Fugu-MT 論文翻訳(概要): Ontologies for Models and Algorithms in Applied Mathematics and Related Disciplines

論文の概要: Ontologies for Models and Algorithms in Applied Mathematics and Related Disciplines

arxiv url: http://arxiv.org/abs/2310.20443v2
Date: Wed, 31 Jul 2024 08:47:41 GMT
ステータス: 処理完了
システム内更新日: 2024-08-01 13:37:09.230072
Title: Ontologies for Models and Algorithms in Applied Mathematics and Related Disciplines
Title（参考訳）: 応用数学と関連分野におけるモデルとアルゴリズムのオントロジー
Authors: Björn Schembera, Frank Wübbeling, Hendrik Kleikamp, Christine Biedinger, Jochen Fiedler, Marco Reidelbach, Aurela Shehu, Burkhard Schmidt, Thomas Koprucki, Dorothea Iglezakis, Dominik Göddeke,
Abstract要約: 数学研究イニシアチブは重要な知識グラフを開発し、統合し、実装してきた。これは、意味技術を導入し、数学的基礎を文書化する数学的研究データの作成に貢献する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In applied mathematics and related disciplines, the modeling-simulation-optimization workflow is a prominent scheme, with mathematical models and numerical algorithms playing a crucial role. For these types of mathematical research data, the Mathematical Research Data Initiative has developed, merged and implemented ontologies and knowledge graphs. This contributes to making mathematical research data FAIR by introducing semantic technology and documenting the mathematical foundations accordingly. Using the concrete example of microfracture analysis of porous media, it is shown how the knowledge of the underlying mathematical model and the corresponding numerical algorithms for its solution can be represented by the ontologies.
Abstract（参考訳）: 応用数学と関連する分野において、モデリング-シミュレーション-最適化ワークフローは、数学モデルと数値アルゴリズムが重要な役割を果たす顕著なスキームである。このような数学的研究データのために、数学的研究データイニシアチブはオントロジーと知識グラフを開発し、統合し、実装した。これは、意味技術を導入し、数学的基礎を文書化する数学的研究データFAIRの作成に寄与する。多孔質体のマイクロフラクチャー解析の具体例を用いて、基礎となる数学的モデルとそれに対応する数値アルゴリズムの知識がオントロジーによってどのように表現できるかを示す。

関連論文リスト

MathFimer: Enhancing Mathematical Reasoning by Expanding Reasoning Steps through Fill-in-the-Middle Task [49.355810887265925]
数学的推論ステップ拡張のための新しいフレームワークであるMathFimerを紹介する。我々は、慎重にキュレートしたNuminaMath-FIMデータセットに基づいて、特殊モデルMathFimer-7Bを開発した。次に、これらのモデルを適用して、解鎖に詳細な中間ステップを挿入することで、既存の数学的推論データセットを強化する。
論文参考訳（メタデータ） (2025-02-17T11:22:24Z)
Combining physics-based and data-driven models: advancing the frontiers of research with Scientific Machine Learning [3.912796219404492]
機械学習は物理に基づくモデルとデータ駆動モデルを組み合わせる。 SciMLを使えば、物理と数学的知識を機械学習アルゴリズムに注入できる。我々は、偏微分方程式によって支配される複雑な問題を解くために、多種多様なSciML戦略の大きな可能性について論じる。
論文参考訳（メタデータ） (2025-01-30T19:09:38Z)
Large Language Models for Mathematical Analysis [3.7325315394927023]
この研究は、数学的推論における重要なギャップに対処し、信頼できるAIの進歩に寄与する。 DEMI-MathAnalysisデータセットを開発した。また,LLMの問題解決能力を高めるためのガイドフレームワークも設計した。
論文参考訳（メタデータ） (2024-12-28T20:37:55Z)
Data for Mathematical Copilots: Better Ways of Presenting Proofs for Machine Learning [85.635988711588]
我々は,大規模言語モデルの能力向上には,数学的データセットの設計におけるパラダイムシフトが必要であると論じる。 1949年にG. P'olyaが導入した「動機付き証明」の概念は、より良い証明学習信号を提供するデータセットの青写真として機能する。数学データセットに特化して設計されたアンケートでは、クリエーターにデータセットを含めるよう促します。
論文参考訳（メタデータ） (2024-12-19T18:55:17Z)
Towards a Knowledge Graph for Models and Algorithms in Applied Mathematics [0.0]
この研究データをFAIRにするために、モデルとアルゴリズム、およびそれらの関係を意味的に表現することを目指している。 2つのアルゴリズム的タスク間のリンクは、対応するタスクに対応するモデリングで発生するため確立される。ここでは、行列の対称性や数学的モデルの線型性など、対象固有のメタデータが関係している。
論文参考訳（メタデータ） (2024-08-19T13:57:49Z)
Mathematical Language Models: A Survey [29.419915295762692]
本稿では,2つの異なる視点 – タスクと方法論 – から重要な研究成果を体系的に分類する,数学的 LM の総合的な調査を行う。この調査では、トレーニングデータセット、ベンチマークデータセット、拡張データセットなど、60以上の数学的データセットのコンパイルがカバーされている。
論文参考訳（メタデータ） (2023-12-12T01:39:16Z)
math-PVS: A Large Language Model Framework to Map Scientific Publications to PVS Theories [10.416375584563728]
本研究では,大規模言語モデル(LLM)の高度な数学的概念の定式化への適用性について検討する。我々は、研究論文から数学的定理を抽出し、形式化する、Emphmath-PVSと呼ばれる自動過程を構想する。
論文参考訳（メタデータ） (2023-10-25T23:54:04Z)
Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
論文参考訳（メタデータ） (2023-10-10T13:23:05Z)
A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
論文参考訳（メタデータ） (2022-12-20T18:46:16Z)
Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
論文参考訳（メタデータ） (2021-12-06T18:45:31Z)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)

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。