論文の概要: Quantifying Complexity: An Object-Relations Approach to Complex Systems
- arxiv url: http://arxiv.org/abs/2210.12347v1
- Date: Sat, 22 Oct 2022 04:22:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 22:04:00.601527
- Title: Quantifying Complexity: An Object-Relations Approach to Complex Systems
- Title（参考訳）: 複雑性の定量化:複雑なシステムに対するオブジェクト-リレーションアプローチ
- Authors: Stephen Casey
- Abstract要約: 本稿では,全ての種類のシステムに一般化した複雑なシステムのオブジェクト関係モデルを開発する。
結果として生じる複雑情報エントロピー(CIE)方程式は、様々な文脈における複雑性を定量化する堅牢な方法である。
応用分野は工学設計、原子物理学、分子物理学、化学、材料科学、心理学、神経科学、社会学、生態学、経済学、医学である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The best way to model, understand, and quantify the information contained in
complex systems is an open question in physics, mathematics, and computer
science. The uncertain relationship between entropy and complexity further
complicates this question. With ideas drawn from the object-relations theory of
psychology, this paper develops an object-relations model of complex systems
which generalizes to systems of all types, including mathematical operations,
machines, biological organisms, and social structures. The resulting Complex
Information Entropy (CIE) equation is a robust method to quantify complexity
across various contexts. The paper also describes algorithms to iteratively
update and improve approximate solutions to the CIE equation, to recursively
infer the composition of complex systems, and to discover the connections among
objects across different lengthscales and timescales. Applications are
discussed in the fields of engineering design, atomic and molecular physics,
chemistry, materials science, neuroscience, psychology, sociology, ecology,
economics, and medicine.
- Abstract（参考訳）: 複雑なシステムに含まれる情報をモデル化し、理解し、定量化する最善の方法は、物理学、数学、計算機科学におけるオープン問題である。
エントロピーと複雑性の間の不確実な関係は、この問題をさらに複雑にする。
心理学のオブジェクト関係論から導かれたアイデアを用いて,数学的操作,機械,生物,社会構造など,あらゆる種類のシステムに一般化する複雑なシステムのオブジェクト関係モデルを開発する。
結果として生じる複雑情報エントロピー(CIE)方程式は、様々な文脈における複雑性を定量化する堅牢な方法である。
また、CIE方程式の近似解を反復的に更新・改善し、複雑なシステムの構成を再帰的に推論し、異なる長さスケールと時間スケールのオブジェクト間の接続を発見するアルゴリズムについても述べる。
応用分野は工学設計、原子物理学、分子物理学、化学、材料科学、神経科学、心理学、社会学、生態学、経済学、医学である。
関連論文リスト
- On the Role of Information Structure in Reinforcement Learning for Partially-Observable Sequential Teams and Games [55.2480439325792]
逐次的意思決定問題において、情報構造とは、異なる時点に発生するシステム内の事象が相互にどのように影響するかを記述するものである。
対照的に、現実のシーケンシャルな意思決定問題は通常、システム変数の複雑で時間的な相互依存を伴う。
情報構造を明示する新しい強化学習モデルを定式化する。
論文 参考訳（メタデータ） (2024-03-01T21:28:19Z) - Next-Generation Simulation Illuminates Scientific Problems of Organised Complexity [14.665628508798319]
我々は、科学的問題の古典的な分類を再考し、未解決の問題の連続が残っていることを認めた。
我々は,異なるパラダイムのメソッドを統合するプラットフォームとして機能する次世代シミュレーション(NGS)に焦点を当てる。
本稿では,それを実現するための方法論,洗練された行動シミュレーション(SBS)を提案する。
論文 参考訳（メタデータ） (2024-01-18T10:05:52Z) - Large Language Models for Scientific Synthesis, Inference and
Explanation [56.41963802804953]
大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。
我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。
このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
論文 参考訳（メタデータ） (2023-10-12T02:17:59Z) - Probing multipartite entanglement through persistent homology [6.107978190324034]
永続的ホモロジーによる多部交絡の研究を提案する。
永続ホモロジーは トポロジカルデータ分析で 使われるツールです
永続バーコードはそのトポロジ的要約よりもきめ細かな情報を提供することを示す。
論文 参考訳（メタデータ） (2023-07-14T17:24:33Z) - Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。
我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文 参考訳（メタデータ） (2023-05-21T03:51:03Z) - On the sampling complexity of open quantum systems [0.0]
基礎となる量子過程の複雑さが、その力学に対するマスター方程式の関連する族(英語版)の複雑さにどのように対応するかを示す。
この結果は、複雑性理論の観点から、オープン量子システムの研究の道を開くものである。
論文 参考訳（メタデータ） (2022-09-22T09:09:28Z) - 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) - Detailed Account of Complexity for Implementation of Some Gate-Based
Quantum Algorithms [55.41644538483948]
特に、状態準備および読み出しプロセスのような実装のいくつかのステップは、アルゴリズム自体の複雑さの側面を超越することができる。
本稿では、方程式の線形系と微分方程式の線形系を解くための量子アルゴリズムの完全な実装に関わる複雑性について述べる。
論文 参考訳（メタデータ） (2021-06-23T16:33:33Z) - Model Complexity of Deep Learning: A Survey [79.20117679251766]
深層学習におけるモデル複雑性に関する最新の研究を体系的に概観します。
本稿では,これら2つのカテゴリに関する既存研究について,モデルフレームワーク,モデルサイズ,最適化プロセス,データ複雑性の4つの重要な要因について概説する。
論文 参考訳（メタデータ） (2021-03-08T22:39:32Z) - The 4th International Workshop on Smart Simulation and Modelling for
Complex Systems [4.489415125484399]
コンピュータベースのモデリングとシミュレーションは、人間が異なるドメインのシステムを理解するのに役立つツールとなっている。
マルチエージェントシステムのようなスマートシステムは、複雑なシステムのモデリングとシミュレーションにおいて、利点と大きなポテンシャルを示してきた。
論文 参考訳（メタデータ） (2021-02-01T21:40:28Z) - Learning Theory for Inferring Interaction Kernels in Second-Order
Interacting Agent Systems [17.623937769189364]
推定器の強い一貫性と最適非パラメトリック min-max 収束率を確立する完全学習理論を開発する。
推定器を構築するための数値アルゴリズムは並列化可能であり、高次元問題に対してよく機能し、複雑な力学系上で実証される。
論文 参考訳（メタデータ） (2020-10-08T02:07:53Z)
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。