論文の概要: What If: Generating Code to Answer Simulation Questions
- arxiv url: http://arxiv.org/abs/2204.07835v1
- Date: Sat, 16 Apr 2022 16:10:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 06:48:24.595306
- Title: What If: Generating Code to Answer Simulation Questions
- Title（参考訳）: if: シミュレーションの質問に答えるコードを生成する
- Authors: Gal Peretz, Kira Radinsky
- Abstract要約: 化学反応過程を記述したテキストと、異なる環境条件下でのプロセスの結果について質問する質問に焦点を当てる。
このようなプロセスに関する質問に答えるためには、プロセスに関わる異なるエンティティ間の相互作用を理解する必要がある。
本稿では,新しい状態遷移セマンティック報酬を用いた強化学習に基づくニューラルプログラム合成手法を提案する。
- 参考スコア（独自算出の注目度）: 23.049480760535758
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many texts, especially in chemistry and biology, describe complex processes.
We focus on texts that describe a chemical reaction process and questions that
ask about the process's outcome under different environmental conditions. To
answer questions about such processes, one needs to understand the interactions
between the different entities involved in the process and to simulate their
state transitions during the process execution under different conditions. A
state transition is defined as the memory modification the program does to the
variables during the execution. We hypothesize that generating code and
executing it to simulate the process will allow answering such questions. We,
therefore, define a domain-specific language (DSL) to represent processes. We
contribute to the community a unique dataset curated by chemists and annotated
by computer scientists. The dataset is composed of process texts, simulation
questions, and their corresponding computer codes represented by the DSL.We
propose a neural program synthesis approach based on reinforcement learning
with a novel state-transition semantic reward. The novel reward is based on the
run-time semantic similarity between the predicted code and the reference code.
This allows simulating complex process transitions and thus answering
simulation questions. Our approach yields a significant boost in accuracy for
simulation questions: 88\% accuracy as opposed to 83\% accuracy of the
state-of-the-art neural program synthesis approaches and 54\% accuracy of
state-of-the-art end-to-end text-based approaches.
- Abstract（参考訳）: 多くのテキスト、特に化学と生物学は複雑な過程を記述している。
化学反応過程を記述したテキストと、異なる環境条件下でのプロセスの結果について質問する質問に焦点を当てる。
このようなプロセスに関する質問に答えるためには、プロセスに関わる異なるエンティティ間の相互作用を理解し、異なる条件下でプロセスの実行中に状態遷移をシミュレートする必要がある。
状態遷移は、プログラムが実行中に変数に対して行うメモリ変更として定義される。
コードを生成し、それを実行してプロセスをシミュレートすると、そのような質問に答えることができる、という仮説を立てています。
したがって、プロセスを表現するためにドメイン固有言語(DSL)を定義します。
我々は,化学者が収集し,コンピュータ科学者が注釈を付したユニークなデータセットをコミュニティに寄贈する。
本データセットは,DSLで表されるプロセステキスト,シミュレーション質問,およびそれに対応するコンピュータコードで構成され,新しい状態遷移セマンティック報酬を用いた強化学習に基づくニューラルプログラム合成手法を提案する。
新たな報酬は、予測コードと参照コードとの実行時のセマンティックな類似性に基づいている。
これにより複雑なプロセス遷移をシミュレートし、シミュレーションの質問に答えることができる。
本手法は,最先端のニューラルプログラム合成手法の83\%精度と最先端のテキストベースアプローチの54\%精度とは対照的に,シミュレーション質問の精度を88\%向上させる。
関連論文リスト
- HPE:Answering Complex Questions over Text by Hybrid Question Parsing and
Execution [92.69684305578957]
テキストQAにおける質問解析と実行の枠組みを提案する。
提案したフレームワークは、トップダウンの質問パースとして、ボトムアップの回答バックトラックとみなすことができる。
MuSiQue,2WikiQA,HotpotQA,およびNQに関する実験により,提案した解析およびハイブリッド実行フレームワークが,教師付き,少数ショット,ゼロショット設定における既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2023-05-12T22:37:06Z) - Accelerating hypersonic reentry simulations using deep learning-based
hybridization (with guarantees) [0.0]
我々は流体力学と化学反応のカップリングを伴う超音速惑星再突入問題に焦点を当てた。
化学反応のシミュレーションには計算時間の大半を要するが、正確な予測を得るためには避けられない。
従来の流体力学解法と化学反応を近似したニューラルネットワークを結合したハイブリッドシミュレーション符号を設計する。
論文 参考訳（メタデータ） (2022-09-27T14:41:56Z) - Automatic question generation based on sentence structure analysis using
machine learning approach [0.0]
本稿では,英語の非構造化テキストから事実質問を生成するための枠組みを紹介する。
文パターンに基づく従来の言語アプローチと、いくつかの機械学習手法を組み合わせる。
フレームワークには、生成された質問の品質を見積もる質問評価モジュールも含まれている。
論文 参考訳（メタデータ） (2022-05-25T14:35:29Z) - A Conversational Paradigm for Program Synthesis [110.94409515865867]
本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。
私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。
本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
論文 参考訳（メタデータ） (2022-03-25T06:55:15Z) - HySTER: A Hybrid Spatio-Temporal Event Reasoner [75.41988728376081]
HySTER: ビデオ内の物理イベントを推論するためのハイブリッド時空間イベント推論器を紹介します。
タスク間を移動可能な一般的な時間的・因果的・物理的ルールに基づく手法を定義する。
この研究は、VideoQAの分野でのインダクティブロジックプログラミングの組み込みの基礎を設定します。
論文 参考訳（メタデータ） (2021-01-17T11:07:17Z) - Automated Synthesis of Steady-State Continuous Processes using
Reinforcement Learning [0.0]
強化学習は、概念設計の事前知識を必要とせずに自動フローシート合成に使用できる。
フローシート合成は、2人の競技者のゲームとしてモデル化される。
この方法は四元系における反応蒸留プロセスにうまく適用される。
論文 参考訳（メタデータ） (2021-01-12T11:49:34Z) - Understanding Unnatural Questions Improves Reasoning over Text [54.235828149899625]
生テキストに対する複雑な質問応答(CQA)は難しい課題である。
効果的なCQAモデルを学ぶには、大量の人間が注釈付けしたデータが必要である。
我々は、自然の人間生成の質問を非自然の機械生成の質問に投影することで、高品質なプログラマ(パーザ)を学ぶという課題に対処する。
論文 参考訳（メタデータ） (2020-10-19T10:22:16Z) - Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。
常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。
我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文 参考訳（メタデータ） (2020-09-28T10:28:40Z) - Procedural Reading Comprehension with Attribute-Aware Context Flow [85.34405161075276]
手続き的なテキストは、しばしばエンティティの上で起こるプロセスを記述する。
本稿では,テキストを一般的な形式に翻訳することで,手続き的読解のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-31T00:06:29Z)
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。