論文の概要: A framework for fully autonomous design of materials via multiobjective optimization and active learning: challenges and next steps

• arxiv url: http://arxiv.org/abs/2304.07445v1
• Date: Sat, 15 Apr 2023 01:34:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 19:01:40.971767
• Title: A framework for fully autonomous design of materials via multiobjective optimization and active learning: challenges and next steps
• Title（参考訳）: 多目的最適化とアクティブラーニングによる材料の完全自律設計のためのフレームワーク:挑戦と次のステップ
• Authors: Tyler H. Chang and Jakob R. Elias and Stefan M. Wild and Santanu Chaudhuri and Joseph A. Libera
• Abstract要約: 継続的に更新された機械学習モデルを用いた多目的ブラックボックス最適化に基づくアクティブな学習プロセスを提案する。 このワークフローは、リアルタイムデータストリーミングとモジュール化された多目的最適化ソフトウェア開発のためのオープンソース技術に基づいて構築されている。 本研究では, 連続流化学実験室の自律運転を通して, このワークフローの概念実証を行う。
• 参考スコア（独自算出の注目度）: 2.6047112351202784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to deploy machine learning in a real-world self-driving laboratory where data acquisition is costly and there are multiple competing design criteria, systems need to be able to intelligently sample while balancing performance trade-offs and constraints. For these reasons, we present an active learning process based on multiobjective black-box optimization with continuously updated machine learning models. This workflow is built on open-source technologies for real-time data streaming and modular multiobjective optimization software development. We demonstrate a proof of concept for this workflow through the autonomous operation of a continuous-flow chemistry laboratory, which identifies ideal manufacturing conditions for the electrolyte 2,2,2-trifluoroethyl methyl carbonate.
• Abstract（参考訳）: データ取得にコストがかかり、競合する設計基準が複数存在する現実の自動運転ラボに機械学習をデプロイするためには、システムはパフォーマンスのトレードオフと制約のバランスを保ちながらインテリジェントにサンプリングできる必要がある。 これらの理由から,機械学習モデルを継続的に更新することで,多目的ブラックボックス最適化に基づくアクティブな学習プロセスを提案する。 このワークフローは、リアルタイムデータストリーミングとモジュール化された多目的最適化ソフトウェア開発のためのオープンソースの技術に基づいている。 2,2,2-トリフルオロエチルメチル炭酸塩の理想的な製造条件を特定する連続フロー化学実験室の自律運転を通じて,このワークフローの概念実証を行う。

関連論文リスト

• A Practitioner's Guide to Continual Multimodal Pretraining [83.63894495064855]
  マルチモーダル・ファンデーション・モデルは視覚と言語を交わす多くのアプリケーションに役立っている。 モデルを更新し続けるために、継続事前トレーニングの研究は主に、大規模な新しいデータに対する頻度の低い、差別的な更新、あるいは頻繁に行われるサンプルレベルの更新のシナリオを探求する。 本稿では,FoMo-in-Flux(FoMo-in-Flux)について紹介する。
  論文  参考訳（メタデータ） (2024-08-26T17:59:01Z)
• When Parameter-efficient Tuning Meets General-purpose Vision-language Models [65.19127815275307]
  PETALは、一意のモード近似技術によって達成される全パラメータの0.5%しか必要とせず、トレーニングプロセスに革命をもたらす。 実験の結果,PETALは現状の手法をほとんどのシナリオで上回るだけでなく,完全な微調整モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-12-16T17:13:08Z)
• Identifying Simulation Model Through Alternative Techniques for a Medical Device Assembly Process [0.0]
  本稿では,シミュレーションモデルの同定と近似のための2つの異なるアプローチについて検討する。 私たちのゴールは、スナッププロセスを正確に表現し、多様なシナリオに対応できる適応可能なモデルを作ることです。
  論文  参考訳（メタデータ） (2023-09-26T17:40:29Z)
• Continual-Learning-as-a-Service (CLaaS): On-Demand Efficient Adaptation of Predictive Models [17.83007940710455]
  機械学習ベースのアプリケーションを構築したい企業にとって、将来の2つのトレンドは、リアルタイムの推論と継続的な更新である。 本稿では,これらの課題に対処するため,新しいソフトウェアサービスと継続的学習・アズ・ア・サービス(CL)と呼ばれるモデル配信基盤を定義した。 オンプレミスソリューションなしで、効率的でステートフルで使いやすい方法で、データサイエンティストのためのモデル更新とバリデーションツールをサポートする。
  論文  参考訳（メタデータ） (2022-06-14T16:22:54Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)
• AutoMat: Accelerated Computational Electrochemical systems Discovery [0.7865939710072847]
  大規模な電化は気候危機に対処するために不可欠であるが、化学産業と輸送の両方を完全電気化するためには、いくつかの科学的および技術的課題が残っている。 新しい電気化学材料は重要だが、その開発は人間の時間集約的な実験とエラー、計算コストのかかる第一原理、メソスケール、連続体シミュレーションに大きく依存している。 本稿では,第1原理から連続的なデバイスモデリングに至るまで,シミュレーションの自動入力生成とシミュレーション管理の両方を導入することで,これらの計算ステップを高速化する自動ワークフローであるAutoMatを提案する。
  論文  参考訳（メタデータ） (2020-11-03T20:45:29Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。