論文の概要: Physics Event Classification Using Large Language Models
- arxiv url: http://arxiv.org/abs/2404.05752v1
- Date: Fri, 5 Apr 2024 03:52:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-10 18:58:15.283680
- Title: Physics Event Classification Using Large Language Models
- Title(参考訳): 大規模言語モデルを用いた物理事象分類
- Authors: Cristiano Fanelli, James Giroux, Patrick Moran, Hemalata Nayak, Karthik Suresh, Eric Walter,
- Abstract要約: 2023年のAI4EICハッカソンは、アメリカ・カトリック大学の第3回AI4EICワークショップの頂点となった。
この記事では、ハッカソンの課題、使用するリソースと方法論、そしてAI/MLで最も最先端のツールを使用して物理データを分析した結果と洞察を紹介する。
- 参考スコア(独自算出の注目度): 0.48418705470172246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The 2023 AI4EIC hackathon was the culmination of the third annual AI4EIC workshop at The Catholic University of America. This workshop brought together researchers from physics, data science and computer science to discuss the latest developments in Artificial Intelligence (AI) and Machine Learning (ML) for the Electron Ion Collider (EIC), including applications for detectors, accelerators, and experimental control. The hackathon, held on the final day of the workshop, involved using a chatbot powered by a Large Language Model, ChatGPT-3.5, to train a binary classifier neutrons and photons in simulated data from the \textsc{GlueX} Barrel Calorimeter. In total, six teams of up to four participants from all over the world took part in this intense educational and research event. This article highlights the hackathon challenge, the resources and methodology used, and the results and insights gained from analyzing physics data using the most cutting-edge tools in AI/ML.
- Abstract(参考訳): 2023年のAI4EICハッカソンは、アメリカ・カトリック大学の第3回AI4EICワークショップの頂点となった。
このワークショップは、物理学、データサイエンス、計算機科学の研究者を集めて、Electron Ion Collider(EIC)のための人工知能(AI)と機械学習(ML)の最新の開発について議論した。
ワークショップの最終日に行われたハッカソンでは、大きな言語モデルであるChatGPT-3.5を動力とするチャットボットを使って、2値の分類器中性子と光子を訓練し、そのシミュレーションデータをtextsc{GlueX} Barrel Calorimeterから取得した。
世界中の最大4チームからなる6チームがこの激しい教育と研究イベントに参加した。
この記事では、ハッカソンの課題、使用するリソースと方法論、そしてAI/MLで最も最先端のツールを使用して物理データを分析した結果と洞察を紹介する。
関連論文リスト
- InternLM2 Technical Report [159.70692271378581]
本稿では,オープンソースのLarge Language Models (LLM) であるInternLM2を紹介する。
InternLM2の事前トレーニングプロセスは細部まで詳細に書かれており、多様なデータ型の準備が強調されている。
InternLM2は、4kトークンでトレーニングされた長期的依存関係を効率的にキャプチャし、事前トレーニングおよび微調整の段階で32kトークンに進む。
論文 参考訳(メタデータ) (2024-03-26T00:53:24Z) - In-Context Language Learning: Architectures and Algorithms [73.93205821154605]
我々は、文脈言語学習(ICLL)において、私たちが用語する新しいモデル問題群(英語版)のレンズを通してICLを研究する。
我々は,通常のICLLタスクにおいて,多種多様なニューラルシーケンスモデルを評価する。
論文 参考訳(メタデータ) (2024-01-23T18:59:21Z) - AI and Generative AI for Research Discovery and Summarization [3.8601741392210434]
AIと生成AIツールが今年中に登場し、仕事の生産性を高め、私たちの生活を改善する素晴らしい機会を生み出した。
これらのツールが大きな影響を与えうる分野の1つは、研究の発見と要約である。
我々は、研究発見と要約のためのAIと生成AIの開発をレビューし、これらのタイプのツールが将来進む可能性が高い方向を提案する。
論文 参考訳(メタデータ) (2024-01-08T18:42:55Z) - Surfer: Progressive Reasoning with World Models for Robotic Manipulation [51.26109827779267]
本稿では,新しいシンプルなロボット操作フレームワークであるSurferを紹介する。
Surferは、ロボット操作を視覚シーンの状態伝達として扱い、それをアクションとシーンという2つの部分に分割する。
これは世界モデルに基づいており、ロボット操作を視覚シーンの状態伝達として扱い、アクションとシーンの2つの部分に分けられる。
論文 参考訳(メタデータ) (2023-06-20T07:06:04Z) - Artificial intelligence to advance Earth observation: a perspective [56.13510552915079]
本稿では、生のEOデータから使用可能なEOベースの情報への移行を通知し、支援する、重要な科学的ツールとアプローチについて、鳥の視点で説明する。
i)コンピュータビジョン, (ii) 機械学習, (iii) 高度な処理とコンピューティング, (iv) 知識ベースAI, (v) 説明可能なAIと因果推論, (vi) 物理認識モデル, (vii) ユーザ中心のアプローチ, (viii) EOにおけるML技術の大量使用に関する倫理的・社会的問題に関する議論の議論を網羅する。
論文 参考訳(メタデータ) (2023-05-15T07:47:24Z) - End-to-end AI framework for interpretable prediction of molecular and
crystal properties [3.8878792624088856]
このフレームワークは、CGCNN、PhysNet、SchNet、MPNN、MPNN-transformer、TorchMD-NETといった最先端AIモデルに基づいている。
これらのAIモデルとベンチマークQM9、hMOF、MD17データセットを併用して、モデルがユーザ指定の材料特性を予測する方法を示す。
論文 参考訳(メタデータ) (2022-12-21T19:27:51Z) - Coordinated Science Laboratory 70th Anniversary Symposium: The Future of
Computing [80.72844751804166]
2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。
シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。
参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
論文 参考訳(メタデータ) (2022-10-04T17:32:27Z) - Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。
シミュレーションに基づくMAPプログラムの概要を述べる。
我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文 参考訳(メタデータ) (2022-08-17T23:03:54Z) - Dark Solitons in Bose-Einstein Condensates: A Dataset for Many-body
Physics Research [0.0]
我々は、ソリトニック励起を含むボース=アインシュタイン凝縮体の1.6タイムs104$の実験画像のデータセットを確立する。
このデータセットの約33%は、手動で調整されたラベルを割り当てている。
残りは、物理インフォームされたMLデータ分析フレームワークであるSolDetを使って自動的にラベル付けされる。
論文 参考訳(メタデータ) (2022-05-17T09:53:16Z) - Machine learning for metal additive manufacturing: Predicting
temperature and melt pool fluid dynamics using physics-informed neural
networks [0.0]
本稿では,データと最初の物理原理を融合する物理情報ニューラルネットワーク(PINN)フレームワークを提案する。
これは、PINNの3次元AMプロセスモデリングへの最初の応用である。
PINNは、金属AMプロセス中の温度とプールのダイナミクスをある程度のラベル付きデータセットで正確に予測することができる。
論文 参考訳(メタデータ) (2020-07-28T20:34:38Z) - Scaling the training of particle classification on simulated MicroBooNE
events to multiple GPUs [0.16777183511743468]
本稿では,複数のノードにまたがる複数のアーキテクチャ上でのLArTPC分類問題のスケーリングについて検討する。
我々の知る限り、これは粒子物理学における最先端の畳み込みニューラルネットワークの最初の使用である。
我々は,特に深部地下ニュートリノ実験(DUNE)のLArTPCプログラムの利点を期待する。
論文 参考訳(メタデータ) (2020-04-17T20:21:27Z)
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。