論文の概要: Generative Pre-Trained Transformers for Biologically Inspired Design
- arxiv url: http://arxiv.org/abs/2204.09714v1
- Date: Thu, 31 Mar 2022 11:13:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-24 23:45:19.039465
- Title: Generative Pre-Trained Transformers for Biologically Inspired Design
- Title（参考訳）: 生物にインスパイアされた設計のための生成予習変圧器
- Authors: Qihao Zhu, Xinyu Zhang, Jianxi Luo
- Abstract要約: 本稿では,事前学習言語モデル(PLM)に基づく生成設計手法を提案する。
問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。
このアプローチは、自然にインスパイアされた軽量の空飛ぶ車の概念の生成と評価に微調整されたモデルを適用するケーススタディによってテストされる。
- 参考スコア（独自算出の注目度）: 13.852758740799452
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biological systems in nature have evolved for millions of years to adapt and
survive the environment. Many features they developed can be inspirational and
beneficial for solving technical problems in modern industries. This leads to a
novel form of design-by-analogy called bio-inspired design (BID). Although BID
as a design method has been proven beneficial, the gap between biology and
engineering continuously hinders designers from effectively applying the
method. Therefore, we explore the recent advance of artificial intelligence
(AI) for a computational approach to bridge the gap. This paper proposes a
generative design approach based on the pre-trained language model (PLM) to
automatically retrieve and map biological analogy and generate BID in the form
of natural language. The latest generative pre-trained transformer, namely
GPT-3, is used as the base PLM. Three types of design concept generators are
identified and fine-tuned from the PLM according to the looseness of the
problem space representation. Machine evaluators are also fine-tuned to assess
the correlation between the domains within the generated BID concepts. The
approach is then tested via a case study in which the fine-tuned models are
applied to generate and evaluate light-weighted flying car concepts inspired by
nature. The results show our approach can generate BID concepts with good
performance.
- Abstract（参考訳）: 自然界の生物システムは環境に適応し生き残るために何百万年も進化してきた。
彼らが開発した多くの機能は、現代の産業における技術的な問題を解決するのにインスピレーションを与え、有益である。
これにより、バイオインスパイアド・デザイン(BID)と呼ばれる新しいデザイン・バイ・アナロジーが生まれる。
設計手法としてのBIDは有用であることが証明されているが、生物学と工学のギャップは設計者が効果的に適用するのを継続的に妨げている。
そこで我々は,このギャップを埋めるための計算手法として,人工知能(AI)の最近の進歩を探求する。
本稿では,事前学習型言語モデル(plm)に基づく生成的設計手法を提案する。
最新の生成前訓練トランスであるGPT-3がベースPLMとして使用されている。
問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。
マシン評価器は、生成されたBID概念内のドメイン間の相関を評価するために微調整される。
このアプローチは、自然にインスパイアされた軽量の空飛ぶ車の概念の生成と評価に微調整モデルを適用するケーススタディによってテストされる。
提案手法は,BIDの概念を優れた性能で生成できることを示す。
関連論文リスト
- Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
我々は、MBOタスクの構造を学習し、経験的に改良された設計につながるモデルを開発する。
我々はCliqueformerを、高次元のブラックボックス機能から、化学・遺伝設計の現実的なタスクまで、様々なタスクで評価する。
論文 参考訳（メタデータ） (2024-10-17T00:35:47Z) - Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。
本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文 参考訳（メタデータ） (2024-09-17T04:48:45Z) - Generative Structural Design Integrating BIM and Diffusion Model [4.619347136761891]
本研究では,ビルディング情報モデリング(BIM)をインテリジェントな構造設計に適用し,BIMと生成AIを統合した構造設計パイプラインを確立する。
人図作成のプロセスにインスパイアされた生成フレームワークでは,AIモデルの生成困難を軽減するため,新たな2段階生成フレームワークが提案されている。
生成型AIツールでは、広く使われているGANベースのモデルを置き換えるために拡散モデル(DM)を導入し、新しい物理ベースの条件付き拡散モデル(PCDM)を提案し、異なる設計の前提条件を検討する。
論文 参考訳（メタデータ） (2023-11-07T15:05:19Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Learning Transferable Conceptual Prototypes for Interpretable
Unsupervised Domain Adaptation [79.22678026708134]
本稿では,Transferable Prototype Learning (TCPL) という,本質的に解釈可能な手法を提案する。
この目的を達成するために、ソースドメインからターゲットドメインにカテゴリの基本概念を転送する階層的なプロトタイプモジュールを設計し、基礎となる推論プロセスを説明するためにドメイン共有プロトタイプを学習する。
総合的な実験により,提案手法は有効かつ直感的な説明を提供するだけでなく,従来の最先端技術よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-10-12T06:36:41Z) - Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳（メタデータ） (2023-03-03T21:41:01Z) - Biologically Inspired Design Concept Generation Using Generative
Pre-Trained Transformers [13.852758740799452]
本稿では、生成事前学習言語モデル(PLM)に基づく生成設計手法を提案する。
問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。
このアプローチは評価され、その後、軽量の空飛ぶ自動車を設計する現実世界のプロジェクトで使用される。
論文 参考訳（メタデータ） (2022-12-26T16:06:04Z) - Generative Transformers for Design Concept Generation [7.807713821263175]
本研究では,人工知能(AI)分野における自然言語生成技術(NLG)の最近の進歩について考察する。
テキストデータからの知識と推論を活用するために,GPT(Generative Pre-trained Transformer)を用いた新しい手法を提案する。
3つの概念生成タスクは、異なる知識と推論(ドメイン知識合成、問題駆動合成、アナログ駆動合成)を活用するために定義される。
論文 参考訳（メタデータ） (2022-11-07T11:29:10Z) - Generative Design Ideation: A Natural Language Generation Approach [7.807713821263175]
本稿では,人工知能(AI)における最新の事前学習言語モデルの適用により,知識に基づく設計概念の生成的アプローチを検討することを目的とする。
AI生成されたアイデアは、簡潔で理解可能な言語であるだけでなく、制御可能な知識距離を持つ外部知識ソースでターゲット設計を合成することができる。
論文 参考訳（メタデータ） (2022-03-28T08:11:29Z) - Energy Decay Network (EDeN) [0.0]
このフレームワークは、潜在的な構造的表現を通じて経験の遺伝的移行を開発する。
成功した経路は、エポック当たりのスパイク分布の安定性によって定義される。
論文 参考訳（メタデータ） (2021-03-10T23:17:59Z)
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。