シミュレーション モデルを使用すると、関連性があり、クリーンで構造化されたラベル付トレーニング データを無制限に生成できます。このようなシミュレーション モデルを使用する場合、基本的なワークフローは、マルチラン シミュレーション実験 (理想的には並列シミュレーション実行) を実行し、その結果をML アルゴリズムで使用可能な形式で記録することです。AnyLogic と AnyLogic Cloud は、モデルを実行し、出力を目的のリポジトリに書き込むためのさまざまな方法を提供します。
ユースケース ワークフロー&ツールML 研究者は、シミュレーション モデルを、クリーンでノイズのない無制限のラベル付きデータを作成するエンジンとして利用し、新しい ML アルゴリズムの有効性をテストできます。
適切に検証および確認されたシミュレーション モデルは、大量のデータを必要とする ML モデル、特にディープラーニング モデルのトレーニングに関連するデータを生成するために使用できます。
機械学習戦略の将来性を検討している企業にとって、データ収集を拡大し加速するためのメカニズムに投資することは大きな決断です－一歩間違えれば、将来のデータセントリックソリューションの実行可能性が危うくなる可能性があります。ジレンマの一部は、データを利用する前に、収集したデータの関連性、種類、ソース、速度を適切に選択する方法です！シミュレーションから生成された合成データは、データ収集方法やテクノロジーに投資する前に、データ サイエンティストが概念実証 ML モデルを使用して仮説をテストするのに役立ちます。
シミュレーション モデル自体のより単純な表現または代替であるメタモデルは、シミュレーション モデルの入力と出力に基づいて ML モデルをトレーニングすることによって開発できます。これは、シミュレーション実験の結果の分析が非常に計算コストの高いプロセスとなるシナリオで非常に役立ちます。ML モデル、特にディープラーニング モデルは、非線形動的システムの本質を捉えることができるという点で大きな可能性を示しています。結果として得られるメタモデルは、大規模な検索空間の探索を必要とするあらゆる種類の実験に使用できます。
シミュレーション モデルから開発された ML メタモデルは、シミュレーションの軽量かつポータブルなバージョンとして機能します。これにより、エッジ デバイスを含む、増加している AI デプロイメント プラットフォームに効果的にデプロイできるようになります。このアプローチは、AI ソリューション用に構築されたデプロイメント インフラストラクチャを基盤としてシミュレーション モデルをデプロイするための実用的な手段を提供します。
シミュレーション モデルを合成データ生成のエンジンとして使用する場合、基本的なワークフローは、マルチラン シミュレーション実験 (理想的には並列シミュレーション実行) を実行し、その結果を ML アルゴリズムで使用できる形式で記録することです。AnyLogic と AnyLogic Cloud は、モデルを実行し、出力を目的のリポジトリに書き込むためのさまざまな方法を提供します。
AnyLogic の組み込みデータベースまたはモデルに接続された外部データベースに出力します。
各 AnyLogic モデルには、高速データ転送に適しており、Excel ファイルへのエクスポートをサポートする組み込みデータベースが付属しています。AnyLogic のシンプルで使いやすい API を介して、Excel およびテキスト ファイル (ローカルまたはリモート) に直接接続することもできます。AnyLogic モデルは、JDBC をサポートする任意のリレーショナル データベースに接続することもできます。
AL Cloud を使用して、マルチランシミュレーション実験と出力生成を迅速に拡張します。
AnyLogic Cloud を使用すると、出力の生成を効率化するためのスケーラブルなサーバーベースの実行プラットフォームにアクセスできます。グラフィカル環境で実験を設定し、後で結果を Excel または JSON にエクスポートできます。同じことは、API 呼び出し (JavaScript、Python、Java) でも実行できます。クラウド内のモデルは、自動化された Excel および JSON エクスポートと API 経由のファイル書き込みメカニズムに加えて、任意のリレーショナル データベースへの直接接続をサポートします。