論文の概要: CrunchGPT: A chatGPT assisted framework for scientific machine learning
- arxiv url: http://arxiv.org/abs/2306.15551v1
- Date: Tue, 27 Jun 2023 15:23:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 12:50:46.476633
- Title: CrunchGPT: A chatGPT assisted framework for scientific machine learning
- Title（参考訳）: CrunchGPT:科学機械学習のためのチャットGPT支援フレームワーク
- Authors: Varun Kumar, Leonard Gleyzer, Adar Kahana, Khemraj Shukla, George Em
Karniadakis
- Abstract要約: 航空力学における航空機翼の最適化におけるCrunchGPTの有用性を示す2つの例を示す。
包括的な要約レポートのオプションを含む、Webアプリベースのガイド付きユーザインターフェースを構築しました。
全体的な目的は、CrunchGPTを拡張して、計算力学、設計、最適化、制御、一般的な科学計算タスクの様々な問題に対処することである。
- 参考スコア（独自算出の注目度）: 1.4699455652461724
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Scientific Machine Learning (SciML) has advanced recently across many
different areas in computational science and engineering. The objective is to
integrate data and physics seamlessly without the need of employing elaborate
and computationally taxing data assimilation schemes. However, preprocessing,
problem formulation, code generation, postprocessing and analysis are still
time consuming and may prevent SciML from wide applicability in industrial
applications and in digital twin frameworks. Here, we integrate the various
stages of SciML under the umbrella of ChatGPT, to formulate CrunchGPT, which
plays the role of a conductor orchestrating the entire workflow of SciML based
on simple prompts by the user. Specifically, we present two examples that
demonstrate the potential use of CrunchGPT in optimizing airfoils in
aerodynamics, and in obtaining flow fields in various geometries in interactive
mode, with emphasis on the validation stage. To demonstrate the flow of the
CrunchGPT, and create an infrastructure that can facilitate a broader vision,
we built a webapp based guided user interface, that includes options for a
comprehensive summary report. The overall objective is to extend CrunchGPT to
handle diverse problems in computational mechanics, design, optimization and
controls, and general scientific computing tasks involved in SciML, hence using
it as a research assistant tool but also as an educational tool. While here the
examples focus in fluid mechanics, future versions will target solid mechanics
and materials science, geophysics, systems biology and bioinformatics.
- Abstract（参考訳）: 科学機械学習(SciML)は最近、計算科学と工学の様々な領域で進歩している。
目的は、データ同化スキームを精巧かつ計算的に課税する必要なく、データと物理をシームレスに統合することである。
しかし、前処理、問題定式化、コード生成、後処理、分析はまだ時間がかかるため、scimlが産業アプリケーションやデジタルツインフレームワークで広く適用できない可能性がある。
そこで我々は,SciMLのさまざまなステージをChatGPTの傘の下で統合し,ユーザによる簡単なプロンプトに基づいてSciMLのワークフロー全体をオーケストレーションする指揮者の役割を担うCrunchGPTを定式化する。
具体的には,空気力学における翼最適化におけるCrunchGPTの有用性を実証する2つの例と,インタラクティブなモードで様々なジオメトリ内の流れ場を得る場合の検証段階を強調する。
crunchgptの流れを実証し、より広いビジョンを促進するインフラストラクチャを構築するために、包括的な要約レポートのオプションを含むwebappベースのガイド付きユーザインターフェースを構築しました。
全体的な目的は、CrunchGPTを拡張して、計算力学、設計、最適化、制御、SciMLに関わる一般的な科学計算タスクの様々な問題に対処することであり、そのため研究補助ツールとしてだけでなく教育ツールとしても使われる。
ここでは流体力学に焦点を当てるが、将来のバージョンでは固体力学と材料科学、地球物理学、システム生物学、バイオインフォマティクスを対象とする。
関連論文リスト
- Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
我々は、MBOタスクの構造を学習し、経験的に改良された設計につながるモデルを開発する。
我々はCliqueformerを、高次元のブラックボックス機能から、化学・遺伝設計の現実的なタスクまで、様々なタスクで評価する。
論文 参考訳（メタデータ） (2024-10-17T00:35:47Z) - Flex: End-to-End Text-Instructed Visual Navigation with Foundation Models [59.892436892964376]
本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。
この知見はFlex (Fly-lexically) で合成され,VLM(Vision Language Models) をフリーズしたパッチワイド特徴抽出器として利用するフレームワークである。
本研究では,本手法が4段階のフライ・トゥ・ターゲットタスクにおいて有効であることを示す。
論文 参考訳（メタデータ） (2024-10-16T19:59:31Z) - Recent Advances on Machine Learning for Computational Fluid Dynamics: A Survey [51.87875066383221]
本稿では、基本概念、従来の手法、ベンチマークデータセットを紹介し、CFDを改善する上で機械学習が果たす様々な役割について検討する。
我々は,空気力学,燃焼,大気・海洋科学,生物流体,プラズマ,記号回帰,秩序の低減など,CFDにおけるMLの現実的な応用を強調した。
シミュレーションの精度を向上し、計算時間を短縮し、流体力学のより複雑な解析を可能にすることにより、MLはCFD研究を大きく変革する可能性があるという結論を導いた。
論文 参考訳（メタデータ） (2024-08-22T07:33:11Z) - Machine Learning Optimized Approach for Parameter Selection in MESHFREE Simulations [0.0]
従来のメッシュベースのアプローチに代わる魅力的な代替手段として、メッシュフリーシミュレーション手法が登場している。
機械学習(ML)とFraunhoferのMESHFREEソフトウェアを組み合わせた研究の概要について概説する。
本稿では,MESHFREEシミュレーションデータに能動的学習,回帰木を用いたML最適化手法を提案する。
論文 参考訳（メタデータ） (2024-03-20T15:29:59Z) - Towards Lightweight Data Integration using Multi-workflow Provenance and
Data Observability [0.2517763905487249]
統合データ分析は、特に現在のAI時代において、科学的発見において重要な役割を果たす。
軽量ランタイム向けマルチワークフロー統合データ分析手法MIDAを提案する。
Summitスーパーコンピュータの1,680個のCPUコア上で,最大10000のタスクを実行するほぼゼロのオーバーヘッドを示す。
論文 参考訳（メタデータ） (2023-08-17T14:20:29Z) - In Situ Framework for Coupling Simulation and Machine Learning with
Application to CFD [51.04126395480625]
近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。
シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。
この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
論文 参考訳（メタデータ） (2023-06-22T14:07:54Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - 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) - Workflow Provenance in the Lifecycle of Scientific Machine Learning [1.6118907823528272]
我々は、科学MLのライフサイクルをサポートするために、ワークフロー技術を活用して全体像を構築する。
i)データ分析のライフサイクルと分類の特徴づけ、(ii)W3C PROVに準拠したデータ表現と参照システムアーキテクチャを用いて、この視点を構築するための設計原則、(iii)393ノードと946GPUを持つHPCクラスタを用いて、石油・ガスのケースでの評価から学んだ教訓に貢献する。
論文 参考訳（メタデータ） (2020-09-30T13:09:48Z) - PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。
これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
論文 参考訳（メタデータ） (2020-02-13T10:33:05Z) - Universal Differential Equations for Scientific Machine Learning [1.0539847330971805]
我々は、物理法則や科学モデルに関する情報とデータ駆動機械学習アプローチを混合するためのツールとして、SciMLソフトウェアエコシステムを紹介した。
生体機構の自動発見から高次元ハミルトン・ヤコビ・ベルマン方程式の解法に至るまで、様々な応用がいかにフレーズ化され、効率的に扱われるかを示す。
論文 参考訳（メタデータ） (2020-01-13T16:40:35Z)
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。