論文の概要: ChemReservoir -- An Open-Source Framework for Chemically-Inspired Reservoir Computing

• arxiv url: http://arxiv.org/abs/2506.04249v1
• Date: Sat, 31 May 2025 22:12:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.298868
• Title: ChemReservoir -- An Open-Source Framework for Chemically-Inspired Reservoir Computing
• Title（参考訳）: ChemReservoir - 化学的にインスパイアされた貯留層コンピューティングのためのオープンソースフレームワーク
• Authors: Mehmet Aziz Yirik, Jakob Lykke Andersen, Rolf Fagerberg, Daniel Merkle,
• Abstract要約: 貯留層計算(Reservoir computing)は、リカレントニューラルネットワークの一種で、固定力学系と非線形力学系を用いて入力を高次元空間にマッピングする。 ChemReservoirは化学的にインスパイアされた貯水池コンピューティングのためのオープンソースのフレームワークである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reservoir computing is a type of a recurrent neural network, mapping the inputs into higher dimensional space using fixed and nonlinear dynamical systems, called reservoirs. In the literature, there are various types of reservoirs ranging from in-silico to in-vitro. In cheminformatics, previous studies contributed to the field by developing simulation-based chemically inspired in-silico reservoir models. Yahiro used a DNA-based chemical reaction network as its reservoir and Nguyen developed a DNA chemistry-inspired tool based on Gillespie algorithm. However, these software tools were designed mainly with the focus on DNA chemistry and their maintenance status has limited their current usability. Due to these limitations, there was a need for a proper open-source tool. This study introduces ChemReservoir, an open-source framework for chemically-inspired reservoir computing. In contrast to the former studies focused on DNA-chemistry, ChemReservoir is a general framework for the construction and analysis of chemically-inspired reservoirs, which also addresses the limitations in these previous studies by ensuring enhanced testing, evaluation, and reproducibility. The tool was evaluated using various cycle-based reservoir topologies and demonstrated stable performance across a range of configurations in memory capacity tasks.
• Abstract（参考訳）: 貯留層計算(Reservoir computing)は、リカレントニューラルネットワークの一種で、貯留層と呼ばれる固定された非線形力学系を用いて入力を高次元空間にマッピングする。 文献では、シリコ内からビトロ内まで様々な種類の貯水池が存在する。 ケミノフォマティクスにおいて、従来の研究はシミュレーションに基づく化学的なインサイリコ貯水池モデルの開発に寄与した。 ヤヒロはDNAベースの化学反応ネットワークを貯水池として使用し、ニュイエンはギレスピーアルゴリズムに基づくDNA化学に触発されたツールを開発した。 しかし、これらのソフトウェアツールは、主にDNA化学に焦点をあてて設計されており、そのメンテナンス状態は現在のユーザビリティを制限している。 これらの制限のため、適切なオープンソースツールが必要だった。 本研究では,ケミカルインスパイアされた貯水池コンピューティングのためのオープンソースのフレームワークであるChemReservoirを紹介する。 DNA化学に焦点を当てた以前の研究とは対照的に、ChemReservoirは化学にインスパイアされた貯水池の構築と分析のための一般的な枠組みであり、これらのこれまでの研究の限界にも対処し、試験、評価、再現性の向上を確実にしている。 このツールは、様々なサイクルベースの貯水池トポロジーを用いて評価され、メモリ容量タスクの様々な構成で安定した性能を示した。

関連論文リスト

• Benchmarking Retrieval-Augmented Generation for Chemistry [28.592844362931853]
  Retrieval-augmented Generationは、外部知識で大規模言語モデルを拡張するためのフレームワークである。 ChemRAG-Benchは、様々な化学関連タスクにおけるRAGの有効性を評価するために設計されたベンチマークである。 ChemRAG-Toolkitは,5つの検索アルゴリズムと8つのLLMをサポートするモジュールツールキットである。
  論文  参考訳（メタデータ） (2025-05-12T15:34:45Z)
• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• Neural CRNs: A Natural Implementation of Learning in Chemical Reaction Networks [0.0]
  本稿では, マスアクション化学反応系における学習の効率的, 自律的, 汎用的な実装であるNeural CRNを提案する。 CRNは純粋にアナログな化学系であり、その化学種の濃度力学において神経計算を符号化する。
  論文  参考訳（メタデータ） (2024-08-18T01:43:26Z)
• Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
  Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。 このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。 我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
  論文  参考訳（メタデータ） (2023-11-16T01:21:33Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Construction of a spike-based memory using neural-like logic gates based on Spiking Neural Networks on SpiNNaker [0.0]
  この研究は、コンピュータアーキテクチャにおいて最も重要なコンポーネントの1つであるメモリのスパイク実装を示す。 実験はSpiNNakerのニューロモルフィックプラットフォーム上で行われ、提示されたブロックの構築に使用されるアプローチを検証することができた。
  論文  参考訳（メタデータ） (2022-06-08T15:22:41Z)
• ChemicalX: A Deep Learning Library for Drug Pair Scoring [9.560239177143764]
  ChemicalXはPyTorchベースのディープラーニングライブラリで、薬物ペアスコアリングタスクを解決する。 ChemicalXは、大規模な薬物ペアデータセット上で機械学習モデルをトレーニングし、スコア付けするために使用できることを示す。
  論文  参考訳（メタデータ） (2022-02-10T18:49:01Z)
• Deep metric learning improves lab of origin prediction of genetically engineered plasmids [63.05016513788047]
  遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。 本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。 我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
  論文  参考訳（メタデータ） (2021-11-24T16:29:03Z)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)

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。