Fugu-MT 論文翻訳(概要): Physics Event Classification Using Large Language Models

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

Reflections from the 2024 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry [68.72590517877455]
材料科学・化学分野における応用のための第二大言語モデル(LLM)ハッカソンの結果について述べる。このイベントは、グローバルなハイブリッドな場所を巡って参加者が参加し、34チームが応募した。提出は7つの主要なアプリケーション領域にまたがって行われ、アプリケーションのためのLLMの多種多様な実用性を実証した。
論文参考訳（メタデータ） (2024-11-20T23:08:01Z)
DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
論文参考訳（メタデータ） (2024-09-12T02:08:00Z)
MRAC Track 1: 2nd Workshop on Multimodal, Generative and Responsible Affective Computing [19.895638232394262]
MRAC 2024 Track 1ワークショップは、これらの原則を現実の大規模コンテキストに拡張することを目指している。ワークショップは、生成技術がもたらす潜在的な影響と、その使用の倫理的影響も強調することを目的としている。
論文参考訳（メタデータ） (2024-09-11T13:25:42Z)
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 review of models, recent trends, and pathways forward [60.43248801101935]
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)
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)
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。