Hopp til innholdet
Advancing Bits to Master Atoms

Simulering før handling.
Spiller gjennom alternativene før regnekraft eller laboratorietid brukes.

Alternativene som ikke kan nå målet, legges til side tidlig, og budsjettet går til kjøringene som mest sannsynlig fører arbeidet videre.

Planlegge og beslutte · en av de fjorten funksjonene i MS Duplex

En grafittblokk med et utskåret, forgrenet tre av kanaler, en sølvkule ved forgreningen og små koboltblå kuler langs bare én gren.En grafittblokk med et utskåret, forgrenet tre av kanaler, en sølvkule ved forgreningen og små koboltblå kuler langs bare én gren.

Teamet ditt får

  • Færre dyre kjøringer som aldri kunne ha fungert
  • Budsjett brukt der det teller
  • Begrunnelsen bak hvert valg, loggført

Hva simulering før handling betyr for teamet ditt.

Simulering før handling betyr at KI-en din tenker gjennom et kostbart steg før den tar det. Når det finnes flere veier videre, veier MS Duplex det sannsynlige utfallet av hver av dem mot målet, så valget bygger på belegg i stedet for på den første ideen som dukket opp.

Vurderingen bygger på teamets egen erfaring: resultatene som ble bekreftet, betingelsene de holder under, korreksjonene ekspertene dine gjorde, og kjøringene som feilet. Et alternativ som allerede har feilet under de samme betingelsene, eller som ikke kan nå målet, legges til side før noe brukes på det.

Dine egne simulatorer, instrumenter og analysekode forblir som de er, og de produserer fortsatt resultatene. MS Duplex hjelper til med å avgjøre hvilke kjøringer som er verdt å gjøre, og loggfører begrunnelsen bak hvert valg.

Hvorfor forskning må se seg for før den kjører.

Regnekraft, instrumenttid og eksperters oppmerksomhet er det egentlige budsjettet i et forskningsteam. Hver kjøring som aldri kom til å fungere, tas fra det.

Mange forskningsbeslutninger handler om å velge neste kjøring blant flere kandidater. En lang simulering på delt regnekraft, et eksperiment som bruker knapt materiale eller instrumenttid, en designgjennomgang som tar en ekspert bort fra annet arbeid: hver av dem er bare verdt å kjøre hvis den kan føre arbeidet mot målet.

Uten et blikk fremover velger agenter av vane eller ut fra den første plausible ideen. Alternativer teamet ditt allerede vet vil feile, blir foreslått igjen, og budsjettet tar slutt før de mest lovende alternativene nås. Simulering før handling legger teamets bekreftede erfaring fram foran hvert kostbare valg.

  • Kjøringer er dyre

    Én enkelt kjøring kan ta en stor del av regnekraften, instrumenttiden eller ekspertoppmerksomheten et team har.

  • Budsjettene er faste

    Hver kjøring som brukes på et alternativ som ikke kunne nå målet, er én kjøring mindre for alternativene som kunne det.

  • Erfaring bør telle

    Det teamet ditt allerede har bekreftet og utelukket, bør forme neste valg før det tas.

  • Valg trenger begrunnelser

    En leder som godkjenner en kostbar kjøring, bør kunne se hvorfor den ble valgt framfor alternativene.

En skålvekt i satinert sølv på en sokkel i grafitt, med to grafittblokker i den ene skålen og én koboltblå blokk i den andre.En skålvekt i satinert sølv på en sokkel i grafitt, med to grafittblokker i den ene skålen og én koboltblå blokk i den andre.

Hvordan simulering før handling fungerer i teamets hverdag.

Agenten din fortsetter å foreslå neste steg. Før et kostbart steg kjøres, ser MS Duplex fremover.

  1. 1

    Alternativene ligger på bordet

    Agenten din kommer til et kostbart steg og har flere veier videre: ulike innstillinger, kandidater, metoder eller kjøringer.

  2. 2

    Hvert alternativ spilles fram

    MS Duplex veier det sannsynlige utfallet av hvert alternativ mot målet, ut fra resultatene, betingelsene og korreksjonene teamet ditt har bekreftet.

  3. 3

    Blindveier legges til side

    Alternativer som ikke kan nå målet, eller som allerede har feilet under de samme betingelsene, legges til side før noe brukes på dem.

  4. 4

    Budsjettet går dit det teller

    De mest lovende alternativene går videre gjennom dine egne verktøy, og begrunnelsen bak valget blir loggført.

Et eksempel, fra et hvilket som helst felt der kjøringer er kostbare.

En agent i et team har budsjett til et lite antall dyre kjøringer og en lang liste med kandidatinnstillinger å velge mellom.

  1. 1

    Listen

    Agenten foreslår tolv kandidatinnstillinger for neste runde med kjøringer. Budsjettet gir rom for fire.

  2. 2

    Blikket fremover

    MS Duplex veier hver innstilling mot målet. Tre ligger utenfor en driftsgrense en ekspert bekreftet forrige måned, og to gjentar en kombinasjon som allerede har feilet under de samme betingelsene.

  3. 3

    Valget

    Disse fem legges til side, hver med sin begrunnelse. Av de sju som gjenstår, kjøres de fire som mest sannsynlig fører arbeidet videre, og de tre andre venter til neste runde.

  4. 4

    Loggen

    Resultatene kommer tilbake og bekreftes. Teamlederen ser hvorfor hver innstilling ble kjørt eller lagt til side, og neste runde starter fra det denne runden bekreftet.

Simulering før handling virker sammen med de andre funksjonene.

Å se fremover er bare så godt som erfaringen bak det, og hvert valg som gjøres, føyer seg til den erfaringen.

  • Langsiktig planlegging

    Ved hvert sjekkpunkt i en lang kampanje spilles de neste alternativene fram før planen binder budsjett til dem.

  • Læring av årsak og virkning

    Det teamet ditt har lært om hvilken handling som førte til hvilket utfall, under hvilke betingelser, er det hvert alternativ veies mot.

  • Beslutninger som kjenner sine grenser

    Der belegget tydelig taler for et alternativ, avgjøres valget direkte, og der det er tynt, går det til modellen din eller en forsker.

  • Regler og godkjenninger

    I styrte miljøer kan alternativene som går videre, fortsatt vente på en persons godkjenning før det kostbare steget starter.

Dette får teamet ditt.

Forskningsbudsjett brukt på kjøringene som kan føre arbeidet videre, med begrunnelsen loggført.

  • Færre kjøringer som aldri kom til å fungere

    Alternativer som ikke kan nå målet, legges til side før regnekraft eller laboratorietid brukes på dem.

  • Budsjett brukt der det teller

    Kjøringene som går videre, er de som mest sannsynlig fører arbeidet mot målet.

  • Din erfaring i hvert valg

    Bekreftede resultater, kjente betingelser og ekspertkorreksjoner former hvert kostbare valg før det tas.

  • Kjente feilslag lagt til side

    Et alternativ som allerede har feilet under de samme betingelsene, legges til side i stedet for å bli foreslått igjen.

  • Begrunnelser loggført

    Hvert valg beholder begrunnelsene for at det ble tatt, så alle kan se hvorfor én kjøring gikk videre og en annen ventet.

  • Verktøyene dine, som de er

    Simulatorene, instrumentene og analysekoden din gjør fortsatt arbeidet, og MS Duplex hjelper til med å avgjøre hvilke kjøringer som er verdt det.

Vanlige spørsmål.

Erstatter simulering før handling våre egne simuleringer?

Simuleringene og eksperimentene dine produserer fortsatt resultatene. Simulering før handling hjelper til med å avgjøre hvilke av dem som er verdt å kjøre, ved å veie hvert alternativ mot målet og mot det teamet ditt allerede har bekreftet.

Hva bruker MS Duplex til å veie alternativene?

Teamets egen erfaring: resultatene som ble bekreftet, betingelsene de holder under, korreksjonene ekspertene dine gjorde, og kjøringene som feilet. Hvert valg beholder en logg over hva det bygde på.

Hva skjer når belegget er for tynt til å velge?

MS Duplex sier fra. Der teamets erfaring ennå ikke taler for ett alternativ, går valget til modellen din eller flagges for en forsker, med begrunnelsen.

Kan en person fortsatt godkjenne en kostbar kjøring?

Ja. I styrte miljøer venter stegene du velger, som en dyr simulering, på en persons godkjenning før de starter, og godkjenningen blir loggført.

La neste kjøring dra nytte av den forrige.

Kom til oss med forskningen KI-en din bør bli bedre på. Vi planlegger en pilot på dine egne arbeidsflyter, med ekspertene dine som dommere.