論文の概要: KAN 2.0: Kolmogorov-Arnold Networks Meet Science
- arxiv url: http://arxiv.org/abs/2408.10205v1
- Date: Mon, 19 Aug 2024 17:59:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 15:13:19.343743
- Title: KAN 2.0: Kolmogorov-Arnold Networks Meet Science
- Title(参考訳): Kan 2.0: Kolmogorov-Arnold Networks Meet Science
- Authors: Ziming Liu, Pingchuan Ma, Yixuan Wang, Wojciech Matusik, Max Tegmark,
- Abstract要約: 本研究では,KAN(Kolmogorov-Arnold Networks)と科学をシームレスにシナジするフレームワークを提案する。
この枠組みは、科学的な発見の3つの側面におけるカンスの使い方を強調している。
保存量,ラグランジアン,対称性,法則など,様々な物理法則を発見する能力を示す。
- 参考スコア(独自算出の注目度): 37.38563485313184
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A major challenge of AI + Science lies in their inherent incompatibility: today's AI is primarily based on connectionism, while science depends on symbolism. To bridge the two worlds, we propose a framework to seamlessly synergize Kolmogorov-Arnold Networks (KANs) and science. The framework highlights KANs' usage for three aspects of scientific discovery: identifying relevant features, revealing modular structures, and discovering symbolic formulas. The synergy is bidirectional: science to KAN (incorporating scientific knowledge into KANs), and KAN to science (extracting scientific insights from KANs). We highlight major new functionalities in the pykan package: (1) MultKAN: KANs with multiplication nodes. (2) kanpiler: a KAN compiler that compiles symbolic formulas into KANs. (3) tree converter: convert KANs (or any neural networks) to tree graphs. Based on these tools, we demonstrate KANs' capability to discover various types of physical laws, including conserved quantities, Lagrangians, symmetries, and constitutive laws.
- Abstract(参考訳): 今日のAIは主にコネクショナリズムに基づいており、科学はシンボリズムに依存している。
両世界を橋渡しするために,KAN(Kolmogorov-Arnold Networks)と科学をシームレスにシナジする枠組みを提案する。
このフレームワークは、科学的な発見の3つの側面、すなわち関連する特徴の特定、モジュール構造を明らかにすること、象徴的な公式の発見について、カンズが用いていることを強調している。
科学からカンへの(科学的な)科学、科学への(科学的な)科学への(科学的な洞察をカンから抽出する)という二方向のシナジーである。
1)MultKAN:kans with multiplication node。
2)kanpiler: シンボル式をkans.(3) tree converterにコンパイルするkanコンパイラ:kans(または任意のニューラルネットワーク)をtree graphに変換する。
これらのツールを用いて,保存量,ラグランジアン,対称性,構成法則など,様々な物理法則を発見できるカンの能力を実証する。
関連論文リスト
- On the Convergence of (Stochastic) Gradient Descent for Kolmogorov--Arnold Networks [56.78271181959529]
Kolmogorov--Arnold Networks (KAN) はディープラーニングコミュニティで注目されている。
実験により、勾配降下(SGD)により最適化されたカンが、ほぼゼロに近い訓練損失を達成できることが示された。
論文 参考訳(メタデータ) (2024-10-10T15:34:10Z) - GNN-SKAN: Harnessing the Power of SwallowKAN to Advance Molecular Representation Learning with GNNs [19.019980841275366]
我々は、KAN(Kolmogorov-Arnold Networks)を統合したGNNの新しいクラスを導入する。
Kanは、その堅牢なデータ適合能力と、小規模AI + Scienceタスクの高精度で知られている。
本稿では,新たなクラスであるGNN-SKANと,その拡張型であるGNN-SKAN+を提案する。
論文 参考訳(メタデータ) (2024-08-02T05:36:14Z) - Network Analysis of the iNaturalist Citizen Science Community [0.6118897979046375]
我々は,iNaturalistの市民科学プラットフォームを事例研究として,市民科学プロジェクトの構造を分析する。
我々は、iNaturalistデータを用いて、他の一般的なベンチマークネットワークと比較して異常な構造を持つネットワークを作成することにより、ネットワーク科学研究のための新しいユニークなベンチマークを提案する。
論文 参考訳(メタデータ) (2023-10-16T00:41:13Z) - Language Knowledge-Assisted Representation Learning for Skeleton-Based
Action Recognition [71.35205097460124]
人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。
LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
論文 参考訳(メタデータ) (2023-05-21T08:29:16Z) - Domain-informed graph neural networks: a quantum chemistry case study [0.34410212782758054]
グラフニューラルネットワーク(GNN)に着目し、グラフとして表される化学系(分子と結晶)のポテンシャルエネルギーを推定する。
ドメイン知識の2つの要素をGNNの設計に統合し、学習を制約し、規則化し、より高精度で一般化する。
論文 参考訳(メタデータ) (2022-08-25T08:36:50Z) - Universal approximation property of invertible neural networks [76.95927093274392]
Invertible Neural Network (INN) は、設計によって可逆性を持つニューラルネットワークアーキテクチャである。
その可逆性とヤコビアンのトラクタビリティのおかげで、IGNは確率的モデリング、生成的モデリング、表現的学習など、さまざまな機械学習応用がある。
論文 参考訳(メタデータ) (2022-04-15T10:45:26Z) - A review of Generative Adversarial Networks (GANs) and its applications
in a wide variety of disciplines -- From Medical to Remote Sensing [2.9327503320877457]
我々はGAN(Generative Adversarial Network)について検討する。
GANはゼロサムゲーム理論を用いて互いに競合する2つのニューラルネットワークを組み合わせる。
GANは、画像処理、ビデオ生成、予測、その他のコンピュータビジョンアプリケーションの実行に使用することができる。
論文 参考訳(メタデータ) (2021-10-01T14:43:30Z) - Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
関係データに対するKENNの拡張を提案する。
その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
論文 参考訳(メタデータ) (2020-09-13T21:12:20Z) - A Review on Generative Adversarial Networks: Algorithms, Theory, and
Applications [154.4832792036163]
GAN(Generative Adversarial Network)は近年ホットな研究トピックである。
GANは2014年から広く研究され、多くのアルゴリズムが提案されている。
本稿では,アルゴリズム,理論,応用の観点から,様々なGAN手法のレビューを行う。
論文 参考訳(メタデータ) (2020-01-20T01:52:05Z)
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。