論文の概要: How to do impactful research in artificial intelligence for chemistry and materials science
- arxiv url: http://arxiv.org/abs/2409.10304v1
- Date: Mon, 16 Sep 2024 14:10:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 15:20:32.002488
- Title: How to do impactful research in artificial intelligence for chemistry and materials science
- Title（参考訳）: 化学・材料科学における人工知能のインパクトある研究方法
- Authors: Austin Cheng, Cher Tian Ser, Marta Skreta, Andrés Guzmán-Cordero, Luca Thiede, Andreas Burger, Abdulrahman Aldossary, Shi Xuan Leong, Sergio Pablo-García, Felix Strieth-Kalthoff, Alán Aspuru-Guzik,
- Abstract要約: まず、化学における様々な問題にまたがる現在の応用について概説する。
次に、機械学習研究者が現場の問題をどう捉え、どのようにアプローチするかについて議論する。
最後に,化学における機械学習研究における影響の最大化について考察する。
- 参考スコア（独自算出の注目度）: 1.7172216435186003
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning has been pervasively touching many fields of science. Chemistry and materials science are no exception. While machine learning has been making a great impact, it is still not reaching its full potential or maturity. In this perspective, we first outline current applications across a diversity of problems in chemistry. Then, we discuss how machine learning researchers view and approach problems in the field. Finally, we provide our considerations for maximizing impact when researching machine learning for chemistry.
- Abstract（参考訳）: 機械学習は多くの科学分野に広く触れている。
化学と材料科学は例外ではない。
機械学習は大きな影響を与えてきたが、まだその潜在能力や成熟度には達していない。
この観点から、我々はまず化学における様々な問題にまたがる現在の応用について概説する。
次に、機械学習研究者が現場の問題をどう捉え、どのようにアプローチするかについて議論する。
最後に,化学における機械学習研究における影響の最大化について考察する。
関連論文リスト
- An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - ChemLLM: A Chemical Large Language Model [49.308528569982805]
大規模言語モデル(LLM)は化学応用において顕著な進歩を遂げた。
しかし、コミュニティには化学に特化したLLMが欠落している。
本稿では,化学に特化した最初のLLMを特徴とする包括的フレームワークであるChemLLMを紹介する。
論文 参考訳（メタデータ） (2024-02-10T01:11:59Z) - Symmetry-Informed Geometric Representation for Molecules, Proteins, and
Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。
Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文 参考訳（メタデータ） (2023-06-15T05:37:25Z) - Physics-Informed Machine Learning: A Survey on Problems, Methods and
Applications [31.157298426186653]
最近の研究は、物理的な事前および収集されたデータを組み込むことによって、機械学習モデルに潜在的な利点を提供することを示している。
本稿では、経験的データと利用可能な物理的事前知識を活用するモデルを構築することを目的とした、Physical-Informed Machine Learning(PIML)という学習パラダイムを提案する。
論文 参考訳（メタデータ） (2022-11-15T11:34:30Z) - Maximizing information from chemical engineering data sets: Applications
to machine learning [61.442473332320176]
化学工学の応用において、古典的な人工知能のアプローチを適用するのが難しくなる4つの特徴を同定する。
それぞれのデータ特性について、これらのデータ特性が生じるアプリケーションについて論じ、現在の化学工学研究が、これらの課題を組み込むために、データサイエンスと機械学習の分野をどのように拡張しているかを示す。
論文 参考訳（メタデータ） (2022-01-25T01:25:45Z) - Scientific intuition inspired by machine learning generated hypotheses [2.294014185517203]
私たちは、機械学習モデル自体が得る洞察と知識に焦点を移します。
決定木では, 化学や物理から, ビッグデータから人間の解釈可能な洞察を抽出するために, 勾配増進法を適用した。
数値を超える能力は、機械学習を使って概念理解の発見を加速する扉を開く。
論文 参考訳（メタデータ） (2020-10-27T12:12:12Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Autonomous discovery in the chemical sciences part II: Outlook [2.566673015346446]
この2部構成のレビューは、自動化が化学科学における発見のさまざまな側面にどのように貢献したかを検証している。
科学プロセスにおいて、自動化と計算の役割が何であるかを明確にすることがますます重要である。
論文 参考訳（メタデータ） (2020-03-30T19:11:35Z) - Autonomous discovery in the chemical sciences part I: Progress [2.566673015346446]
この2部構成のレビューは、自動化が化学科学における発見のさまざまな側面にどのように貢献したかを検証している。
まず,物理物質の発見の分類と,それらが探索問題として一体化されているかについて述べる。
次に、自律性の評価に関する一連の質問と考察を紹介します。
論文 参考訳（メタデータ） (2020-03-30T19:11:31Z)
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。