論文の概要: Reproducibility, Replicability, and Repeatability: A survey of
reproducible research with a focus on high performance computing
- arxiv url: http://arxiv.org/abs/2402.07530v1
- Date: Mon, 12 Feb 2024 09:59:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 14:40:46.390314
- Title: Reproducibility, Replicability, and Repeatability: A survey of
reproducible research with a focus on high performance computing
- Title（参考訳）: 再現性,再現性,再現性:ハイパフォーマンスコンピューティングに着目した再現性研究の調査
- Authors: Benjamin A. Antunes (LIMOS), David R.C. Hill (ISIMA, LIMOS)
- Abstract要約: 再現性は科学研究の基本的な原理である。
高性能コンピューティングには固有の課題がある。
本稿では、これらの懸念と潜在的な解決策を包括的にレビューする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reproducibility is widely acknowledged as a fundamental principle in
scientific research. Currently, the scientific community grapples with numerous
challenges associated with reproducibility, often referred to as the
''reproducibility crisis.'' This crisis permeated numerous scientific
disciplines. In this study, we examined the factors in scientific practices
that might contribute to this lack of reproducibility. Significant focus is
placed on the prevalent integration of computation in research, which can
sometimes function as a black box in published papers. Our study primarily
focuses on highperformance computing (HPC), which presents unique
reproducibility challenges. This paper provides a comprehensive review of these
concerns and potential solutions. Furthermore, we discuss the critical role of
reproducible research in advancing science and identifying persisting issues
within the field of HPC.
- Abstract（参考訳）: 再現性は科学研究の基本原理として広く認められている。
現在、科学コミュニティは「再現性危機」としばしば呼ばれる再現性に関連する多くの課題に取り組んでおり、この危機は多くの科学分野に浸透した。
本研究では,この再現性の欠如に寄与する科学的実践の要因について検討した。
研究における計算の一般的な統合に重点が置かれており、出版論文でブラックボックスとして機能することもある。
本研究は主にハイパフォーマンスコンピューティング(hpc)に焦点をあて,ユニークな再現性課題を提示する。
本稿ではこれらの懸念と潜在的な解決策を概観する。
さらに,HPC分野における科学の進歩と持続的課題の同定における再現可能な研究の重要性について論じる。
関連論文リスト
- Targeted Reduction of Causal Models [55.11778726095353]
因果表現学習(Causal Representation Learning)は、シミュレーションで解釈可能な因果パターンを明らかにするための有望な道を提供する。
本稿では、複雑な相互作用可能なモデルを因果因子の簡潔な集合に凝縮する方法であるTCR(Targeted Causal Reduction)を紹介する。
複雑なモデルから解釈可能な高レベルな説明を生成する能力は、玩具や機械システムで実証されている。
論文 参考訳（メタデータ） (2023-11-30T15:46:22Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - SciBench: Evaluating College-Level Scientific Problem-Solving Abilities of Large Language Models [70.5763210869525]
拡張ベンチマークスイートSciBench for Large Language Model (LLM)を導入する。
SciBenchには、数学、化学、物理学の分野から、さまざまな大学レベルの科学的問題を含むデータセットが含まれている。
その結果、現在のLLMは満足のいく性能を達成できないことが判明し、全体のスコアは43.22%に過ぎなかった。
論文 参考訳（メタデータ） (2023-07-20T07:01:57Z) - Computational Reproducibility in Computational Social Science [0.8930269507906258]
我々は、計算社会科学のような計算xの分野も危機の症状に影響を受けやすいと論じている。
我々は、研究者が最高のレベルのデータを得るのを妨げる計算社会科学のためのソリューションを提供する。
論文 参考訳（メタデータ） (2023-07-04T21:04:18Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳（メタデータ） (2023-05-22T11:08:00Z) - Reproducibility of Machine Learning: Terminology, Recommendations and
Open Issues [5.30596984761294]
危機が最近科学者によって認識され、これはさらに人工知能と機械学習に影響を及ぼしているようだ。
私たちは、このトピックに関する現在の文献を批判的にレビューし、オープンな問題を強調します。
現代の機械学習でよく見過ごされる重要な要素を特定し、それらの新しい推奨事項を提供します。
論文 参考訳（メタデータ） (2023-02-24T15:33:20Z) - Social and environmental impact of recent developments in machine
learning on biology and chemistry research [0.0]
機械学習の最近の進歩は、基礎研究や応用研究に影響を及ぼす可能性がある。
これらの開発は、薬物の発見や開発など、基礎的および応用的な研究に影響を与える可能性がある。
論文 参考訳（メタデータ） (2022-10-01T20:29:01Z) - Reproducibility in machine learning for medical imaging [3.1390096961027076]
本章は、医療画像の機械学習分野の研究者への紹介である。
それぞれの目的は、それを定義すること、それを達成するための要件を説明すること、有用性について議論することである。
この章は、教義の利点に関する議論と、この概念と研究実践におけるその実践に対する非教義的なアプローチへの嘆願で終わる。
論文 参考訳（メタデータ） (2022-09-12T09:00:04Z) - A Guide to Reproducible Research in Signal Processing and Machine
Learning [9.69596041242667]
2016年にNature誌が行った調査によると、研究者の50%が自身の実験を再現できなかった。
我々は,再現可能な計算実験を生成する上での障害の多くを軽減するための,実用的なツールと戦略のセットを,信号処理研究者に提供することを目的とする。
論文 参考訳（メタデータ） (2021-08-27T16:42:32Z) - Towards Continual Reinforcement Learning: A Review and Perspectives [69.48324517535549]
我々は,連続的強化学習(RL)に対する異なる定式化とアプローチの文献レビューの提供を目的とする。
まだ初期段階だが、継続的なrlの研究は、よりインクリメンタルな強化学習者を開発することを約束している。
これには、医療、教育、物流、ロボット工学などの分野の応用が含まれる。
論文 参考訳（メタデータ） (2020-12-25T02:35:27Z) - Heterogeneous Representation Learning: A Review [66.12816399765296]
不均一表現学習(HRL)には、いくつかの独特な課題がある。
異種入力を用いて既存の学習環境をモデル化可能な統合学習フレームワークを提案する。
HRLでは触れられていない課題と今後の研究方向性を強調します。
論文 参考訳（メタデータ） (2020-04-28T05:12:31Z)
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。