences part II: Outlook [2.566673015346446]
  この2部構成のレビューは、自動化が化学科学における発見のさまざまな側面にどのように貢献したかを検証している。 科学プロセスにおいて、自動化と計算の役割が何であるかを明確にすることがますます重要である。
  論文  参考訳（メタデータ） (2020-03-30T19:11:35Z)

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。