Salamat sa pagbisita sa kinaiyahan.com. Ang bersyon sa browser nga imong gigamit adunay limitado nga suporta sa CSS. Alang sa labing maayo nga mga sangputanan, girekomenda namon nga mogamit ka usa ka labing bag-ong bersyon sa imong browser (o dili pag-undang sa pag-competable mode sa Internet Explorer). Sa kasamtangan, aron masiguro ang padayon nga suporta, gipakita namon ang site nga wala'y estilo o javascript.
One of the most promising applications of machine learning in computational physics is the accelerated solution of partial differential equations (PDEs). The main goal of a machine learning-based partial differential equation solver is to produce solutions that are accurate enough faster than standard numerical methods to serve as a baseline comparison. Nagpahigayon kami una nga sistematikong pagrepaso sa mga literatura sa pagkat-on sa makina sa pagsulbad sa partial nga mga panagsama nga mga panagsama. Of all the papers reporting the use of ML to solve fluid partial differential equations and claiming superiority over standard numerical methods, we identified 79% (60/76) compared to weak baselines. Ikaduha, nakit-an namon ang ebidensya sa kaylap nga pagreport sa bias, labi na sa sangputanan nga pagreport ug bias sa publikasyon. Atong tapuson nga ang panukiduki sa pagkat-on sa makina sa pagsulbad sa partial nga mga panagsama nga mga panagsama nga labi ka malaumon: Ang huyang nga datos sa pag-input mahimong mosangput sa mga sangputanan sa mga sangputanan. In large part, these problems appear to be caused by factors similar to past reproducibility crises: investigator discretion and positive outcome bias. Nanawag kami alang sa pag-usab sa kultura nga pag-usab aron maibanan ang usa ka pagreport sa biased ug top-down nga istruktura sa istruktura aron makunhuran ang mga hiwi nga insentibo nga buhaton kini.
Ang lista sa mga tagsulat ug mga artikulo nga gihimo sa sistematikong pagribyu, ingon man ang pag-uuri sa matag artikulo sa random nga sample, magamit sa publiko sa https://doi.org/10.17605
Ang code nga gikinahanglan aron makopya ang mga resulta sa Table 2 mahimong makit-an sa Github: https://gaphubcgreivy/ (Ref. 125) ug sa Code Oceansemlpde Kahoy / V1 (LINK 126) ug https://coderocean.com/capsule/0799002/trree/v1 (LINK 127).
Si Randall, D., ug Welder, K., ang krisis sa dili masulbad sa modernong syensya: hinungdan, mga sangputanan alang sa reporma (National Association of Scientiists, 2018).
Ritchie, S. Science Fiction: Giunsa ang paglimbong, bias, kahilum, ug hype nakadaot sa pagpangita sa kamatuoran (vintage, 2020).
Ablihi ang pagtinabangay sa siyensya. Pagtimbang-timbang sa pag-usab sa sikolohikal nga syensya. Siyensya 349, AAAC4716 (2015).
Prinz, F., Schlange, T., ug Asadullah, K. Motuo kini o dili: Pila ang atong gisaligan sa gipatik nga mga target sa droga? Nat. "Ang pagdiskobre sa mga droga." 10, 712 (2011).
Ang Bealley, kg ug Ellis, lm pagpataas sa mga sumbanan sa panukiduki sa kanser sa kanser. Nature 483, 531-533 (2012).
A. Gelman and E. Loken, The Garden of Forking Paths: Why Multiple Comparisons are a Problem Even Without “Fishing Expeditions” or “p-hacks” and Preformed Research Hypotheses, vol. 348, 1-17 (Department of Statistics, 2013).
Karagiorgi, G., Kasecka, G., Kravitz, G., Nachman, Nachman, B. Nat. Doktor sa Pilosopiya sa pisika. 4, 399-412 (2022).
Dara S, Damererchela S, Jadhav SS, Baby Cm ug Ahsan MJ. Ang pagkat-on sa makina sa pagdiskobre sa droga: usa ka pagrepaso. ATIF. Intel. Ed. 55, 1947-1999 (2022).
Mather, ingon ug usa ka koot, ml lawom nga pagkat-on sa chemistry. J.chemistry. ipahibalo. Modelo. 59, 2545-2559 (2019).
Rajkomar A., Dean J. ug Kohan I. Machine Pagkat-on sa Medicine. New England Journal of Medicine. 380, 1347-1358 (2019).
Grimmer J, Roberts ako. ug Stewart BM Machine Pagkat-on sa Social Science: usa ka agnostic nga pamaagi. Rev. Ann Ball. Science. 24, 395-419 (2021).
JUMP, J. ATH AL. Paghimo kaayo nga tukma nga mga panagna sa istruktura nga protina nga gigamit ang alphafold. Nature 596, 583–589 (2021).
Gundersen, Oe, Coakley, K., K., K., K., ug Gil, Y. Gil. Preprint nga magamit sa https://arxiv.org/abs/2204.07610 (2022).
Skully, D., Snook, J., Wiltschko, A., ug Rahimi, A. Winner's Sumpa? Sa katulin, pag-uswag ug kaisog sa empirical nga ebidensya (ICLR, 2018).
Armstrong, Tg, Moffat, A., Webber, W., Zobel, J. Non-ACM Conferency
Kapoor, S. ug NARAYANAN, A. Leakage ug Crophacibility Crise sa Science-based nga nakabase sa makina. Mga Sumbanan, 4, 100804 (2023).
Kapoor S. et al. REFORM: Ang mga sumbanan sa pagreport sa syensya pinasukad sa pagkat-on sa makina. Preprint nga magamit sa https://arxiv.org/abs/2308.07832 (2023).
Si Demasi, O., cording, C., ug RECHT, B. Wala'y Kahulugan nga pagtandi mahimong mosangput sa sayup nga paglaum sa pagkat-on sa Medical Machine. Plos usa ka 12, E0184604 (2017).
Roberts, M., ATT AL. Kasagaran nga mga Pitta ug Pinakamaayo nga Mga Kinaugalingon alang sa Paggamit sa Machine Pagkat-on aron makit-an ug matagna ang Covid-19 gikan sa mga X-Rays sa Chest X-Rays ug Tomed Tomography. Nat. Max. Intel. 3, 199-217 (2021).
Winantz L. et al. Mga Modelo sa DiagnAns alang sa Diagnosis ug Pronnosis sa Covid-19: Usa ka sistematikong pagsusi ug kritikal nga pagtimbangtimbang. BMJ66, M1328 (2020).
Si Witelen S., Schreiber J., halangdon nga WS ug Pollard Ks nagbuntog sa mga lit-ag sa paggamit sa makina nga pagkat-on sa genomics. Nat. Si Pastor Ginette. 23, 169-181 (2022).
Atris n. et al. Labing maayo nga mga batasan alang sa pagkat-on sa makina sa chemistry. Nat. Kemikal. 13, 505-508 (2021).
Brunton Sl ug Kutz JN nga nagsaad sa mga direksyon alang sa Machine Pagkat-on sa partial nga managsama nga mga equation. Nat. kuwentaha. Science. 4, 483-494 (2024).
Vinesea, R. ug Brunton, SL Pagpauswag sa Computational Dynamics pinaagi sa pagkat-on sa makina. Nat. kuwentaha. Science. 2, 358-366 (2022).
S.Au, S. et al. Ang pagkat-on sa makina sa siyensya sa pisikal nga nahibal-an nga neural networks: diin kami karon ug unsa ang sunod. J. Science. kuwentaha. 92, 88 (2022).
DUAISAMY, K., YACCARININO, G., UG XIAO, HURCLENCE MODELEING SA DATA ERA. Gibag-o nga edisyon ni Ann. 51, 357-377 (2019).
Durran, drum nga mga pamaagi alang sa pagsulbad sa mga equation sa pag-alsa sa Geophysical Hydrodynamics, vol. 32 (Springer, 2013).
Si Mishra, S. usa ka framework sa pagkat-on sa makina alang sa pagpadali sa pagtandi sa data nga gipadagan sa mga panagsama nga managsama. matematika. engineer. https://doi.org/10.3934/mine.2018.1.118 (2018).
Kochikov D. et al. Ang pagkat-on sa makina - pagpadali sa pag-computate sa mga dinamikong sa computational. proseso. National Academy of Science. Science. US 118, E2101784118 (2021).
Kadapa, K. Machine Pagkat-on sa Kompyuter ug Engineering - Usa ka mubo nga pasiuna ug pipila ka mga hinungdan nga isyu. Preprint nga magamit sa https://arxiv.org/abs/2112.12054 (2021).
Ross, A., LI, Z., Perezhaghin, P., Fernandez-Granda, C., Comparative Analysis sa Machine HeGrids Parameterization sa mga sulud nga modelo sa Dagat sa Dagat. J.ADV. Modelo. Sistema sa Yuta. 15. E2022MMS003258 (2023).
Lippe, P., Wieling, B., Perdikaris, P., Turner, R., Trabstertter, J. PDEETSETTER: PAGSULAY SA PAGSULAY SA USA KA DUHA NGA PDER SOVER. 37 Komperensya sa Mga Sistema sa Pagproseso sa Neural Impormasyon sa Neural (Neurips 2023).
FRACHA, PR AL. Ang pagkalkula sa algorithgib ug reservoir sa nagbalik-balik nga network sa neural alang sa pagtagna sa komplikado nga spatiotemporal dynamics. network sa neural. 126, 191-217 (2020).
Raissi, M., Perdikaris, P. ug Karniahakakis, Physics sa Ge, Computer Science Networks: Usa ka lawom nga mga problema sa pagkat-on sa unahan nga mga problema sa pag-atubang sa mga dili linya nga managsama nga managsama nga managsama nga mga panagsama. J. COMPUTY. pisika. 378, 686-707 (2019).
Grossmann, GT, Komorowska, UJ, Lutz, J., ug Schönlieb, K.-B. Mahimo ba nga mga pamaagi sa neural nga mga network sa mga netsipikasyon sa pisika Ima j. Applications. matematika. 89, 143-174 (2024).
De la Mata, FF, Gijon, A. Solana, M., ug GOURICE NEURO NGA NETWORKS ALANG SA DAIL-GASA METWork pisika. Usa ka 610, 128415 (2023).
Zhuang, P.-Y. & Barba, LA Empirical Report sa Mga Network sa Neural Network sa Physics sa Modeling sa Fluid: Pitfalls ug mga kasagmuyo. Prepert nga magamit sa https://arxiv.org/abs/2205.14249 (2022).
Zhuang, P.-Y. ug Barba, LA Mga Limitasyon sa Panglawas sa Physically Neural Networks sa Vortex Formation. Preprint nga magamit sa https://arxiv.org/abs/2306.00230 (2023).
Si Wang, S., Yu, H., ug Perdikaris, P. Kanus-a ug ngano nga ang mga pinn napakyas sa pagbansay: usa ka neural nga pangpang sa nucleus nga panan-aw. J. COMPUTY. pisika. 449, 110768 (2022).
Si Krishnapriyan, A., Gholami, A., Zhe, S., Kirby, R., Mhony, MW nga mga kinaiya sa mga network sa pisikal nga network. 35 nga komperensya sa mga sistema sa pagproseso sa neural nga sistema sa Vol. 34, 26548-26560 (Neurips 2021).
Basir, S. ug Senokak, I. Usa ka kritikal nga pagtuon sa mga pamaagi sa kapakyasan sa mga network nga nakabase sa pisika. Sa Aia Scitech 2022 Forum 2353 (arka, 2022).
Karnakov P., Litvinov S. and Koumoutsakos P. Solving physical inverse problems by optimizing discrete losses: fast and accurate learning without neural networks. proseso. National Academy of Science. Science. Nexus 3, PGAE005 (2024).
Mga sukaranan nga mga baruganan sa Gundersen Oe. Phil.CROSS. R. Shoker. Usa ka 379, 20200210 (2021).
Aromataris e ug Pearson A. Systematic Reviews: Usa ka Kinitaan. Oo. J. Nars 114, 53-58 (2014).
Si Tariera, J., Ray, D., Heshaven, JS, ug Rohde, K. pagpugong sa neural network alang sa problema sa Riemann. J. COMPUTY. pisika. 409, 109345 (2020).
Bezgin da, Schmidt SJ ug Adams NA DATA-GUSTO nga nagpadasig sa lawas nga nagpahibalo sa katapusan nga follow firen firen forume firencual for-classical nga pagkunhod sa boltahe. J. COMPUTY. pisika. 437, 110324 (2021).
Post Oras: Sep-29-2024