論文の概要: Snowmass 2021 Computational Frontier CompF03 Topical Group Report:
Machine Learning
- arxiv url: http://arxiv.org/abs/2209.07559v1
- Date: Thu, 15 Sep 2022 18:46:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-19 13:37:01.881845
- Title: Snowmass 2021 Computational Frontier CompF03 Topical Group Report:
Machine Learning
- Title(参考訳): snowmass 2021 computational frontier compf03 topical group report: machine learning
- Authors: Phiala Shanahan, Kazuhiro Terao, Daniel Whiteson
- Abstract要約: 新しく、潜在的に革命的なアプローチは、両方の分野で才能のある世代によって開発されている。
これらの発展を推進している学際的なコミュニティのニーズを緊急に支援する必要がある。
- 参考スコア(独自算出の注目度): 0.8594140167290096
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapidly-developing intersection of machine learning (ML) with high-energy
physics (HEP) presents both opportunities and challenges to our community. Far
beyond applications of standard ML tools to HEP problems, genuinely new and
potentially revolutionary approaches are being developed by a generation of
talent literate in both fields. There is an urgent need to support the needs of
the interdisciplinary community driving these developments, including funding
dedicated research at the intersection of the two fields, investing in
high-performance computing at universities and tailoring allocation policies to
support this work, developing of community tools and standards, and providing
education and career paths for young researchers attracted by the intellectual
vitality of machine learning for high energy physics.
- Abstract(参考訳): 機械学習(ML)と高エネルギー物理学(HEP)の急速に発展する交差点は、私たちのコミュニティに機会と課題を提示します。
HEP問題への標準のMLツールの応用をはるかに超えて、真に新しく、潜在的に革命的なアプローチは、両方の分野で才能のある世代によって開発されている。
この2つの分野の交差点における専用研究の資金提供、大学におけるハイパフォーマンスコンピューティングへの投資、この研究を支援するためのアロケーションポリシーの調整、コミュニティツールや標準の開発、高エネルギー物理学における機械学習の知的活力に惹きつけられた若手研究者の教育とキャリアパスの提供など、これらの発展を支える学際的コミュニティのニーズを緊急に支援する必要がある。
関連論文リスト
- From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳(メタデータ) (2024-09-05T13:22:51Z) - Recent Advances in Generative AI and Large Language Models: Current Status, Challenges, and Perspectives [10.16399860867284]
生成人工知能(AI)と大規模言語モデル(LLM)の出現は、自然言語処理(NLP)の新しい時代を象徴している。
本稿では,これらの最先端技術の現状を概観し,その顕著な進歩と広範囲な応用を実証する。
論文 参考訳(メタデータ) (2024-07-20T18:48:35Z) - Infrastructure Engineering: A Still Missing, Undervalued Role in the Research Ecosystem [0.0]
研究はますますソフトウェアに依存している。
このような役割の必要性は、単に理想的ではなく、科学の継続的な成功に不可欠である。
この記事では、この欠落したレイヤの重要性を強調し、インフラストラクチャエンジニアの役割の欠如がいかに非効率になったかを例示します。
論文 参考訳(メタデータ) (2024-05-17T00:15:43Z) - Large Language Models for Education: A Survey and Outlook [69.02214694865229]
各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。
本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
論文 参考訳(メタデータ) (2024-03-26T21:04:29Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳(メタデータ) (2023-11-01T11:16:41Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳(メタデータ) (2022-09-07T19:21:19Z) - Data Science and Machine Learning in Education [7.998668690552295]
我々は高エネルギー物理(HEP)におけるデータサイエンス(DS)と機械学習(ML)の役割の増大について論じる。
本稿では,HEP研究とDS/ML教育の相乗効果を探求し,この交差点における機会と課題について議論し,相互に有益なコミュニティ活動を提案する。
論文 参考訳(メタデータ) (2022-07-19T04:20:39Z) - Physics Community Needs, Tools, and Resources for Machine Learning [17.344271002713995]
機械学習(ML)は、最先端の物理学研究においてますます重要なコンポーネントになりつつある。
しかし、その計算要求は重大な課題を呈している。
この白書では、レイテンシとスループットの異なるMLに関する物理学コミュニティのニーズについて論じる。
論文 参考訳(メタデータ) (2022-03-30T12:38:12Z) - Snowmass White Paper: Quantum Computing Systems and Software for
High-energy Physics Research [3.4654477035437328]
我々は、高エネルギー物理研究を進めるための量子コンピューティングシステムとソフトウェアを開発するための課題と機会を特定する。
今後10年以内に量子コンピューティングの実用的および理論的応用とHEP問題の両方をサポートするために、アルゴリズム、アプリケーション、ソフトウェア、ハードウェア、インフラの開発を集中的に行う機会について説明する。
論文 参考訳(メタデータ) (2022-03-14T13:23:20Z) - Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。
Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
論文 参考訳(メタデータ) (2022-01-29T01:03:29Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z)
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。