Þakka þér fyrir að heimsækja Nature.com. Útgáfan af vafranum sem þú notar hefur takmarkaðan CSS stuðning. Til að ná sem bestum árangri mælum við með að þú notir nýrri útgáfu af vafranum þínum (eða slökkt á eindrægni í Internet Explorer). Í millitíðinni, til að tryggja áframhaldandi stuðning, erum við að sýna vefinn án þess að stíl eða JavaScript.
Eitt efnilegasta forrit vélanáms í reiknifræði er hraðari lausn á hluta mismunadreifingarjöfnur (PDE). Meginmarkmið vélar sem byggir á vélinni sem byggir á aðgreiningum er að framleiða lausnir sem eru nógu nákvæmar hraðar en venjulegar tölulegar aðferðir til að þjóna sem grunnlínusamanburður. Við gerum fyrst kerfisbundna úttekt á bókmenntum um vélanám um að leysa aðgreiningarjöfnur að hluta. Af öllum greinum sem tilkynna um notkun ML til að leysa vökva aðgreiningarjöfnur og krefjast yfirburða yfir venjulegum tölulegum aðferðum, bentum við á 79% (60/76) samanborið við veikar grunnlínur. Í öðru lagi fundum við vísbendingar um víðtæka skýrslugerð, sérstaklega í niðurstöðum skýrslugerðar og hlutdrægni. Við ályktum að rannsóknir á vélanámi við að leysa aðgreiningarjöfnur séu of bjartsýnar: Veik inntaksgögn geta leitt til of jákvæðra niðurstaðna og tilkynning um hlutdrægni getur leitt til þess að neikvæðar niðurstöður geta undirskýrt. Að stórum hluta virðast þessi vandamál orsakast af þáttum svipað og fyrri æxlunakreppur: ákvörðun rannsóknaraðila og jákvæða útkomu. Við köllum eftir menningarlegum breytingum á botni upp til að lágmarka hlutdræga skýrslugerð og uppbyggingarumbætur á toppi til að draga úr rangsnúnum hvata til þess.
Listinn yfir höfunda og greinar sem myndast við kerfisbundna endurskoðun, svo og flokkun hverrar greinar í slembiúrtakinu, er aðgengileg almenningi á https://doi.org/10.17605/osf.io/gq5b3 (tilvísun 124).
Kóðinn sem þarf til að endurskapa niðurstöðurnar í töflu 2 er að finna á Github: https://github.com/nickmcgreivy/weakbaselinesmlpde/ (tilvísun 125) og á kóða Ocean: https://codeocean.com/capsule/9605539/ Tré/ v1 (hlekkur 126) og https://codeocean.com/capsule/0799002/tree/v1 (hlekkur 127).
Randall, D., og Welser, K., Óframleiðandi kreppan í nútímavísindum: Orsakir, afleiðingar og leiðir til umbóta (Landssamtök vísindamanna, 2018).
Ritchie, S. Vísindaskáldskapur: Hvernig svik, hlutdrægni, þögn og efla grafa undan leit að sannleika (Vintage, 2020).
Opnaðu vísindasamstarf. Mat á fjölföldun í sálfræðilegum vísindum. Vísindi 349, AAAC4716 (2015).
Prinz, F., Schlange, T., og Asadullah, K. Trúðu því eða ekki: Hversu mikið getum við treyst á birt gögn um möguleg lyfjamarkmið? NAT. Séra „Uppgötvun lyfja.“ 10, 712 (2011).
Begley, KG og Ellis, LM hækkandi staðlar í forklínískum krabbameinsrannsóknum. Náttúra 483, 531–533 (2012).
A. Gelman og E. Loken, Garden of Forking Paths: Hvers vegna margvísleg samanburður er vandamál jafnvel án þess að „veiðileiðangrar“ eða „p-hakkar“ og forformaðar rannsóknartilgátur, bindi. 348, 1–17 (tölfræðideild, 2013).
Karagiorgi, G., Kasecka, G., Kravitz, S., Nachman, B., og Shi, D. Vélarnám í leit að nýrri grundvallar eðlisfræði. NAT. Læknir í heimspeki í eðlisfræði. 4, 399–412 (2022).
Dara S, Damercherla S, Jadhav SS, Babu CM og Ahsan MJ. Vélanám í uppgötvun lyfja: endurskoðun. Atif. Intel. ED. 55, 1947–1999 (2022).
Mather, As og Coote, ML djúpt nám í efnafræði. J.Chemistry. tilkynna. Líkan. 59, 2545–2559 (2019).
Rajkomar A., Dean J. og Kohan I. Vélarnám í læknisfræði. New England Journal of Medicine. 380, 1347–1358 (2019).
Grimmer J, Roberts mig. og Stewart BM vélanám í félagsvísindum: agnostic nálgun. Séra Ann Ball. Vísindi. 24, 395–419 (2021).
Jump, J. o.fl. Gerðu mjög nákvæmar spár um próteinbyggingu með Alphafold. Náttúra 596, 583–589 (2021).
Gundersen, OE, Coakley, K., Kirkpatrick, K., og Gil, Y. Heimildir um óframleiðslu í vélanámi: endurskoðun. Forprentun fáanleg á https://arxiv.org/abs/2204.07610 (2022).
Scully, D., Snook, J., Wiltschko, A., og Rahimi, A. Bölvun sigurvegarans? Á hraða, framvindu og hörku reynslusagna (ICLR, 2018).
Armstrong, TG, Moffat, A., Webber, W., og Zobel, J. Enn-Additive Enhancements: Forkeppni leitarniðurstaðna síðan 1998. 18. ACM ráðstefna um upplýsingar og þekkingarstjórnun 601–610 (ACM 2009).
Kapoor, S. og Narayanan, A. Leka og æxlunakreppur í vísindum sem byggjast á vélum. Mynstur, 4, 100804 (2023).
Kapoor S. o.fl. Umbætur: Vísindalegir skýrslugerðir byggðir á vélanámi. Forprentun á https://arxiv.org/abs/2308.07832 (2023).
Demasi, O., Cording, C., og Recht, B. Tilgangslaus samanburður getur leitt til rangrar bjartsýni í læknisfræðilegum véla námi. PLOS ONE 12, E0184604 (2017).
Roberts, M., o.fl. Algengar gildra og bestu starfshættir til að nota vélanám til að greina og spá fyrir um Covid-19 frá röntgengeislum á brjósti og tölvusneiðmynd. NAT. Max. Intel. 3, 199–217 (2021).
Winantz L. o.fl. Forspárlíkön til greiningar og batahorfur Covid-19: kerfisbundin endurskoðun og gagnrýnin mat. BMJ 369, M1328 (2020).
Whalen S., Schreiber J., Noble WS og Pollard KS sigrast á gildrum þess að nota vélanám í erfðafræði. NAT. Prestur Ginette. 23, 169–181 (2022).
Atris N. o.fl. Bestu starfshættir fyrir vélanám í efnafræði. NAT. Efni. 13, 505–508 (2021).
Brunton SL og Kutz JN Lofandi leiðbeiningar um vélanám á aðgreiningarjöfnunum að hluta. NAT. Reiknið. Vísindi. 4, 483–494 (2024).
Vínuesa, R. og Brunton, SL bæta reiknivökva með vélanámi. NAT. Reiknið. Vísindi. 2, 358–366 (2022).
Comeau, S. o.fl. Vísindakennsla með líkamlega upplýstum taugakerfi: hvar við erum núna og hvað er næst. J. Science. Reiknið. 92, 88 (2022).
Duraisamy, K., Yaccarino, G., og Xiao, H. Turbulence líkan á gagnatímanum. Endurskoðuð útgáfa af Ann. 51, 357–377 (2019).
Durran, DR Tölulegar aðferðir til að leysa bylgjujöfnur í jarðeðlisfræðilegri vatnsdynamík, bindi. 32 (Springer, 2013).
Mishra, S. Vélanámsramma til að flýta fyrir gagnadrifinni útreikningi á mismunadrifum. Stærðfræði. Verkfræðingur. https://doi.org/10.3934/mine.2018.1.118 (2018).
Kochikov D. o.fl. Vélanám - Hröðun reiknivökva. ferli. National Academy of Sciences. Vísindi. US 118, E2101784118 (2021).
Kadapa, K. Vélarnám fyrir tölvunarfræði og verkfræði - Stutt kynning og nokkur lykilatriði. Forprentun fáanleg á https://arxiv.org/abs/2112.12054 (2021).
Ross, A., Li, Z., Perezhogin, P., Fernandez-Granda, C., og Zanna, L. Samanburðargreining á breytu undirritunar á vélanámi í vélahöfum í hugsjónamódelum. J.ADV. Líkan. Jarðkerfi. 15. E2022MS003258 (2023).
Lippe, P., Wieling, B., Perdikaris, P., Turner, R., og Brandstetter, J. PDE betrumbætur: Að ná nákvæmum löngum extrusions með tauga PDE lausnara. 37. ráðstefna um vinnslukerfi fyrir taugaupplýsingar (Neurips 2023).
Frachas, PR o.fl. Reiknirit og útreikningur á uppistöðulón í endurteknum taugakerfi til að spá fyrir um flókna staðbundna gangverki. taugakerfi. 126, 191–217 (2020).
Raissi, M., Perdikaris, P. og Karniadakis, GE Physics, tölvunarfræði, taugakerfi: djúp námsrammi til að leysa fram og andhverfa vandamál sem fela í sér ólínulegar aðgreiningarjöfnur. J. Tölva. Eðlisfræði. 378, 686–707 (2019).
Grossmann, TG, Komorowska, UJ, Lutz, J., og Schönlieb, K.-B. Geta eðlisfræðibundin taugakerfi staðið betur en endanlegar frumefni? IMA J. Forrit. Stærðfræði. 89, 143–174 (2024).
De La Mata, FF, Gijon, A., Molina-Solana, M., og Gómez-Romero, J. Eðlisfræði-byggð taugakerfi fyrir gagnastýrða líkanagerð: Kostir, takmarkanir og tækifæri. Eðlisfræði. A 610, 128415 (2023).
Zhuang, P.-Y. & Barba, LA Empirical skýrsla um eðlisfræði-byggð taugakerfi í vökvamódeli: gildra og vonbrigði. Forprentun fáanleg á https://arxiv.org/abs/2205.14249 (2022).
Zhuang, P.-Y. og Barba, LA forspár takmarkanir líkamlega upplýstra taugakerfa um myndun hvirfilmynda. Forprentun á https://arxiv.org/abs/2306.00230 (2023).
Wang, S., Yu, H., og Perdikaris, P. Hvenær og hvers vegna Pinns tekst ekki að þjálfa: Tauga snertis sjónarhorn. J. Tölva. Eðlisfræði. 449, 110768 (2022).
Krishnapriyan, A., Gholami, A., Zhe, S., Kirby, R., og Mahoney, MW einkenni mögulegra bilunaraðferða í líkamlegum upplýsingum taugakerfi. 35. ráðstefna um taugaupplýsingavinnslukerfi bindi. 34, 26548–26560 (Neurips 2021).
Basir, S. og Senokak, I. Gagnrýnin rannsókn á bilunaraðferðum í eðlisfræðibundnum taugakerfi. Í AIAA Scitech 2022 Forum 2353 (Ark, 2022).
Karnakov P., Litvinov S. og Koumoutsakos P. Leysa líkamleg andhverfa vandamál með því að hámarka stakt tap: hratt og nákvæmt nám án taugakerfa. ferli. National Academy of Sciences. Vísindi. Nexus 3, PGAE005 (2024).
Gundersen Oe Grundvallarreglur um fjölföldun. Phil.Cross. R. Shuker. A 379, 20200210 (2021).
Aromataris E og Pearson A. Kerfisbundnar umsagnir: Yfirlit. Já. J. Hjúkrunarfræði 114, 53–58 (2014).
Magiera, J., Ray, D., Hesthaven, JS, og Rohde, K. Þvingunarvitandi taugakerfi fyrir Riemann vandamálið. J. Tölva. Eðlisfræði. 409, 109345 (2020).
Bezgin DA, Schmidt SJ og Adams Na gagnastýrðir líkamlega upplýstir endanleg rúmmálsrás fyrir ekki klassískt minnkað spennuáföll. J. Tölva. Eðlisfræði. 437, 110324 (2021).
Post Time: SEP-29-2024