Fugu-MT 論文翻訳(概要): Heliophysics Discovery Tools for the 21st Century: Data Science and Machine Learning Structures and Recommendations for 2020-2050

論文の概要: Heliophysics Discovery Tools for the 21st Century: Data Science and Machine Learning Structures and Recommendations for 2020-2050

arxiv url: http://arxiv.org/abs/2212.13325v1
Date: Mon, 26 Dec 2022 23:43:25 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 14:52:04.923791
Title: Heliophysics Discovery Tools for the 21st Century: Data Science and Machine Learning Structures and Recommendations for 2020-2050
Title（参考訳）: 21世紀の地球物理学発見ツール : データサイエンスと機械学習の構造と2020-2050年の提言
Authors: R. M. McGranaghan, B. Thompson, E. Camporeale, J. Bortnik, M. Bobra, G. Lapenta, S. Wing, B. Poduval, S. Lotz, S. Murray, M. Kirk, T. Y. Chen, H. M. Bain, P. Riley, B. Tremblay, M. Cheung, V. Delouille
Abstract要約: ヘリオフィジカル・サイエンス・ディスカバリーの手法は、継続的に進化していく。データ、技術、労働力の変化のペースで成長するには、バイオ物理学は知識の表現に新しいアプローチを必要とする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Three main points: 1. Data Science (DS) will be increasingly important to heliophysics; 2. Methods of heliophysics science discovery will continually evolve, requiring the use of learning technologies [e.g., machine learning (ML)] that are applied rigorously and that are capable of supporting discovery; and 3. To grow with the pace of data, technology, and workforce changes, heliophysics requires a new approach to the representation of knowledge.
Abstract（参考訳）: 主なポイントは3つ。 1.データサイエンス(DS)は、生理学においてますます重要になるでしょう。 2. ヘリオ物理科学発見の方法は、厳格に適用され発見を支援することができる学習技術(機械学習(ML)など)を必要とせず、継続的に進化していく。 3. データ、技術、労働力の変化のペースで成長するためには、ヘリオフィジカルスは知識の表現に新しいアプローチを必要とする。

関連論文リスト

Improving Molecular Modeling with Geometric GNNs: an Empirical Study [56.52346265722167]
本稿では,異なる標準化手法,(2)グラフ作成戦略,(3)補助的なタスクが性能,拡張性,対称性の強制に与える影響に焦点をあてる。本研究の目的は,分子モデリングタスクに最適なモデリングコンポーネントの選択を研究者に案内することである。
論文参考訳（メタデータ） (2024-07-11T09:04:12Z)
Opportunities for machine learning in scientific discovery [16.526872562935463]
我々は、科学コミュニティが科学的な発見を達成するために機械学習技術をどのように活用できるかをレビューする。課題は残るが、MLの原則的利用は基本的な科学的発見のための新たな道を開く。
論文参考訳（メタデータ） (2024-05-07T09:58:02Z)
DeepSpeed4Science Initiative: Enabling Large-Scale Scientific Discovery through Sophisticated AI System Technologies [116.09762105379241]
DeepSpeed4Scienceは、AIシステム技術革新を通じてユニークな機能を構築することを目指している。我々は、構造生物学研究における2つの重要なシステム課題に対処するために、DeepSpeed4Scienceで行った初期の進歩を紹介した。
論文参考訳（メタデータ） (2023-10-06T22:05:15Z)
Symmetry-Informed Geometric Representation for Molecules, Proteins, and Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。 Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文参考訳（メタデータ） (2023-06-15T05:37:25Z)
Deep Learning for Space Weather Prediction: Bridging the Gap between Heliophysics Data and Theory [3.5597536699796795]
深層学習技術は、予測的に強力な宇宙天気モデルの新しいクラスを創出する。我々はNASAに、これらの進歩を活かすのに必要な研究とインフラに投資するよう求めた。
論文参考訳（メタデータ） (2022-12-27T00:30:39Z)
Artificial Intelligence and Machine Learning in Nuclear Physics [40.019577714454]
このレビューは、人工知能と機械学習技術によって変換された核物理学の研究のスナップショットを提供する。これらの技術は、核物理学の研究トピックの多様性にまたがって適用されており、科学的な発見や社会的な応用を促進する進歩につながっている。
論文参考訳（メタデータ） (2021-12-04T11:26:00Z)
Learning from learning machines: a new generation of AI technology to meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文参考訳（メタデータ） (2021-11-27T00:55:21Z)
Advanced Multi-Variate Analysis Methods for New Physics Searches at the Large Hadron Collider [72.34476433304168]
ava4newphysicsは、高度多変量解析法と統計学習ツールの高エネルギー物理学問題へのカスタマイズと応用を研究した。これらの手法の多くは、CERNにおけるATLASおよびCMS実験によるデータ解析の感度向上に成功している。テスト段階にある他のいくつかは、基礎物理学パラメータの測定の精度と新しい現象の探索の到達範囲をさらに改善することを約束している。
論文参考訳（メタデータ） (2021-05-16T22:20:30Z)
Applications of physics-informed scientific machine learning in subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文参考訳（メタデータ） (2021-04-10T13:40:22Z)
A Review into Data Science and Its Approaches in Mechanical Engineering [0.0]
本稿では,データサイエンスを概説し,その方法について概説する。はじめに、異なるデータサイエンスの定義とその技術における背景をレビューした。データサイエンスの手法を研究に用いた機械工学分野のいくつかの研究がレビューされている。
論文参考訳（メタデータ） (2020-12-30T23:05:29Z)
Incorporating Physical Knowledge into Machine Learning for Planetary Space Physics [0.0]
我々は、土星の磁気圏におけるプラズマ不安定性の半教師付き物理に基づく分類を適用した以前の試みを構築した。これらの軌道上の宇宙船データ特性の知識を取り入れることで、機械学習手法の性能と解釈性が向上することを示す。
論文参考訳（メタデータ） (2020-06-02T20:31:29Z)

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。