論文の概要: CAX: Cellular Automata Accelerated in JAX
- arxiv url: http://arxiv.org/abs/2410.02651v1
- Date: Thu, 3 Oct 2024 16:36:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 01:52:35.803960
- Title: CAX: Cellular Automata Accelerated in JAX
- Title（参考訳）: CAX: JAXでアクセラレーションされたセルオートマタ
- Authors: Maxence Faldor, Antoine Cully,
- Abstract要約: 本稿では,セルオートマトン研究の高速化を目的とした,高性能で柔軟なオープンソースライブラリCAXを紹介する。
様々なベンチマークやアプリケーションを通じてCAXのパフォーマンスを実証する。
単純な1次元セルオートマトンは 1D-ARC チャレンジにおいて GPT-4 より優れていることを示す。
- 参考スコア（独自算出の注目度）: 5.380545611878407
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cellular automata have become a cornerstone for investigating emergence and self-organization across diverse scientific disciplines, spanning neuroscience, artificial life, and theoretical physics. However, the absence of a hardware-accelerated cellular automata library limits the exploration of new research directions, hinders collaboration, and impedes reproducibility. In this work, we introduce CAX (Cellular Automata Accelerated in JAX), a high-performance and flexible open-source library designed to accelerate cellular automata research. CAX offers cutting-edge performance and a modular design through a user-friendly interface, and can support both discrete and continuous cellular automata with any number of dimensions. We demonstrate CAX's performance and flexibility through a wide range of benchmarks and applications. From classic models like elementary cellular automata and Conway's Game of Life to advanced applications such as growing neural cellular automata and self-classifying MNIST digits, CAX speeds up simulations up to 2,000 times faster. Furthermore, we demonstrate CAX's potential to accelerate research by presenting a collection of three novel cellular automata experiments, each implemented in just a few lines of code thanks to the library's modular architecture. Notably, we show that a simple one-dimensional cellular automaton can outperform GPT-4 on the 1D-ARC challenge.
- Abstract（参考訳）: 細胞オートマトンは、神経科学、人工生命、理論物理学にまたがる様々な科学分野の出現と自己組織化を調査するための基盤となっている。
しかし、ハードウェアが加速するセル・オートマトン・ライブラリーが存在しないため、新しい研究方向の探索が制限され、共同作業が妨げられ、再現性が阻害される。
本稿では,セルオートマタの高速化を目的とした高性能で柔軟なオープンソースライブラリであるCAX(Cellular Automata Accelerated in JAX)を紹介する。
CAXは、ユーザフレンドリーなインターフェースを通じて、最先端のパフォーマンスとモジュラーデザインを提供し、任意の次元の離散セルオートマトンと連続セルオートマトンの両方をサポートする。
幅広いベンチマークやアプリケーションを通じて、CAXのパフォーマンスと柔軟性を示します。
基本的なセルオートマトンやコンウェイのゲーム・オブ・ライフのような古典的なモデルから、神経セルオートマトンやMNIST桁の自己分類などの高度な応用に至るまで、CAXはシミュレーションを最大2,000倍高速化する。
さらに,図書館のモジュールアーキテクチャのおかげで,わずか数行のコードで実装された3つの新しいセルオートマトン実験のコレクションを提示することにより,研究を加速するCAXの可能性を示す。
特に,1次元セルオートマトンは1D-ARCチャレンジにおいてGPT-4より優れていることを示す。
関連論文リスト
- Modern, Efficient, and Differentiable Transport Equation Models using JAX: Applications to Population Balance Equations [0.6990493129893112]
人口収支方程式(PBE)モデルは、多くのエンジニアリングプロセスを自動化する可能性がある。
医薬品分野において、結晶化モデルに基づく設計は過剰な薬物開発スケジュールの短縮に寄与する。
論文 参考訳（メタデータ） (2024-11-01T17:07:41Z) - AutoFLUKA: A Large Language Model Based Framework for Automating Monte Carlo Simulations in FLUKA [6.571041942559539]
モンテカルロ (MC) シミュレーションは、科学と工学の分野で現実世界のシナリオを再現するために不可欠である。
堅牢性と汎用性にもかかわらず、FLUKAは自動化と外部の後処理ツールとの統合において大きな制限に直面している。
本研究では,これらの制約に対処するLarge Language Models(LLM)とAIエージェントの可能性について検討する。
本稿では、LangChain Python Frameworkを用いて開発され、FLUKAの典型的なMCシミュレーションを自動化するAIエージェントであるAutoFLUKAを紹介する。
論文 参考訳（メタデータ） (2024-10-19T21:50:11Z) - Multi-Stream Cellular Test-Time Adaptation of Real-Time Models Evolving in Dynamic Environments [53.79708667153109]
スマートオブジェクト、特に自動運転車は、限られたリソースのために重要なローカル計算の課題に直面している。
そこで本研究では,モデルがハエに適応し,動的環境をセルに分割する,新しいマルチストリームセルラーテスト時間適応方式を提案する。
我々は、位置と天候条件に基づいて定義された細胞を横断する自動運転車の文脈で、我々の方法論を検証する。
論文 参考訳（メタデータ） (2024-04-27T15:00:57Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - Attention-based Neural Cellular Automata [16.244338670837838]
近年のCellular Automata(CA)の拡張は深層学習技術から重要なアイデアを取り入れている。
そこで我々は,細胞状態のNAA表現に基づくトランスフォーマーベースのCattext Transformer (NCA) の新たなクラスを提案する。
我々は、ViTCAを類似アーキテクチャと比較し、U-NetCAベースラインと比較して優れた結果を得る。
論文 参考訳（メタデータ） (2022-11-02T16:14:41Z) - FreeREA: Training-Free Evolution-based Architecture Search [17.202375422110553]
FreeREAは、トレーニングなしメトリクスの最適化組み合わせを利用してアーキテクチャをランク付けする、独自のセルベースの進化NASアルゴリズムである。
本実験はNAS-Bench-101とNATS-Benchの共通ベンチマークを用いて,フリーレアがモデル自動設計のための高速で効率的かつ効果的な探索手法であることを実証した。
論文 参考訳（メタデータ） (2022-06-17T11:16:28Z) - DiSECt: A Differentiable Simulator for Parameter Inference and Control
in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。
シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。
このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文 参考訳（メタデータ） (2022-03-19T07:27:19Z) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - AutoGL: A Library for Automated Graph Learning [67.63587865669372]
グラフ上での機械学習を自動化するための,最初の専用ライブラリであるAutomated Graph Learning(AutoGL)を紹介する。
AutoGLはオープンソースで、使いやすく、拡張も柔軟です。
また、パイプラインのカスタマイズとアプリケーションの強化を容易にする、AutoGLの軽量バージョンであるAutoGL-lightも紹介します。
論文 参考訳（メタデータ） (2021-04-11T10:49:23Z) - Visualizing computation in large-scale cellular automata [24.62657948019533]
セルオートマトンのような複雑なシステムの創発的プロセスは、複雑さが増大する計算を実行することができる。
セル状態,クラスタリング,オートエンコーダの周波数解析に基づく粗粒度セルオートマトンの方法を提案する。
論文 参考訳（メタデータ） (2021-04-01T08:14:15Z) - AutoFIS: Automatic Feature Interaction Selection in Factorization Models
for Click-Through Rate Prediction [75.16836697734995]
自動特徴相互作用選択(AutoFIS)と呼ばれる2段階のアルゴリズムを提案する。
AutoFISは、目標モデルを収束させるためにトレーニングするのと同等の計算コストで、因子化モデルに対する重要な特徴的相互作用を自動的に識別することができる。
AutoFISはHuawei App Storeレコメンデーションサービスのトレーニングプラットフォームにデプロイされている。
論文 参考訳（メタデータ） (2020-03-25T06:53:54Z)
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。