Fugu-MT 論文翻訳(概要): Deep reinforcement learning for process design: Review and perspective

論文の概要: Deep reinforcement learning for process design: Review and perspective

arxiv url: http://arxiv.org/abs/2308.07822v1
Date: Tue, 15 Aug 2023 14:56:37 GMT
ステータス: 処理完了
システム内更新日: 2023-08-16 12:21:19.359802
Title: Deep reinforcement learning for process design: Review and perspective
Title（参考訳）: プロセス設計のための深層強化学習 : レビューと展望
Authors: Qinghe Gao and Artur M. Schweidtmann
Abstract要約: 深層強化学習は、複雑な意思決定の問題を解決し、持続可能なプロセス設計を支援する可能性を示している。ケミカルエンジニアリングにおけるプロセス設計のための強化学習の可能性を最大限に広げるために、基礎となる課題と将来的な研究について論じる。
参考スコア（独自算出の注目度）: 1.1603243575080535
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The transformation towards renewable energy and feedstock supply in the chemical industry requires new conceptual process design approaches. Recently, breakthroughs in artificial intelligence offer opportunities to accelerate this transition. Specifically, deep reinforcement learning, a subclass of machine learning, has shown the potential to solve complex decision-making problems and aid sustainable process design. We survey state-of-the-art research in reinforcement learning for process design through three major elements: (i) information representation, (ii) agent architecture, and (iii) environment and reward. Moreover, we discuss perspectives on underlying challenges and promising future works to unfold the full potential of reinforcement learning for process design in chemical engineering.
Abstract（参考訳）: 化学産業における再生可能エネルギーと飼料供給への転換は、新しい概念的プロセス設計アプローチを必要とする。近年、人工知能のブレークスルーは、この移行を加速する機会を提供する。具体的には、機械学習のサブクラスである深層強化学習は、複雑な意思決定問題を解決する可能性を示し、持続可能なプロセス設計を支援する。プロセス設計における強化学習の最先端研究を3つの要素を通して調査する。 (i)情報表現 (ii)エージェントアーキテクチャ、及び (iii)環境と報酬。さらに,化学工学におけるプロセス設計における強化学習の可能性について,基礎となる課題と今後の課題について考察する。

関連論文リスト

Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering [51.31836988300326]
検証工学は、基礎モデルの時代のために特別に設計された新しいポストトレーニングパラダイムである。検証工学のプロセスは,検索,検証,フィードバックの3段階に分類する。
論文参考訳（メタデータ） (2024-11-18T12:04:52Z)
Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
論文参考訳（メタデータ） (2024-08-22T04:49:50Z)
Comprehensive Overview of Reward Engineering and Shaping in Advancing Reinforcement Learning Applications [0.0]
本稿では,強化学習アルゴリズムの効率性と有効性を高めるために,報酬工学と報酬形成の重要性を強調する。強化学習の大幅な進歩にもかかわらず、いくつかの制限が続いた。主要な課題の1つは、多くの現実世界のシナリオにおける報酬のまばらで遅れた性質である。実世界の環境を正確にモデル化することの複雑さと強化学習アルゴリズムの計算要求は、依然としてかなりの障害である。
論文参考訳（メタデータ） (2024-07-22T09:28:12Z)
Intelligent Cross-Organizational Process Mining: A Survey and New Perspectives [40.62773366902451]
本稿では,プロセスマイニングの分野に関する具体的な見解を提唱する。まず、プロセスマイニングの枠組み、一般的な産業応用、そして人工知能と組み合わされた最新の進歩について要約する。この視点は、複雑な多組織データ分析のための洗練されたソリューションを提供するために人工知能を活用することによって、プロセスマイニングに革命をもたらすことを目的としている。
論文参考訳（メタデータ） (2024-07-15T23:30:34Z)
Responding to Generative AI Technologies with Research-through-Design: The Ryelands AI Lab as an Exploratory Study [6.028558240668647]
我々は小学校と提携して、生成的AI技術と相互作用する学生を中心とした建設学カリキュラムを開発する。本稿では,カリキュラムと学習教材の設計とアウトプットの詳細な説明を行い,その反抗的かつ長期にわたるハンズオンのアプローチが,学生の実践的かつ重要な能力の共同開発に繋がったことを中心的に見出した。
論文参考訳（メタデータ） (2024-05-07T21:34:10Z)
Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文参考訳（メタデータ） (2024-02-27T17:11:35Z)
Challenges and Practices of Deep Learning Model Reengineering: A Case Study on Computer Vision [3.510650664260664]
多くのエンジニアリング組織が、研究コミュニティからディープニューラルネットワークを再実装し、拡張しています。ディープラーニングモデルの再設計は、ドキュメント不足の参照モデル、要件の変更、実装とテストのコストといった理由から難しい。本研究は「プロセス」の観点からのリエンジニアリング活動に重点を置いており、リエンジニアリングプロセスに特に携わるエンジニアに焦点を当てている。
論文参考訳（メタデータ） (2023-03-13T21:23:43Z)
Artificial intelligence approaches for materials-by-design of energetic materials: state-of-the-art, challenges, and future directions [0.0]
我々は,AIによる材料設計の進歩とそのエネルギー材料への応用についてレビューする。文献における手法を,少数のデータから学習する能力の観点から評価する。本稿では,メタラーニング,アクティブラーニング,ベイズラーニング,半/弱教師付きラーニングなど,EM教材の今後の研究方向性について提案する。
論文参考訳（メタデータ） (2022-11-15T14:41:11Z)
Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview [72.79089075263985]
配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
論文参考訳（メタデータ） (2022-02-28T06:28:44Z)
Dynamically Grown Generative Adversarial Networks [111.43128389995341]
本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
論文参考訳（メタデータ） (2021-06-16T01:25:51Z)
Transfer Learning in Deep Reinforcement Learning: A Survey [64.36174156782333]
強化学習は、シーケンシャルな意思決定問題を解決するための学習パラダイムである。近年、ディープニューラルネットワークの急速な発展により、強化学習の顕著な進歩が見られた。転校学習は強化学習が直面する様々な課題に対処するために生まれました
論文参考訳（メタデータ） (2020-09-16T18:38:54Z)

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。