論文の概要: Behavioral Simulation: Exploring A Possible Next Paradigm for Science

• arxiv url: http://arxiv.org/abs/2401.09851v1
• Date: Thu, 18 Jan 2024 10:05:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 17:10:14.247801
• Title: Behavioral Simulation: Exploring A Possible Next Paradigm for Science
• Title（参考訳）: 行動シミュレーション:科学の次のパラダイムを探る
• Authors: Cheng Wang, Chuwen Wang, Yu Zhao, Shirong Zeng, Wang Zhang, Ronghui Ning
• Abstract要約: シミュレーション技術の発展は科学的パラダイムと一致していると考えています。 本稿では,行動シミュレーション(BS)の概念,特に高度な行動シミュレーション(SBS)を提案する。
• 参考スコア（独自算出の注目度）: 9.32304098580349
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulation technologies have been widely utilized in many scientific research fields such as weather forecasting, fluid mechanics and biological populations. It is the best tool to handle problems in complex systems, where closed-form expressions are unavailable and the target distribution in the representation space is too complex to be fully represented by a deep learning (DL) model. We believe that the development of simulation technologies is consistent with scientific paradigms. This paper induces the evolution of scientific paradigms from the perspective of data, algorithms, and computational power. Building upon this perspective, we divide simulation technologies into three stages aligning with the emergence of new paradigms, and find that advanced simulation technologies are typical instances of paradigms integration. Moreover, we propose the concept of behavioral simulation (BS), specifically sophisticated behavioral simulation (SBS), representing a higher degree of paradigms integration based on foundation models to simulate complex social systems involving sophisticated human strategies and behaviors. BS and further SBS are designed to tackle challenges concerning the complex human system that surpasses the capacity of traditional agent-based modeling simulation (ABMS), which can be regarded as a possible next paradigm for science. Through this work, we look forward to more powerful BS and SBS applications in scientific research branches within social science.
• Abstract（参考訳）: シミュレーション技術は、天気予報、流体力学、生物集団など、多くの科学研究分野で広く利用されている。 これは、クローズドフォーム式が利用できず、表現空間のターゲット分布が複雑すぎてディープラーニング(dl)モデルによって完全に表現できない複雑なシステムで問題を扱うのに最適なツールである。 シミュレーション技術の発展は科学的パラダイムと一致していると考えています。 本稿では,データ,アルゴリズム,計算能力の観点から科学的パラダイムの進化を誘導する。 この観点から,新しいパラダイムの出現に合わせてシミュレーション技術を3段階に分け,先進的なシミュレーション技術がパラダイム統合の典型例であることを見出す。 さらに,行動シミュレーション(BS)の概念,特に高度な行動シミュレーション(SBS)を提案し,高度な人的戦略や行動を含む複雑な社会システムをシミュレートする基礎モデルに基づく,高度なパラダイム統合を表現する。 BSや他のSBSは、従来のエージェントベースモデリングシミュレーション(ABMS)の能力を超える複雑な人間のシステムに関する課題に取り組むように設計されており、これは科学の次のパラダイムと見なすことができる。 本研究を通じて、社会科学の科学研究分野におけるより強力なBSおよびSBS応用を期待する。

関連論文リスト

• LLM-Augmented Agent-Based Modelling for Social Simulations: Challenges and Opportunities [0.0]
  大きな言語モデルとエージェントベースのシミュレーションを統合することは、複雑な社会システムを理解するための変換可能性を提供する。 LLM強化社会シミュレーションを体系的に開発するためのアーキテクチャと手法について検討する。 LLMとエージェントベースのシミュレーションを統合することは、研究者や科学者に強力なツールセットを提供すると結論付けている。
  論文  参考訳（メタデータ） (2024-05-08T08:57:54Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
  我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。 まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
  論文  参考訳（メタデータ） (2023-02-05T01:39:21Z)
• SMT-based Weighted Model Integration with Structure Awareness [18.615397594541665]
  本研究では,SMTに基づく列挙法と問題構造を効果的に符号化するアルゴリズムを開発した。 これにより,冗長モデルの生成を回避し,計算コストを大幅に削減できる。
  論文  参考訳（メタデータ） (2022-06-28T09:46:17Z)
• 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)
• An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
  我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。 本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
  論文  参考訳（メタデータ） (2021-08-09T17:39:09Z)
• Investigating Bi-Level Optimization for Learning and Vision from a Unified Perspective: A Survey and Beyond [114.39616146985001]
  機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。 本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。 次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
  論文  参考訳（メタデータ） (2021-01-27T16:20:23Z)
• Machine Learning for Robust Identification of Complex Nonlinear Dynamical Systems: Applications to Earth Systems Modeling [8.896888286819635]
  カオスを示すシステムは地球科学の至るところに分布している。 システム同定は、気候科学における課題である。 我々は,気候科学におけるベンチマークモデルとして,2レベルロレンツ-96のカオスシステムを考える。
  論文  参考訳（メタデータ） (2020-08-12T22:37:12Z)

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。