[論文レビュー] Simulation Intelligence: Towards a New Generation of Scientific Methods

Alexander Lavin, David C. Krakauer+22 more|arXiv (Cornell University)|Dec 6, 2021

Scientific Computing and Data Management被引用数 70

ひとこと要約

本論文は、科学計算、シミュレーション、AIを統合する総合フレームワークとして Nine Motifs of Simulation Intelligence (SI) を提案し、SIスタックを形成して閉ループの人間と機械の科学的ワークフローを可能にする。

ABSTRACT

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.

研究の動機と目的

• AI/MLと科学的シミュレーションを統合した総合的な統合を促進し、領域横断的な発見を加速する。
• 旧来の“七つのモチーフ”を相互連結する九つのモチーフに置換し、実用的なSIスタックアーキテクチャを形にする。
• 各モチーフの説明、最先端、課題、機会を詳述し、先進的な科学的ワークフローのためのモチーフ間の相乗効果を示す。

提案手法

• 九つのモチーフを統合SIシステムの相互依存的な構成要素として定義・正当化する。
• SIスタックアーキテクチャを説明し、各モチーフをハードウェア、OS、アプリケーション、ユーザーワークフローの層に対応づける。
• 各モチーフの最先端手法、例、および今後の方向性を提示し、それらがどのように相互作用し、オープンエンドの科学的ワークフローを実現するかを示す。
• 物理情報を取り入れた機械学習、確率的/微分可能プログラミング、そして機械プログラミングをSIを駆動するエンジンとして推進する。）

実験結果

リサーチクエスチョン

• RQ1 科学におけるシミュレーション認識AIを進化させる包括的で相互連結したモチーフ群とは何か？
• RQ2 九つのモチーフをSIスタックに統合して、科学計算における効率、不確実性の処理、オープンエンドな発見をどう改善できるか？
• RQ3 多物理モデリング、サロゲートモデリング、因果推論、確率的/微分可能プログラミング、機械プログラミングを組み合わせる際の主要な相乗効果と課題は何か？
• RQ4 人間と機械の協働と自動化科学を実現するために必要な将来の方向性とインフラは何か？
• RQ5 SIは分野横断的に逆問題、不確実性推論、データ駆動科学ワークフローにどう対処できるか？

主な発見

• 九つのモチーフからなる総合的ロードマップが、科学計算・シミュレーション・AIを統合することを提案する。
• SIスタックの概念は、ハードウェア、OS、アプリケーション、ユーザーのモチーフが相互作用して高度な科学的ワークフローを可能にすることを強調する。
• 物理情報を取り入れた微分可能プログラミング、サロゲートモデリング、確率的アプローチは、SIにおいて精度と効率を結びつける核心である。
• オープンエンド最適化と機械プログラミングは、自律的・適応的な科学計算を推進するフロンティアモチーフとして提示される。
• 本論文は、SIを実現するための不可欠なインフラとして人間–機械の協働、データエンジニアリング、加速計算を強調する。