論文の概要: Applying the FAIR Principles to Computational Workflows
- arxiv url: http://arxiv.org/abs/2410.03490v1
- Date: Fri, 4 Oct 2024 15:00:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-02 21:59:46.002702
- Title: Applying the FAIR Principles to Computational Workflows
- Title（参考訳）: FAIR原則を計算ワークフローに適用する
- Authors: Sean R. Wilkinson, Meznah Aloqalaa, Khalid Belhajjame, Michael R. Crusoe, Bruno de Paula Kinoshita, Luiz Gadelha, Daniel Garijo, Ove Johan Ragnar Gustafsson, Nick Juty, Sehrish Kanwal, Farah Zaib Khan, Johannes Köster, Karsten Peters-von Gehlen, Line Pouchard, Randy K. Rannow, Stian Soiland-Reyes, Nicola Soranzo, Shoaib Sufi, Ziheng Sun, Baiba Vilne, Merridee A. Wouters, Denis Yuen, Carole Goble,
- Abstract要約: 計算ツールは、生産性、トレンド、プラットフォームへのアクセスの民主化、ノウハウの処理のためのツールとして、ますます認識されている。
デジタルオブジェクトは共有され、発見され、再利用されるため、Finderable、Accessible、Interoperable、ReusableといったFAIRの原則による計算上の利点がある。
我々は、私たちの議論を反映し、私たちの選択と適応を正当化するコメンデーションを提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent trends within computational and data sciences show an increasing recognition and adoption of computational workflows as tools for productivity, reproducibility, and democratized access to platforms and processing know-how. As digital objects to be shared, discovered, and reused, computational workflows benefit from the FAIR principles, which stand for Findable, Accessible, Interoperable, and Reusable. The Workflows Community Initiative's FAIR Workflows Working Group (WCI-FW), a global and open community of researchers and developers working with computational workflows across disciplines and domains, has systematically addressed the application of both FAIR data and software principles to computational workflows. We present our recommendations with commentary that reflects our discussions and justifies our choices and adaptations. Like the software and data principles on which they are based, these are offered to workflow users and authors, workflow management system developers, and providers of workflow services as guide rails for adoption and fodder for discussion. Workflows are becoming more prevalent as documented, automated instruments for data analysis, data collection, AI-based predictions, and simulations. The FAIR recommendations for workflows that we propose in this paper will maximize their value as research assets and facilitate their adoption by the wider community.
- Abstract（参考訳）: 計算科学とデータ科学の最近のトレンドは、生産性、再現性、プラットフォームへの民主化アクセスとノウハウの処理のためのツールとして、計算ワークフローの認識と採用が増加していることを示している。
デジタルオブジェクトを共有、発見、再利用するためには、計算ワークフローはFinderable、Accessible、Interoperable、ReusableのFAIR原則の恩恵を受ける。
Workflows Community InitiativeのFAIR Workflows Working Group (WCI-FW)は、FAIRデータとソフトウェア原則の両方を計算ワークフローに適用する体系的な取り組みを行っている。
我々は、私たちの議論を反映し、私たちの選択と適応を正当化するコメンデーションを提示する。
それらがベースとするソフトウェアやデータ原則と同様に、これらはワークフローユーザと作者、ワークフロー管理システム開発者、ワークフローサービスのプロバイダに対して、採用のためのガイドレールとして提供され、議論の場となる。
ワークフローは、データ分析、データ収集、AIベースの予測、シミュレーションのためのドキュメント化、自動化された機器として、より普及しつつある。
本論文で提案するワークフローに対するFAIR勧告は,研究資産としての価値を最大化し,より広範なコミュニティによる採用を促進するものである。
関連論文リスト
- Final Report for CHESS: Cloud, High-Performance Computing, and Edge for Science and Security [5.781151161558928]
継続プラットフォームの構築、ワークフロータスクのオーケストレーション、データセットのキュレーションといった方法は、パフォーマンス、エネルギ、セキュリティ、信頼性に関する科学的要件を達成できない。
報告では、オープンサイエンスの観点から、CHESSの結果と成功について述べる。
論文 参考訳（メタデータ） (2024-10-21T15:16:00Z) - Benchmarking Agentic Workflow Generation [80.74757493266057]
複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorFBenchを紹介する。
また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorFEvalを提案する。
我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することができることを観察する。
論文 参考訳（メタデータ） (2024-10-10T12:41:19Z) - WorkflowHub: a registry for computational workflows [0.34864924310198164]
分析記録と処理手順の記述の両方が再利用され、再利用され、利用可能であるべきである。
ワークフロー共有は、不要な再発明を減らし、再利用を促進し、非専門家のベストプラクティス分析へのアクセスを増やし、生産性を高める機会を提供する。
Hubは、コミュニティリポジトリにリンクするすべての計算レジストリに統一レジストリを提供する。
このレジストリは世界中に広がり、何百もの研究組織が関与し、700以上の登録がある。
論文 参考訳（メタデータ） (2024-10-09T14:36:27Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - GenAgent: Build Collaborative AI Systems with Automated Workflow Generation -- Case Studies on ComfyUI [64.57616646552869]
本稿では、モデル、データソース、パイプラインを統合し、複雑で多様なタスクを解決するためにパフォーマンスを向上させるために使用される協調AIシステムについて検討する。
我々は、LLMベースのフレームワークであるGenAgentを紹介した。
その結果、GenAgentは実行レベルおよびタスクレベルの評価においてベースラインアプローチよりも優れていた。
論文 参考訳（メタデータ） (2024-09-02T17:44:10Z) - Reinforcement Learning-driven Data-intensive Workflow Scheduling for Volunteer Edge-Cloud [2.417545540754702]
Volunteer Edge-Cloud (VEC) は、データ集約的な科学研究を支援するために、費用対効果の高いコミュニティコンピューティングパラダイムとして注目を集めている。
しかしながら、VECリソースの高度に分散した異種性のため、集中型ワークフロータスクスケジューリングは依然として課題である。
本稿では,Reinforcement Learning (RL) によるデータ集約型科学ワークフロースケジューリング手法を提案する。
論文 参考訳（メタデータ） (2024-07-01T16:21:13Z) - WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。
WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。
BrowserGymは、そのようなエージェントの設計と評価のための環境である。
論文 参考訳（メタデータ） (2024-03-12T14:58:45Z) - Large Language Models to the Rescue: Reducing the Complexity in
Scientific Workflow Development Using ChatGPT [11.410608233274942]
科学システムは、大規模なデータセット上で複雑なデータ分析パイプラインを表現および実行するためにますます人気がある。
しかし、多くのブラックボックスツールと実行に必要な深いインフラストラクチャスタックが関与しているため、実装は難しい。
本研究では,大規模言語モデル,特にChatGPTの効率性を検討した。
論文 参考訳（メタデータ） (2023-11-03T10:28:53Z) - Reusability Challenges of Scientific Workflows: A Case Study for Galaxy [56.78572674167333]
本研究では,既存の再使用可能性について検討し,いくつかの課題を明らかにした。
再利用性防止の課題には、ツールのアップグレード、ツールのサポート、設計上の欠陥、不完全性、ワークフローのロードの失敗などが含まれる。
論文 参考訳（メタデータ） (2023-09-13T20:17:43Z) - A Composable Just-In-Time Programming Framework with LLMs and FBP [0.0]
本稿では、フローベースプログラミング(FBP)とLarge Language Models(LLM)を組み合わせてJust-In-Time Programming(JITP)を実現するコンピューティングフレームワークを提案する。
JITPは、プログラミングの専門知識に関わらず、タスクタイムのアルゴリズム的洞察を活用することで、開発と自動化プロセスに積極的に参加することを可能にする。
このフレームワークは、フローベースのプログラム内で動的コード実行を可能にするために、リアルタイムでコードをリクエストし、生成することができる。
論文 参考訳（メタデータ） (2023-07-31T23:51:46Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳（メタデータ） (2022-03-02T19:57:32Z)
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。