Fugu-MT 論文翻訳(概要): Extracting thin film structures of energy materials using transformers

論文の概要: Extracting thin film structures of energy materials using transformers

arxiv url: http://arxiv.org/abs/2406.16741v2
Date: Wed, 30 Oct 2024 17:44:53 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-31 14:22:29.969735
Title: Extracting thin film structures of energy materials using transformers
Title（参考訳）: トランスを用いたエネルギー材料の薄膜構造抽出
Authors: Chen Zhang, Valerie A. Niemann, Peter Benedek, Thomas F. Jaramillo, Mathieu Doucet,
Abstract要約: 中性子変換器反射法と高度計算エンジン(N-TRACE) 中性子反射率データ解析にトランスフォーマーアーキテクチャを用いたニューラルネットワークモデルを導入する。
参考スコア（独自算出の注目度）: 4.447589620333365
License:
Abstract: Neutron-Transformer Reflectometry and Advanced Computation Engine (N-TRACE ), a neural network model using transformer architecture, is introduced for neutron reflectometry data analysis. It offers fast, accurate initial parameter estimations and efficient refinements, improving efficiency and precision for real-time data analysis of lithium-mediated nitrogen reduction for electrochemical ammonia synthesis, with relevance to other chemical transformations and batteries. Despite limitations in generalizing across systems, it shows promises for the use of transformers as the basis for models that could replace trial-and-error approaches to modeling reflectometry data.
Abstract（参考訳）: 中性子・変圧器反射率と高度計算エンジン (N-TRACE) は, 中性子反射率データ解析のためのニューラルネットワークモデルである。高速で正確な初期パラメータ推定と効率的な改善、リチウムを介する窒素還元のリアルタイムなデータ分析の効率と精度の向上、電気化学アンモニア合成、その他の化学変換や電池との関連性を提供する。システム全体の一般化の制限にもかかわらず、リフレクションメトリデータをモデリングするための試行錯誤アプローチを置き換えるモデルの基礎として、トランスフォーマーを使用することが約束されている。

関連論文リスト

Efficient Frequency Selective Surface Analysis via End-to-End Model-Based Learning [2.66269503676104]
本稿では、高次元周波数選択面(FSS)の効率的な電磁解析のための革新的なエンドツーエンドモデルに基づくディープラーニング手法を提案する。大規模なデータセットを必要とする従来のデータ駆動手法とは異なり、このアプローチは等価回路モデルからの物理的な洞察とディープラーニング技術を組み合わせて、モデルの複雑さを著しく低減し、予測精度を高める。
論文参考訳（メタデータ） (2024-10-22T07:27:20Z)
Learning on Transformers is Provable Low-Rank and Sparse: A One-layer Analysis [63.66763657191476]
低ランク計算としての効率的な数値学習と推論アルゴリズムはトランスフォーマーに基づく適応学習に優れた性能を持つことを示す。我々は、等級モデルが適応性を改善しながら一般化にどのように影響するかを分析する。適切なマグニチュードベースのテストは,テストパフォーマンスに多少依存している,と結論付けています。
論文参考訳（メタデータ） (2024-06-24T23:00:58Z)
Residual-based Attention Physics-informed Neural Networks for Spatio-Temporal Ageing Assessment of Transformers Operated in Renewable Power Plants [0.6223528900192875]
本稿では,変圧器の巻線温度と経年変化に関する時間モデルを紹介する。物理ベースの偏微分方程式とデータ駆動ニューラルネットワークを用いる。フローティング太陽光発電プラントで動作する配電変圧器を用いて, 実験結果を検証した。
論文参考訳（メタデータ） (2024-05-10T12:48:57Z)
Retrosynthesis prediction enhanced by in-silico reaction data augmentation [66.5643280109899]
RetroWISEは,実データから推定されるベースモデルを用いて,シリコン内反応の生成と増大を行うフレームワークである。 3つのベンチマークデータセットで、RetroWISEは最先端モデルに対して最高の全体的なパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-01-31T07:40:37Z)
ESTformer: Transformer Utilizing Spatiotemporal Dependencies for EEG Super-resolution [14.2426667945505]
ESTformerは、Transformerに基づいた一時的な依存関係を利用するEEGフレームワークである。 ESTformerは、空間と時間次元に位置符号化法とマルチヘッド自己認識機構を適用する。
論文参考訳（メタデータ） (2023-12-03T12:26:32Z)
Effective Pre-Training Objectives for Transformer-based Autoencoders [97.99741848756302]
トランスフォーマーエンコーダの効率,コスト,精度のトレードオフについて検討する。共通の目的の機能を組み合わせて、新しい効果的な事前学習アプローチを作成します。
論文参考訳（メタデータ） (2022-10-24T18:39:44Z)
Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文参考訳（メタデータ） (2022-03-10T14:22:54Z)
Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
論文参考訳（メタデータ） (2021-12-22T00:52:56Z)
Permutation invariant graph-to-sequence model for template-free retrosynthesis and reaction prediction [2.5655440962401617]
本稿では,テキスト生成のためのトランスフォーマーモデルのパワーと,分子グラフエンコーダの置換不変性を組み合わせた新しいGraph2SMILESモデルについて述べる。エンドツーエンドアーキテクチャとして、Graph2SMILESは、分子から分子への変換を含むあらゆるタスクにおいて、Transformerのドロップイン置換として使用できる。
論文参考訳（メタデータ） (2021-10-19T01:23:15Z)
IrEne: Interpretable Energy Prediction for Transformers [15.677294441315535]
NLPモデルの既存のソフトウェアベースのエネルギー測定は、エネルギー消費とモデル実行の間の複雑な相互作用を考慮していないため正確ではない。本稿では,幅広いトランスフォーマーベースNLPモデルの推論エネルギー消費を正確に予測する,解釈可能なエネルギー予測システムIrEneを提案する。
論文参考訳（メタデータ） (2021-06-02T14:43:51Z)
On the Sparsity of Neural Machine Translation Models [65.49762428553345]
性能向上のために冗長パラメータを再利用できるかどうかを検討する。実験と分析は異なるデータセットとNTTアーキテクチャで体系的に行われる。
論文参考訳（メタデータ） (2020-10-06T11:47:20Z)

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。