論文の概要: VISION: A Modular AI Assistant for Natural Human-Instrument Interaction at Scientific User Facilities

• arxiv url: http://arxiv.org/abs/2412.18161v1
• Date: Tue, 24 Dec 2024 04:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:55:17.178833
• Title: VISION: A Modular AI Assistant for Natural Human-Instrument Interaction at Scientific User Facilities
• Title（参考訳）: VISION: 科学ユーザー施設における自然と楽器のインタラクションのためのモジュール型AIアシスタント
• Authors: Shray Mathur, Noah van der Vleuten, Kevin Yager, Esther Tsai,
• Abstract要約: 生成AIは、この知識ギャップを埋める機会を提供する。 仮想科学コンパニオン(VISION)のためのモジュラーアーキテクチャを提案する。 VISIONでは低レイテンシでビームラインワークステーション上でLLMベースの動作を行い、X線散乱ビームラインで最初の音声制御実験を行った。
• 参考スコア（独自算出の注目度）: 0.19736111241221438
• License:
• Abstract: Scientific user facilities, such as synchrotron beamlines, are equipped with a wide array of hardware and software tools that require a codebase for human-computer-interaction. This often necessitates developers to be involved to establish connection between users/researchers and the complex instrumentation. The advent of generative AI presents an opportunity to bridge this knowledge gap, enabling seamless communication and efficient experimental workflows. Here we present a modular architecture for the Virtual Scientific Companion (VISION) by assembling multiple AI-enabled cognitive blocks that each scaffolds large language models (LLMs) for a specialized task. With VISION, we performed LLM-based operation on the beamline workstation with low latency and demonstrated the first voice-controlled experiment at an X-ray scattering beamline. The modular and scalable architecture allows for easy adaptation to new instrument and capabilities. Development on natural language-based scientific experimentation is a building block for an impending future where a science exocortex -- a synthetic extension to the cognition of scientists -- may radically transform scientific practice and discovery.
• Abstract（参考訳）: シンクロトロンビームラインのような科学的なユーザー・ファシリティは、ヒューマン・コンピュータ・インタラクションのためのコードベースを必要とする幅広いハードウェアとソフトウェア・ツールを備えている。 これは、しばしば開発者がユーザ/研究者間の接続と複雑なインスツルメンテーションを確立するために関与する必要がある。 生成AIの出現は、この知識ギャップを埋め、シームレスなコミュニケーションと効率的な実験ワークフローを可能にする機会を提供する。 ここでは、複数のAI対応認知ブロックを組み立て、それぞれの足場が特定のタスクのために大きな言語モデル(LLM)を組み立てることにより、仮想科学コンパニオン(VISION)のためのモジュラーアーキテクチャを提案する。 VISIONでは低レイテンシでビームラインワークステーション上でLLMベースの動作を行い,X線散乱ビームラインで最初の音声制御実験を行った。 モジュラーでスケーラブルなアーキテクチャにより、新しい機器や機能への適応が容易になる。 自然言語に基づく科学実験の開発は、科学者の認知の人工的拡張である科学外食が、科学の実践と発見を根本的に変革する、迫り来る未来のためのビルディングブロックである。

関連論文リスト

• MatPilot: an LLM-enabled AI Materials Scientist under the Framework of Human-Machine Collaboration [13.689620109856783]
  我々はMatPilotという名のAI材料科学者を開発し、新しい素材の発見を奨励する能力を示した。 MatPilotのコアとなる強みは、自然言語で対話的な人間と機械のコラボレーションだ。 MatPilotは、ユニークな認知能力、豊富な蓄積された経験、そして人間の生活の好奇心を統合している。
  論文  参考訳（メタデータ） (2024-11-10T12:23:44Z)
• Two Heads Are Better Than One: A Multi-Agent System Has the Potential to Improve Scientific Idea Generation [48.29699224989952]
  VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新規で影響力のある科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-12T07:16:22Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)
• MLXP: A Framework for Conducting Replicable Experiments in Python [63.37350735954699]
  MLXPはPythonをベースとした,オープンソースの,シンプルで,軽量な実験管理ツールである。 実験プロセスを最小限のオーバーヘッドで合理化し、高いレベルの実践的オーバーヘッドを確保します。
  論文  参考訳（メタデータ） (2024-02-21T14:22:20Z)
• Virtual Scientific Companion for Synchrotron Beamlines: A Prototype [1.836557889514696]
  仮想科学コンパニオン(VISION)の試作について紹介する。 オープンソースの言語モデルとビームラインの限られた計算資源を用いて、自然言語による基本的なビームライン操作を制御することができる。
  論文  参考訳（メタデータ） (2023-12-28T18:12:42Z)
• Neural Operators for Accelerating Scientific Simulations and Design [85.89660065887956]
  Neural Operatorsとして知られるAIフレームワークは、継続的ドメインで定義された関数間のマッピングを学習するための原則的なフレームワークを提供する。 ニューラルオペレータは、計算流体力学、天気予報、物質モデリングなど、多くのアプリケーションで既存のシミュレータを拡張または置き換えることができる。
  論文  参考訳（メタデータ） (2023-09-27T00:12:07Z)
• Scalable Multi-Agent Lab Framework for Lab Optimization [0.0]
  auTonomous fAcilitiesと呼ばれるマルチエージェントラボコントロールフレームワーク。 システムはエージェント・インストラメンテーションやエージェント・エージェント・インタラクションを含む、施設全体のシミュレーションを可能にする。 我々は,MultiTASKが大規模自律・半自律的な研究キャンペーンと施設で新たな研究領域を開くことを願っている。
  論文  参考訳（メタデータ） (2022-08-19T00:18:19Z)
• FAIR principles for AI models, with a practical application for accelerated high energy diffraction microscopy [1.9270896986812693]
  我々は、統合された計算フレームワーク内でFAIRデータとAIモデルを作成し、共有する方法を紹介します。 ドメインに依存しないこの計算フレームワークが、自律的なAI駆動の発見を可能にする方法について説明する。
  論文  参考訳（メタデータ） (2022-07-01T18:11:12Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)
• Empirica: a virtual lab for high-throughput macro-level experiments [4.077787659104315]
  Empiricaはモジュール型の仮想ラボで、ユーザビリティ-機能トレードオフに対するソリューションを提供する。 Empiricaのアーキテクチャはパラメータ化可能な実験設計、再利用可能なプロトコル、迅速な開発を可能にするように設計されている。
  論文  参考訳（メタデータ） (2020-06-19T21:28:07Z)

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。