論文の概要: Integration of Scanning Probe Microscope with High-Performance Computing: fixed-policy and reward-driven workflows implementation
- arxiv url: http://arxiv.org/abs/2405.12300v1
- Date: Mon, 20 May 2024 18:08:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-22 17:43:12.941510
- Title: Integration of Scanning Probe Microscope with High-Performance Computing: fixed-policy and reward-driven workflows implementation
- Title（参考訳）: 走査プローブ顕微鏡と高性能コンピューティングの統合:固定政治と報酬駆動ワークフローの実装
- Authors: Yu Liu, Utkarsh Pratiush, Jason Bemis, Roger Proksch, Reece Emery, Philip D. Rack, Yu-Chen Liu, Jan-Chi Yang, Stanislav Udovenko, Susan Trolier-McKinstry, Sergei V. Kalinin,
- Abstract要約: ローカルコンピュータまたはリモート高性能コンピュータから走査顕微鏡を制御できるPythonインタフェースライブラリを構築した。
私たちの研究は、ルーチン操作と機械学習による自律的な科学的発見の両方のために、自動化顕微鏡を構築するための完全なインフラストラクチャを提供します。
- 参考スコア（独自算出の注目度）: 4.595863595869587
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The rapid development of computation power and machine learning algorithms has paved the way for automating scientific discovery with a scanning probe microscope (SPM). The key elements towards operationalization of automated SPM are the interface to enable SPM control from Python codes, availability of high computing power, and development of workflows for scientific discovery. Here we build a Python interface library that enables controlling an SPM from either a local computer or a remote high-performance computer (HPC), which satisfies the high computation power need of machine learning algorithms in autonomous workflows. We further introduce a general platform to abstract the operations of SPM in scientific discovery into fixed-policy or reward-driven workflows. Our work provides a full infrastructure to build automated SPM workflows for both routine operations and autonomous scientific discovery with machine learning.
- Abstract（参考訳）: 計算能力と機械学習アルゴリズムの急速な発展は、走査型プローブ顕微鏡(SPM)による科学的発見の自動化の道を開いた。
自動化されたSPMの運用に向けた重要な要素は、PythonコードからのSPM制御を可能にするインターフェース、高いコンピューティングパワーの可用性、科学的発見のためのワークフローの開発である。
ここでは、ローカルコンピュータまたはリモート高性能コンピュータ(HPC)からSPMを制御することができるPythonインターフェースライブラリを構築し、自律ワークフローにおける機械学習アルゴリズムの計算能力の向上を満足する。
さらに、科学的な発見におけるSPMの操作を固定政治や報酬駆動のワークフローに抽象化するための一般的なプラットフォームも導入する。
私たちの作業は、ルーチン操作と機械学習による自律的な科学的発見の両方のために、自動化されたSPMワークフローを構築するための完全なインフラストラクチャを提供します。
関連論文リスト
- Optimizing Checkpoint-Restart Mechanisms for HPC with DMTCP in Containers at NERSC [0.07767214588770123]
この研究は、最先端のスーパーコンピュータシステムであるNERSC Perlmutter上で動作する現実世界のアプリケーションに基礎を置いている。
我々は,HPCにおける複雑で長い計算を管理する上でのチェックポイント再起動(C/R)の利点について論じ,その効率性と信頼性を強調した。
論文 参考訳（メタデータ） (2024-07-26T22:42:40Z) - Spider2-V: How Far Are Multimodal Agents From Automating Data Science and Engineering Workflows? [73.81908518992161]
我々は、プロのデータサイエンスとエンジニアリングに焦点を当てた最初のマルチモーダルエージェントベンチマークであるSpider2-Vを紹介する。
Spider2-Vは、本物のコンピュータ環境における現実世界のタスクを特徴とし、20のエンタープライズレベルのプロフェッショナルアプリケーションを組み込んでいる。
これらのタスクは、エンタープライズデータソフトウェアシステムにおいて、コードを書き、GUIを管理することで、マルチモーダルエージェントがデータ関連のタスクを実行する能力を評価する。
論文 参考訳（メタデータ） (2024-07-15T17:54:37Z) - The Power of Resets in Online Reinforcement Learning [73.64852266145387]
ローカルシミュレータアクセス(あるいはローカルプランニング)を用いたオンライン強化学習を通してシミュレータのパワーを探求する。
カバー性が低いMPPは,Qstar$-realizabilityのみのサンプル効率で学習可能であることを示す。
ローカルシミュレーターアクセス下では, 悪名高いExogenous Block MDP問題が抽出可能であることを示す。
論文 参考訳（メタデータ） (2024-04-23T18:09:53Z) - Bridging HPC and Quantum Systems using Scientific Workflows [0.059918512541940944]
量子コンピュータは、現代のコンピュータ科学において興味深い挑戦を提供する。
ムーアの法則の必然的な物理的制限により、量子ハードウェアはより大きな問題を迅速に解くための道を提供する。
科学的なタスクの能力を活用して、従来のHPCと量子コンピュータを連携させます。
論文 参考訳（メタデータ） (2023-10-05T03:28:32Z) - Towards Lightweight Data Integration using Multi-workflow Provenance and
Data Observability [0.2517763905487249]
統合データ分析は、特に現在のAI時代において、科学的発見において重要な役割を果たす。
軽量ランタイム向けマルチワークフロー統合データ分析手法MIDAを提案する。
Summitスーパーコンピュータの1,680個のCPUコア上で,最大10000のタスクを実行するほぼゼロのオーバーヘッドを示す。
論文 参考訳（メタデータ） (2023-08-17T14:20:29Z) - Partitioning Distributed Compute Jobs with Reinforcement Learning and
Graph Neural Networks [58.720142291102135]
大規模な機械学習モデルは、幅広い分野に進歩をもたらしている。
これらのモデルの多くは、単一のマシンでトレーニングするには大きすぎるため、複数のデバイスに分散する必要がある。
スループットやブロッキングレートといったユーザクリティカルな指標に対して,並列化の最大化が準最適であることを示す。
論文 参考訳（メタデータ） (2023-01-31T17:41:07Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳（メタデータ） (2022-09-19T16:49:32Z) - Bayesian Active Learning for Scanning Probe Microscopy: from Gaussian
Processes to Hypothesis Learning [0.0]
ベイズ能動学習の基本原理と走査型プローブ顕微鏡(SPM)への応用について述べる。
これらのフレームワークは、先行データの使用、スペクトルデータに符号化された特定の機能の発見、実験中に現れる物理法則の探索を可能にする。
論文 参考訳（メタデータ） (2022-05-30T23:01:41Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳（メタデータ） (2022-01-11T12:18:44Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳（メタデータ） (2021-06-14T11:42:46Z) - Real-time Neural Networks Implementation Proposal for Microcontrollers [0.0]
本稿では,マルチレイヤ・パーセプトロン(MLP)型ニューラルネットワークの実装戦略を低コストで低消費電力なプラットフォームで示すことを目的とする。
完全な分類プロセスを備えたモジュール型マトリックスベースのマイクロコントローラが実装され、マイクロコントローラのバックプロパゲーショントレーニングも行われた。
テストと検証は、トレーニングプロセスの平均正方形誤差(MSE)のハードウェア・イン・ザ・ループ(HIL)、分類結果、各実装モジュールの処理時間を通じて行われた。
論文 参考訳（メタデータ） (2020-06-08T03:51:14Z)
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。