論文の概要: Search Strategies for Self-driving Laboratories with Pending Experiments
- arxiv url: http://arxiv.org/abs/2312.03466v1
- Date: Wed, 6 Dec 2023 12:41:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-07 14:57:40.519877
- Title: Search Strategies for Self-driving Laboratories with Pending Experiments
- Title(参考訳): 保留実験による自動運転実験室の探索戦略
- Authors: Hao Wen, Jakob Zeitler, Connor Rupnow
- Abstract要約: 自動運転研究所(SDL)は、材料合成と特性化のタスクを行う複数のステーションから構成されている。
複数の実験を異なる段階で一度に行うという、非同期並列で実験を行うことは現実的である。
マルチステージSDLのためのシミュレータを構築し、遅延フィードバックと非同期並列化操作を扱うための最適化戦略を比較する。
- 参考スコア(独自算出の注目度): 4.416701099409113
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-driving laboratories (SDLs) consist of multiple stations that perform
material synthesis and characterisation tasks. To minimize station downtime and
maximize experimental throughput, it is practical to run experiments in
asynchronous parallel, in which multiple experiments are being performed at
once in different stages. Asynchronous parallelization of experiments, however,
introduces delayed feedback (i.e. "pending experiments"), which is known to
reduce Bayesian optimiser performance. Here, we build a simulator for a
multi-stage SDL and compare optimisation strategies for dealing with delayed
feedback and asynchronous parallelized operation. Using data from a real SDL,
we build a ground truth Bayesian optimisation simulator from 177 previously run
experiments for maximizing the conductivity of functional coatings. We then
compare search strategies such as expected improvement, noisy expected
improvement, 4-mode exploration and random sampling. We evaluate their
performance in terms of amount of delay and problem dimensionality. Our
simulation results showcase the trade-off between the asynchronous parallel
operation and delayed feedback.
- Abstract(参考訳): 自動運転研究所(SDL)は、材料合成と特性化のタスクを行う複数のステーションで構成される。
ステーションダウンタイムを最小化し、実験スループットを最大化するために、複数の実験を異なる段階で一度に実施する非同期並列実験を現実的に行う。
しかし、実験の非同期並列化は遅延フィードバック(つまり"ペンディング実験")を導入し、ベイズ光子性能を低下させることが知られている。
本稿では,マルチステージSDLのシミュレータを構築し,遅延フィードバックと非同期並列処理の最適化戦略を比較する。
実SDLのデータを用いて、177のベイズ最適化シミュレータを構築し、機能性コーティングの導電率を最大化する実験を行った。
提案手法は, 予測改善, 雑音予測改善, 4モード探索, ランダムサンプリングなどの検索戦略と比較した。
遅延量と問題次元の観点からそれらの性能を評価する。
シミュレーションの結果,非同期並列動作と遅延フィードバックのトレードオフを示す。
関連論文リスト
- CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing [70.25689961697523]
クロスタスク体験の共有と選択によるシーケンシャル推論を強化する一般化可能なアルゴリズムを提案する。
我々の研究は、既存のシーケンシャルな推論パラダイムのギャップを埋め、タスク間体験の活用の有効性を検証する。
論文 参考訳(メタデータ) (2024-10-22T03:59:53Z) - Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [60.05963742334746]
そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。
提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。
ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
論文 参考訳(メタデータ) (2024-09-12T11:50:06Z) - Bidirectional Decoding: Improving Action Chunking via Closed-Loop Resampling [51.38330727868982]
双方向デコーディング(BID)は、クローズドループ操作で動作チャンキングをブリッジするテスト時間推論アルゴリズムである。
BIDは、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させることを示す。
論文 参考訳(メタデータ) (2024-08-30T15:39:34Z) - NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。
我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。
NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
論文 参考訳(メタデータ) (2024-06-21T17:59:02Z) - Pessimistic asynchronous sampling in high-cost Bayesian optimization [0.0]
非同期ベイズ最適化(英: Asynchronous Bayesian optimization)は実験系と解離系の並列動作を可能にする手法である。
悲観的な非同期ポリシーは、等価なシリアルポリシーよりもはるかに少ない実験で最適な実験条件に達した。
この研究で示された悲観的アルゴリズムは、より高速なサンプリングレートを考慮せずに、より効率的なアルゴリズム駆動による高コスト実験空間の最適化をもたらす可能性がある。
論文 参考訳(メタデータ) (2024-06-21T16:35:27Z) - Bayesian Optimization for Robust State Preparation in Quantum Many-Body Systems [0.0]
我々は最近,超低温原子系で実装された状態準備プロトコルにベイズ最適化を適用した。
手動ランプ設計と比較して,最適化手法の優れた性能を数値シミュレーションで示す。
提案されたプロトコルとワークフローは、実験においてより複雑な多体量子状態の実現に向けた道を開く。
論文 参考訳(メタデータ) (2023-12-14T18:59:55Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳(メタデータ) (2023-10-12T20:49:15Z) - Combining Multi-Fidelity Modelling and Asynchronous Batch Bayesian
Optimization [10.29946890434873]
本稿では,マルチ忠実度と非同期バッチ手法を組み合わせたアルゴリズムを提案する。
本研究では,アルゴリズムの動作を実証的に研究し,単一忠実度バッチ法や複数忠実度シーケンシャル法より優れていることを示す。
そこで本研究では,コインセルを用いた実験により,ポーチセルの電極材料を最適性能に設計し,バッテリ性能を近似する手法を提案する。
論文 参考訳(メタデータ) (2022-11-11T12:02:40Z) - New Paradigms for Exploiting Parallel Experiments in Bayesian
Optimization [0.0]
本稿では,システムの構造を利用して設計空間を分割する並列BOパラダイムを提案する。
具体的には,性能関数のレベルセットに従って設計空間を分割する手法を提案する。
以上の結果から,本手法は検索時間を大幅に削減し,グローバルな(ローカルではなく)ソリューションを見つける可能性を高めることが示唆された。
論文 参考訳(メタデータ) (2022-10-03T16:45:23Z) - Cognitive simulation models for inertial confinement fusion: Combining
simulation and experimental data [0.0]
研究者は、高性能な爆発を求めて設計空間を探索するためにコンピュータシミュレーションに大きく依存しています。
より効果的な設計と調査のために、シミュレーションは過去の実験データからの入力を必要とする。
本稿では,シミュレーションと実験データを共通の予測モデルに組み合わせた認知シミュレーション手法について述べる。
論文 参考訳(メタデータ) (2021-03-19T02:00:14Z) - Critical Parameters for Scalable Distributed Learning with Large Batches
and Asynchronous Updates [67.19481956584465]
飽和を伴う分散トレーニング(SGD)の効率は、バッチサイズと、実装における停滞に決定的に依存することが実験的に観察されている。
結果がタイトであることを示し、数値実験で重要な結果を示しています。
論文 参考訳(メタデータ) (2021-03-03T12:08:23Z)
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。