論文の概要: SysCaps: Language Interfaces for Simulation Surrogates of Complex Systems
- arxiv url: http://arxiv.org/abs/2405.19653v1
- Date: Thu, 30 May 2024 03:12:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-31 18:26:21.608750
- Title: SysCaps: Language Interfaces for Simulation Surrogates of Complex Systems
- Title（参考訳）: SysCaps:複雑なシステムのシミュレーションサロゲートのための言語インタフェース
- Authors: Patrick Emami, Zhaonan Li, Saumya Sinha, Truc Nguyen,
- Abstract要約: 本稿では,言語がシミュレートされたシステムと対話するために使用される代理モデリングのための学習フレームワークを提案する。
システムの言語記述を「システムキャプション」または「システムキャプション」と呼ぶ。
複素エネルギーシステムの実世界の2つのシミュレータに対して,マルチモーダルテキストと時系列回帰モデルを訓練する。
- 参考スコア（独自算出の注目度）: 4.049850026698639
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data-driven simulation surrogates help computational scientists study complex systems. They can also help inform impactful policy decisions. We introduce a learning framework for surrogate modeling where language is used to interface with the underlying system being simulated. We call a language description of a system a "system caption", or SysCap. To address the lack of datasets of paired natural language SysCaps and simulation runs, we use large language models (LLMs) to synthesize high-quality captions. Using our framework, we train multimodal text and timeseries regression models for two real-world simulators of complex energy systems. Our experiments demonstrate the feasibility of designing language interfaces for real-world surrogate models at comparable accuracy to standard baselines. We qualitatively and quantitatively show that SysCaps unlock text-prompt-style surrogate modeling and new generalization abilities beyond what was previously possible. We will release the generated SysCaps datasets and our code to support follow-on studies.
- Abstract（参考訳）: データ駆動シミュレーションは、計算科学者が複雑なシステムを研究するのに役立つ。
また、影響のある政策決定を知らせるのにも役立ちます。
本稿では,言語がシミュレートされたシステムと対話するために使用される代理モデリングのための学習フレームワークを提案する。
システムの言語記述を「システムキャプション」または「システムキャプション」と呼ぶ。
ペア型自然言語SysCapsのデータセットとシミュレーション実行の欠如に対処するために,我々は,高品質なキャプションを合成するために大規模言語モデル(LLM)を使用している。
本フレームワークを用いて,複素エネルギーシステムの実世界の2つのシミュレータに対して,マルチモーダルテキストと時系列回帰モデルを訓練する。
本実験は,実世界のサロゲートモデルに対して,標準ベースラインと同等の精度で言語インタフェースを設計可能であることを示す。
我々は、SysCapsがテキストプロンプトスタイルのサロゲートモデリングと、以前可能だった以上の新しい一般化能力の解き放つことを質的に定量的に示す。
生成されたSysCapsデータセットと、フォローオン研究をサポートするためのコードをリリースします。
関連論文リスト
- Large Generative Model-assisted Talking-face Semantic Communication System [55.42631520122753]
本研究では,LGM-TSC(Large Generative Model-assisted Talking-face Semantic Communication)システムを提案する。
送信機のジェネレーティブセマンティック・エクストラクタ(GSE)は、意味的にスパースな音声映像を高情報密度のテキストに変換する。
意味的曖昧さと修正のためのLarge Language Model (LLM)に基づくPrivate Knowledge Base (KB)。
BERT-VITS2とSadTalkerモデルを用いた生成意味再構成(GSR)により、テキストを高QoE音声ビデオに変換する。
論文 参考訳（メタデータ） (2024-11-06T12:45:46Z) - Generating Driving Simulations via Conversation [20.757088470174452]
所望のシナリオと車両動作の合成において,非コーディング領域の専門家を支援するために,自然言語インタフェースを設計する。
非常に小さなトレーニングデータセットにもかかわらず、発話をシンボルプログラムに変換するのにそれを使うことは可能であることを示す。
人間の実験により、対話はシミュレーション生成の成功に不可欠であることが示され、拡張された会話に関わらず、世代よりも4.5倍の成功率が得られる。
論文 参考訳（メタデータ） (2024-10-13T13:07:31Z) - LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments [70.91258869156353]
テキストエンボディの世界における6つの代表的具体的タスクを特徴とする多目的・シミュレーション不要なテストベッドであるLangSuitEを紹介する。
以前のLLMベースのテストベッドと比較すると、LangSuitEは複数のシミュレーションエンジンを使わずに、多様な環境への適応性を提供する。
具体化された状態の履歴情報を要約した新しいチェーン・オブ・ソート(CoT)スキーマであるEmMemを考案する。
論文 参考訳（メタデータ） (2024-06-24T03:36:29Z) - Human-Centric Autonomous Systems With LLMs for User Command Reasoning [16.452638202694246]
本稿では,大規模言語モデルの推論機能を活用して,キャビン内ユーザのコマンドからシステム要求を推測する。
提案手法の有効性は, LLMモデルの品質と適切な逐次的プロンプトの設計の両面から評価されている。
論文 参考訳（メタデータ） (2023-11-14T14:42:28Z) - Dialogue-based generation of self-driving simulation scenarios using
Large Language Models [14.86435467709869]
シミュレーションは自動運転車のコントローラーを開発し評価するための貴重なツールである。
現在のシミュレーションフレームワークは、高度に専門的なドメイン固有言語によって駆動される。
簡潔な英語の発話と、ユーザの意図をキャプチャする実行可能なコードの間には、しばしばギャップがある。
論文 参考訳（メタデータ） (2023-10-26T13:07:01Z) - Detecting Text Formality: A Study of Text Classification Approaches [78.11745751651708]
本研究は,統計的,ニューラルベース,トランスフォーマーベースの機械学習手法に基づく形式性検出手法の体系的研究を初めて行う。
単言語,多言語,言語横断の3種類の実験を行った。
本研究は,モノリンガルおよび多言語形式分類タスクのためのトランスフォーマーベースモデルに対するChar BiLSTMモデルの克服を示す。
論文 参考訳（メタデータ） (2022-04-19T16:23:07Z) - From Natural Language to Simulations: Applying GPT-3 Codex to Automate
Simulation Modeling of Logistics Systems [0.0]
この研究は、物流にとって重要なシステムのシミュレーションモデルの開発を自動化するために自然言語処理を適用する最初の試みである。
我々は,変換言語モデルであるGPT-3コーデックスをベースとしたフレームワークが,言語記述による待ち行列と在庫制御系の機能的に有効なシミュレーションを生成できることを実証した。
論文 参考訳（メタデータ） (2022-02-24T14:01:50Z) - SML: a new Semantic Embedding Alignment Transformer for efficient
cross-lingual Natural Language Inference [71.57324258813674]
トランスフォーマーが質問応答、自然言語推論(NLI)、要約といった様々なタスクを精度良く実行できることは、現在この種のタスクに対処するための最良のパラダイムの1つとしてランク付けすることができる。
nliは、複雑な文を理解するための知識が必要であり、仮説と前提の関係を確立するため、これらのアーキテクチャをテストする最良のシナリオの1つである。
本稿では,自然言語推論のための多言語組込みを効率的にアライメントするための新しいアーキテクチャ siamese multilingual transformer を提案する。
論文 参考訳（メタデータ） (2021-03-17T13:23:53Z) - Speech Command Recognition in Computationally Constrained Environments
with a Quadratic Self-organized Operational Layer [92.37382674655942]
軽量ネットワークの音声コマンド認識能力を向上するネットワーク層を提案する。
この手法はテイラー展開と二次形式の概念を借用し、入力層と隠蔽層の両方における特徴のより良い表現を構築する。
このリッチな表現は、Google音声コマンド(GSC)と合成音声コマンド(SSC)データセットに関する広範な実験で示されているように、認識精度の向上をもたらす。
論文 参考訳（メタデータ） (2020-11-23T14:40:18Z) - Investigation of learning abilities on linguistic features in
sequence-to-sequence text-to-speech synthesis [48.151894340550385]
ニューラルシークエンス・ツー・シークエンス・テキスト・トゥ・音声合成(TTS)は、テキストや音素のような単純な言語的特徴から直接高品質な音声を生成することができる。
ニューラルシークエンス・ツー・シークエンス TTS が日本語と英語でどのように機能するかを考察する。
論文 参考訳（メタデータ） (2020-05-20T23:26:14Z)
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。