Fugu-MT 論文翻訳(概要): Materials Informatics: An Algorithmic Design Rule

論文の概要: Materials Informatics: An Algorithmic Design Rule

arxiv url: http://arxiv.org/abs/2305.03797v1
Date: Fri, 5 May 2023 18:55:32 GMT
ステータス: 処理完了
システム内更新日: 2023-05-09 19:34:12.968398
Title: Materials Informatics: An Algorithmic Design Rule
Title（参考訳）: 材料情報学:アルゴリズム設計規則
Authors: Bhupesh Bishnoi
Abstract要約: 材料情報学は、材料科学研究において「第4のパラダイム」である。有機半導体のエニグマを材料情報化アプローチにより研究した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Materials informatics, data-enabled investigation, is a "fourth paradigm" in materials science research after the conventional empirical approach, theoretical science, and computational research. Materials informatics has two essential ingredients: fingerprinting materials proprieties and the theory of statistical inference and learning. We have researched the organic semiconductor's enigmas through the materials informatics approach. By applying diverse neural network topologies, logical axiom, and inferencing information science, we have developed data-driven procedures for novel organic semiconductor discovery for the semiconductor industry and knowledge extraction for the materials science community. We have reviewed and corresponded with various algorithms for the neural network design topology for the materials informatics dataset.
Abstract（参考訳）: 材料情報学は、従来の経験的アプローチ、理論科学、計算研究に次いで、材料科学研究において「第4のパラダイム」である。材料情報学には2つの必須成分がある:フィンガープリント材料と統計推論と学習の理論である。有機半導体のエニグマを材料情報化アプローチにより研究した。多様なニューラルネットワークトポロジ、論理公理、情報科学の推論を応用し、半導体産業のための新しい有機半導体発見と材料科学コミュニティのための知識抽出のためのデータ駆動手法を開発した。我々は、材料情報データセットのためのニューラルネットワーク設計トポロジの様々なアルゴリズムをレビューし、対応させた。

関連論文リスト

Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
Construction and Application of Materials Knowledge Graph in Multidisciplinary Materials Science via Large Language Model [16.222457389133822]
本稿では,高度な自然言語処理技術を活用したマテリアル知識グラフ(MKG)を紹介する。 MKGは、情報を名前、フォーミュラ、アプリケーションなどの包括的なラベルに分類する。ネットワークベースのアルゴリズムを実装することで、MKGは効率的なリンク予測を容易にするだけでなく、従来の実験手法への依存を著しく低減する。
論文参考訳（メタデータ） (2024-04-03T21:46:14Z)
Agent-based Learning of Materials Datasets from Scientific Literature [0.0]
我々は,大規模言語モデル(LLM)を利用した化学AIエージェントを開発し,自然言語テキストから構造化データセットを作成する。化学者のAIエージェントであるEunomiaは、何十年もの科学研究論文から既存の知識を活用して、行動を計画し実行することができる。
論文参考訳（メタデータ） (2023-12-18T20:29:58Z)
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)
Interdisciplinary Discovery of Nanomaterials Based on Convolutional Neural Networks [6.350788459498522]
我々はCNNを用いて、エネルギー関連出版物におけるナノマテリアルおよび合成法に関する貴重な実験に基づく情報を発見する。最初のシステムであるTextMasterは、テキストから意見を抽出し、それらを課題と機会に分類し、それぞれ94%と92%の精度で達成する。第2のシステムであるGraphMasterは、98.3%の分類精度と4.3%のデータ抽出平均平方誤差を持つ出版物から表や数字を抽出する。
論文参考訳（メタデータ） (2022-12-06T07:51:51Z)
Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [66.91310801654548]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文参考訳（メタデータ） (2022-10-28T04:38:10Z)
Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文参考訳（メタデータ） (2022-09-17T18:24:56Z)
Graph neural networks for materials science and chemistry [2.2479652717640657]
グラフニューラルネットワーク(GNN)は、機械学習モデルの最速成長クラスの1つである。 GNNは直接、分子や物質のグラフまたは構造表現に取り組んでいる。本稿では,GNNの基本原則,広く使用されているデータセット,最先端アーキテクチャについて概説する。
論文参考訳（メタデータ） (2022-08-05T13:38:34Z)
Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。 NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-05-25T12:41:59Z)
MaterialsAtlas.org: A Materials Informatics Web App Platform for Materials Discovery and Survey of State-of-the-Art [5.570892106881502]
本稿では, Web ベースの材料情報ツールボックスである MaterialsAtlas.org を提案し,開発する。これらのユーザフレンドリーなツールは、urlwww. Materialssatlas.orgで自由にアクセスできる。
論文参考訳（メタデータ） (2021-09-09T03:08:18Z)
Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文参考訳（メタデータ） (2020-08-05T15:45:54Z)

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。