論文の概要: A Comparative Analysis of Text-to-Image Generative AI Models in
Scientific Contexts: A Case Study on Nuclear Power
- arxiv url: http://arxiv.org/abs/2312.01180v1
- Date: Sat, 2 Dec 2023 17:05:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 18:39:42.034595
- Title: A Comparative Analysis of Text-to-Image Generative AI Models in
Scientific Contexts: A Case Study on Nuclear Power
- Title（参考訳）: 科学的文脈におけるテキスト・画像生成AIモデルの比較分析:原子力発電を事例として
- Authors: Veda Joynt, Jacob Cooper, Naman Bhargava, Katie Vu, O Hwang Kwon, Todd
R. Allen, Aditi Verma, Majdi I. Radaideh
- Abstract要約: 我々は、クリーンエネルギー源の公的な関与を生み出すために、生成人工知能(AI)の可能性を提案し、評価する。
我々は、低炭素エネルギー源に関する技術情報を一般大衆に伝えるために、生成AIの利用について検討する。
- 参考スコア（独自算出の注目度）: 0.33923727961771083
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we propose and assess the potential of generative artificial
intelligence (AI) to generate public engagement around potential clean energy
sources. Such an application could increase energy literacy -- an awareness of
low-carbon energy sources among the public therefore leading to increased
participation in decision-making about the future of energy systems. We explore
the use of generative AI to communicate technical information about low-carbon
energy sources to the general public, specifically in the realm of nuclear
energy. We explored 20 AI-powered text-to-image generators and compared their
individual performances on general and scientific nuclear-related prompts. Of
these models, DALL-E, DreamStudio, and Craiyon demonstrated promising
performance in generating relevant images from general-level text related to
nuclear topics. However, these models fall short in three crucial ways: (1)
they fail to accurately represent technical details of energy systems; (2) they
reproduce existing biases surrounding gender and work in the energy sector; and
(3) they fail to accurately represent indigenous landscapes -- which have
historically been sites of resource extraction and waste deposition for energy
industries. This work is performed to motivate the development of specialized
generative tools and their captions to improve energy literacy and effectively
engage the public with low-carbon energy sources.
- Abstract（参考訳）: 本研究では,クリーンエネルギー源の公的な関与を生み出すために,生成人工知能(AI)の可能性を提案し,評価する。
このような応用は、一般大衆の低炭素エネルギー源に対する認識を高めることができるため、エネルギーシステムの将来に関する意思決定への参加が高まる可能性がある。
我々は,低炭素エネルギー源に関する技術情報を一般,特に原子力の領域で一般に伝えるための生成型aiの利用を検討する。
我々は20個のAIを利用したテキスト・ツー・イメージ・ジェネレータを探索し、一般・科学的な原子力関連プロンプトで個々の性能を比較した。
これらのモデルのうち、dall-e、dreamstudio、craiyonは核の話題に関連する一般的なテキストから関連する画像を生成する有望な性能を示した。
しかし、これらのモデルは3つの重要な方法で不足している:(1)エネルギーシステムの技術的詳細を正確に表現できない、(2)エネルギーセクターにおける性別や仕事を取り巻く既存のバイアスを再現できない、(3)エネルギー産業の資源抽出や廃棄物沈降の場であった先住民の風景を正確に表現できない、の3つだ。
本研究は、エネルギーリテラシーを改善し、低炭素エネルギー源に効果的に関与するために、特殊な生成ツールとそのキャプションの開発を動機付けるものである。
関連論文リスト
- Present and Future of AI in Renewable Energy Domain : A Comprehensive Survey [0.0]
人工知能(AI)は、様々な産業におけるプロセスを合理化するための重要な手段となっている。
現代の電力システムの再生可能エネルギー(RE)を支援するため、9つのAIベースの戦略がここで特定されている。
この研究は、再生可能エネルギー生成にAI技術を使用すること、再生可能エネルギー予測にAIを活用すること、エネルギーシステムの最適化という3つの主要なトピックについても論じている。
論文 参考訳（メタデータ） (2024-06-22T04:36:09Z) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - NLP for Knowledge Discovery and Information Extraction from Energetics
Corpora [0.0]
エネルギー材料および関連システムの研究を支援するためのNLPの有用性を実証する。
NLP法はテキストデータの機械的理解を可能にし,知識発見と情報抽出のための自動経路を提供する。
論文 参考訳（メタデータ） (2024-02-10T14:43:08Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - A Federated learning model for Electric Energy management using
Blockchain Technology [0.0]
エネルギー不足と電力負荷の削減が発展途上国の主な問題である。
エネルギー管理の改善と再生可能エネルギーの利用は、エネルギー危機の解決に重要である。
化石燃料の高価格によるエネルギー需要の増大に対応するため, 再生可能エネルギー源の利用を増加させる必要がある。
論文 参考訳（メタデータ） (2023-07-18T09:00:26Z) - Digital Twins in Wind Energy: Emerging Technologies and
Industry-Informed Future Directions [75.81393574964038]
本稿では、風力エネルギー産業におけるデジタルツイン技術とその能力レベルについて概観する。
デジタルツインの定義と能力レベルを0-5; 0-スタンドアロン、1-記述型、2-診断型、3-予測型、4-予測型、5-自律型から統合する。
論文 参考訳（メタデータ） (2023-04-16T18:38:28Z) - AI Explainability and Governance in Smart Energy Systems: A Review [0.36832029288386137]
AIの説明可能性と管理可能性の欠如は、ステークホルダーにとって大きな関心事である。
本稿では,スマートエネルギーシステムにおけるAI説明可能性とガバナンスについて概説する。
論文 参考訳（メタデータ） (2022-10-24T05:09:13Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - Applications of blockchain and artificial intelligence technologies for
enabling prosumers in smart grids: A review [12.609078866334615]
政府は再生可能エネルギー資源のシェア拡大を目標としている。
本稿では、消費者がエネルギー市場に参加するのを容易にするために、ブロックチェーンとAIをスマートグリッドに組み込む方法について論じる。
論文 参考訳（メタデータ） (2022-02-21T10:27:31Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳（メタデータ） (2020-03-02T20:32:10Z)
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。