اکسپرس 24
ترجمه فارسی مقاله قانون مقیاس‌بندی یادگیری انتقالی Sim2Real در گسترش پایگاه‌های داده مواد محاسباتی برای پیش‌بینی‌های دنیای واقعی

ترجمه فارسی مقاله قانون مقیاس‌بندی یادگیری انتقالی Sim2Real در گسترش پایگاه‌های داده مواد محاسباتی برای پیش‌بینی‌های دنیای واقعی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Scaling Law of Sim2Real Transfer Learning in Expanding Computational Materials Databases for Real-World Predictions
عنوان مقاله به فارسی قانون مقیاس‌بندی یادگیری انتقالی Sim2Real در گسترش پایگاه‌های داده مواد محاسباتی برای پیش‌بینی‌های دنیای واقعی
نویسندگان Shunya Minami, Yoshihiro Hayashi, Stephen Wu, Kenji Fukumizu, Hiroki Sugisawa, Masashi Ishii, Isao Kuwajima, Kazuya Shiratori, Ryo Yoshida
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
دسته بندی موضوعات Materials Science,Machine Learning,علوم مواد , یادگیری ماشین ,
توضیحات Submitted 7 August, 2024; originally announced August 2024. , Comments: 22 pages, 6 figures
توضیحات به فارسی ارسال شده در 7 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 22 صفحه ، 6 شکل

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 880,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

To address the challenge of limited experimental materials data, extensive physical property databases are being developed based on high-throughput computational experiments, such as molecular dynamics simulations. Previous studies have shown that fine-tuning a predictor pretrained on a computational database to a real system can result in models with outstanding generalization capabilities compared to learning from scratch. This study demonstrates the scaling law of simulation-to-real (Sim2Real) transfer learning for several machine learning tasks in materials science. Case studies of three prediction tasks for polymers and inorganic materials reveal that the prediction error on real systems decreases according to a power-law as the size of the computational data increases. Observing the scaling behavior offers various insights for database development, such as determining the sample size necessary to achieve a desired performance, identifying equivalent sample sizes for physical and computational experiments, and guiding the design of data production protocols for downstream real-world tasks.

چکیده به فارسی (ترجمه ماشینی)

برای پرداختن به چالش داده های محدود مواد تجربی ، بانکهای اطلاعاتی گسترده فیزیکی بر اساس آزمایش های محاسباتی با توان بالا ، مانند شبیه سازی دینامیک مولکولی ، توسعه می یابد.مطالعات قبلی نشان داده اند که تنظیم دقیق پیش بینی کننده پیش بینی شده در یک بانک اطلاعاتی محاسباتی به یک سیستم واقعی می تواند منجر به مدل هایی با قابلیت های تعمیم برجسته در مقایسه با یادگیری از ابتدا شود.این مطالعه قانون مقیاس پذیری یادگیری انتقال به واقعی (SIM2REAL) را برای چندین وظیفه یادگیری ماشین در علم مواد نشان می دهد.مطالعات موردی از سه وظیفه پیش بینی برای پلیمرها و مواد معدنی نشان می دهد که خطای پیش بینی در سیستم های واقعی با توجه به یک قانون قدرت کاهش می یابد زیرا اندازه داده های محاسباتی افزایش می یابد.مشاهده رفتار مقیاس گذاری بینش های مختلفی را برای توسعه بانک اطلاعاتی ارائه می دهد ، مانند تعیین اندازه نمونه لازم برای دستیابی به عملکرد مورد نظر ، شناسایی اندازه نمونه های معادل برای آزمایش های فیزیکی و محاسباتی و هدایت طراحی پروتکل های تولید داده برای کارهای پایین دست در دنیای واقعی.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.