論文の概要: Can Artificial Intelligence Accelerate Technological Progress? Researchers' Perspectives on AI in Manufacturing and Materials Science

• arxiv url: http://arxiv.org/abs/2511.14007v1
• Date: Tue, 18 Nov 2025 00:19:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.852246
• Title: Can Artificial Intelligence Accelerate Technological Progress? Researchers' Perspectives on AI in Manufacturing and Materials Science
• Title（参考訳）: 人工知能は技術進歩を加速するか? : 製造・材料科学におけるAI研究の展望
• Authors: John P. Nelson, Olajide Olugbade, Philip Shapira, Justin B. Biddle,
• Abstract要約: 本稿は、AIおよび機械学習(ML)技術に経験した研究者を対象に、米国拠点の学術的製造・材料科学への32回のインタビューの結果を報告する。 インタビュアーは主に、材料や製造プロセスのモデリングにAIを使用し、材料や製造プロセスなどのデザインスペースのより安価で迅速な探索を可能にした。 インタビュアーは、AI/MLツールは、高密度データがすでに利用可能であるデザインスペースの外では信頼できない、古い研究手法と相まって熟練した司法的応用を必要とする、AI/MLツールは破壊的な理論的進歩の機会を有害に回避できる、と報告している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial intelligence (AI) raises expectations of substantial increases in rates of technological and scientific progress, but such anticipations are often not connected to detailed ground-level studies of AI use in innovation processes. Accordingly, it remains unclear how and to what extent AI can accelerate innovation. To help to fill this gap, we report results from 32 interviews with U.S.-based academic manufacturing and materials sciences researchers experienced with AI and machine learning (ML) techniques. Interviewees primarily used AI for modeling of materials and manufacturing processes, facilitating cheaper and more rapid search of design spaces for materials and manufacturing processes alike. They report benefits including cost, time, and computation savings in technology development. However, interviewees also report that AI/ML tools are unreliable outside design spaces for which dense data are already available; that they require skilled and judicious application in tandem with older research techniques; and that AI/ML tools may detrimentally circumvent opportunities for disruptive theoretical advancement. Based on these results, we suggest there is reason for optimism about acceleration in sustaining innovations through the use of to AI/ML; but that support for conventional empirical, computational, and theoretical research is required to maintain the likelihood of further major advances in manufacturing and materials science.
• Abstract（参考訳）: 人工知能(AI)は、技術と科学的進歩の大幅な増加に対する期待を高めるが、このような予測は、イノベーションプロセスにおけるAIの使用に関する詳細な地上レベルの研究と結びついていないことが多い。 したがって、AIがいかにして、どの程度イノベーションを加速できるかは不明だ。 このギャップを埋めるために、我々は、AIと機械学習(ML)技術で研究者が経験した米国拠点の学術的製造業と材料科学の32のインタビューの結果を報告する。 インタビュアーは主に、材料や製造プロセスのモデリングにAIを使用し、材料や製造プロセスなどのデザインスペースのより安価で迅速な探索を可能にした。 彼らは、技術開発におけるコスト、時間、計算の節約を含む利点を報告している。 しかし、インタビュアーは、AI/MLツールは、高密度データが既に利用可能である設計空間の外では信頼できない、古い研究手法と相まって熟練した司法的応用を必要とする、AI/MLツールは破壊的な理論的進歩の機会を有害に回避する可能性がある、と報告している。 これらの結果から,AI/MLの活用によるイノベーションの加速に対する最適化の理由が示唆されるが,製造・材料科学におけるさらなる大きな進歩の可能性を維持するためには,従来の経験的・計算的・理論的研究の支援が必要である。

関連論文リスト

• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• Recent Trends in Artificial Intelligence Technology: A Scoping Review [0.0]
  本研究は、現在最先端の人工知能技術のスコーピングレビューを行う。 目標は、人工知能技術研究のさまざまな領域で使われている最も高度な技術を見つけることであった。
  論文  参考訳（メタデータ） (2023-05-08T08:06:16Z)
• Artificial Intelligence in Material Engineering: A review on applications of AI in Material Engineering [0.0]
  高性能コンピューティングにより、重要なパラメータでディープラーニング(DL)モデルをテストできるようになった。 GAN(Generative Adversarial Network)は、無機材料の化学組成の生成を促進する。 既存の分析機器からの結果を分析するためのAIの利用についても論じる。
  論文  参考訳（メタデータ） (2022-09-15T04:21:07Z)
• Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
  AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。 まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。 最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
  論文  参考訳（メタデータ） (2020-11-17T13:14:28Z)

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。