The original "Seven Motifs" set forth a roadmap of essential methods for the field of scientific computing, where a motif is an algorithmic method that captures a pattern of computation and data movement. We present the "Nine Motifs of Simulation Intelligence", a roadmap for the development and integration of the essential algorithms necessary for a merger of scientific computing, scientific simulation, and artificial intelligence. We call this merger simulation intelligence (SI), for short. We argue the motifs of simulation intelligence are interconnected and interdependent, much like the components within the layers of an operating system. Using this metaphor, we explore the nature of each layer of the simulation intelligence operating system stack (SI-stack) and the motifs therein: (1) Multi-physics and multi-scale modeling; (2) Surrogate modeling and emulation; (3) Simulation-based inference; (4) Causal modeling and inference; (5) Agent-based modeling; (6) Probabilistic programming; (7) Differentiable programming; (8) Open-ended optimization; (9) Machine programming. We believe coordinated efforts between motifs offers immense opportunity to accelerate scientific discovery, from solving inverse problems in synthetic biology and climate science, to directing nuclear energy experiments and predicting emergent behavior in socioeconomic settings. We elaborate on each layer of the SI-stack, detailing the state-of-art methods, presenting examples to highlight challenges and opportunities, and advocating for specific ways to advance the motifs and the synergies from their combinations. Advancing and integrating these technologies can enable a robust and efficient hypothesis-simulation-analysis type of scientific method, which we introduce with several use-cases for human-machine teaming and automated science.


翻译:最初的“ 7 Motifs ” 提出了科学计算领域基本方法的自动化模型路线图, 模型是一种计算和数据移动模式的算法方法。 我们展示了“ 模拟智能的 Nine Motifs ”, 这是开发和整合科学计算、 科学模拟和人工智能所必要的基本算法的路线图。 我们称之为合并模拟模拟智能(SI), 简短的。 我们争论模拟智能的模型是相互联系和相互依存的, 与操作系统各层的构件非常相似。 我们利用这个比喻, 探索模拟智能操作系统堆( SI- stack) 和其中的模型模型系统结构的每个层的性质:(1) 多物理和多尺度模型, 这是开发和整合科学计算、 模拟模拟情报和人工智能所必要的基本算法。 我们认为, 模型和模型化模型化模型化的模型化模型化模型化模型化模型化和推导出人类的模型化模型化模型化, (6) 模型化的编程; 差异化编程; 优化; (9) 机器编程。 我们相信, 模型化模型化和机器编程的每个层 将模型化的模型化的模型化的模型化法 提供大量的模型化的模型化的模型化方法, 和模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化方法, 和模型化的模型化的模型化方法, 以加速科学的模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化方法, 和模型化方法, 和模型化的模型化的模型化方法, 和模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化的模型化方法, 和模型化的模型化方法, 和模型化的模型化的模型化的模型化的模型化方法, 和模型化的模型化方法, 和模型化的模型化的模型化的模型化的模型化的模型化的模型化方法, 和模型化的模型化的模型化的模型化的模型化的模型化, 和模型化的模型化的模型化的模型化方法, 和模型化的模型化的

0
下载
关闭预览

相关内容

专知会员服务
52+阅读 · 2020年9月7日
强化学习最新教程,17页pdf
专知会员服务
171+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
91+阅读 · 2019年10月10日
计算机类 | APNOMS 2019等国际会议信息6条
Call4Papers
4+阅读 · 2019年4月15日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Arxiv
10+阅读 · 2020年11月26日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
VIP会员
相关资讯
计算机类 | APNOMS 2019等国际会议信息6条
Call4Papers
4+阅读 · 2019年4月15日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Top
微信扫码咨询专知VIP会员