קווי בסיס חלשים והטיה של דיווח מביאים לאופטימיות יתר בלמידה במכונה של משוואות דיפרנציאליות חלקיות הקשורות לנוזל.

תודה שביקרת ב- Nature.com. הגרסה של הדפדפן בה אתה משתמש יש תמיכה מוגבלת של CSS. לקבלת התוצאות הטובות ביותר, אנו ממליצים להשתמש בגרסה חדשה יותר של הדפדפן שלך (או להשבית את מצב התאימות ב- Internet Explorer). בינתיים, כדי להבטיח תמיכה שוטפת, אנו מציגים את האתר ללא סטיילינג או JavaScript.
אחד היישומים המבטיחים ביותר של למידת מכונה בפיזיקה חישובית הוא הפיתרון המואץ של משוואות דיפרנציאליות חלקיות (PDEs). המטרה העיקרית של פותר משוואה דיפרנציאלית חלקית מבוססת מכונה היא לייצר פתרונות מדויקים מספיק מהר יותר משיטות מספריות סטנדרטיות המשמשות כהשוואה בסיסית. ראשית אנו מבצעים סקירה שיטתית של ספרות למידת המכונה על פתרון משוואות דיפרנציאליות חלקיות. מבין כל המסמכים המדווחים על השימוש ב- ML כדי לפתור משוואות דיפרנציאליות חלקיות נוזליות ותביעת עליונות על שיטות מספריות סטנדרטיות, זיהינו 79% (60/76) בהשוואה לקווי בסיס חלשים. שנית, מצאנו עדויות להטיה דיווח נרחבת, במיוחד בהטיה של דיווח על תוצאות ופרסום. אנו מסיקים כי מחקר למידת מכונות על פתרון משוואות דיפרנציאליות חלקיות הוא אופטימי יתר על המידה: נתוני קלט חלשים יכולים להוביל לתוצאות חיוביות מדי, והטיה דיווח יכולה להוביל לדיווח על תוצאות שליליות. בחלקו הגדול נראה כי בעיות אלה נגרמות על ידי גורמים הדומים למשברים לשחזור בעבר: שיקול דעת החוקר והטיה של תוצאות חיוביות. אנו קוראים לשינוי תרבותי מלמטה למעלה כדי למזער את הדיווח המוטה ורפורמה מבנית מלמעלה למטה כדי להפחית תמריצים סוטים לעשות זאת.
רשימת המחברים והמאמרים שנוצרו על ידי הסקירה השיטתית, כמו גם הסיווג של כל מאמר במדגם האקראי, זמין לציבור בכתובת https://doi.org/10.17605/osf.io/gq5b3 (Ref. 124).
את הקוד הדרוש לשחזור התוצאות בטבלה 2 ניתן למצוא ב- github: https://github.com/nickmcgreivy/weakbaselinesmlpde/ (ref. 125) ובקוד Ocean: https://codeocean.com/capsule/960539/ עץ/ v1 (קישור 126) ו https://codeocean.com/capsule/0799002/tree/v1 (קישור 127).
רנדל, ד ', וולר, ק', משבר אי -הניתוק במדע המודרני: גורמים, השלכות ומסלול לרפורמה (האיגוד הלאומי של מדענים, 2018).
Ritchie, S. מדע בדיוני: כיצד הונאה, הטיה, שתיקה והייפ מערערים את החיפוש אחר האמת (Vintage, 2020).
שיתוף פעולה מדעי פתוח. הערכת ההתרבות במדע הפסיכולוגי. Science 349, AAAC4716 (2015).
Prinz, F., Schlange, T., and Asadullah, K. מאמינים או לא: כמה נוכל לסמוך על נתונים שפורסמו על יעדי תרופות פוטנציאליים? נט. הכמרית "גילוי סמים." 10, 712 (2011).
בגלי, ק"ג ואליס, LM מעלה סטנדרטים במחקר סרטן פרה -קליני. טבע 483, 531–533 (2012).
A. Gelman ו- E. Loken, גן שבילי המזלגות: מדוע השוואה מרובה מהוות בעיה גם בלי "משלחות דיג" או "P-Hacks" והשערות מחקריות מעוצבות מראש, כרך. 348, 1–17 (המחלקה לסטטיסטיקה, 2013).
Karagiorgi, G., Kasecka, G., Kravitz, S., Nachman, B., and Shi, D. למידת מכונה בחיפוש אחר פיזיקה בסיסית חדשה. נט. דוקטור לפילוסופיה בפיזיקה. 4, 399–412 (2022).
Dara S, Damercherla S, Jadhav SS, Babu CM ו- Ahsan MJ. למידת מכונות בגילוי תרופות: סקירה. אטיף. אינטל. עורכת. 55, 1947–1999 (2022).
Mather, As and Coote, Ml למידה עמוקה בכימיה. J.Chemistry. לְהוֹדִיעַ. דגם. 59, 2545–2559 (2019).
Rajkomar A., ​​Dean J. ו- Kohan I. למידת מכונות ברפואה. כתב העת לרפואה של ניו אינגלנד. 380, 1347–1358 (2019).
גרימר ג'יי, רוברטס אותי. ולמידה מכונה של סטיוארט BM במדעי החברה: גישה אגנוסטית. הכומר אן בול. מַדָע. 24, 395–419 (2021).
Jump, J. et al. ערוך תחזיות מבני חלבון מדויקות ביותר באמצעות Alphafold. טבע 596, 583–589 (2021).
Gundersen, OE, Coakley, K., Kirkpatrick, K., and Gil, Y. מקורות של אי -ניתוק בלימוד מכונות: סקירה. הדפס מקדים זמין בכתובת https://arxiv.org/abs/2204.07610 (2022).
Scully, D., Snook, J., Wiltschko, A., and Rahimi, A. Curse של A. Winner? על המהירות, ההתקדמות והקפדה של עדויות אמפיריות (ICLR, 2018).
ארמסטרונג, TG, Moffat, A., Webber, W., and Zobel, J. שיפורים לא תוספים: תוצאות חיפוש ראשוניות מאז 1998. ועידת ACM ה -18 בנושא ניהול מידע וניהול ידע 601–610 (ACM 2009).
Kapoor, S. and Narayanan, A. Deakage and Reperable Creations במדע מבוסס למידת מכונות. דפוסים, 4, 100804 (2023).
Kapoor S. et al. רפורמה: תקני דיווח מדעיים המבוססים על למידת מכונה. הדפס מקדים זמין בכתובת https://arxiv.org/abs/2308.07832 (2023).
Demasi, O., Cording, C., and Recht, B. השוואה חסרת משמעות יכולה להוביל לאופטימיות כוזבת בלמידה של מכונות רפואיות. PLOS ONE 12, E0184604 (2017).
רוברטס, מ ', ואח'. מלכודות נפוצות ושיטות עבודה מומלצות לשימוש בלמידת מכונות לגילוי ולחיזוי COVID-19 מקרני רנטגן בחזה וטומוגרפיה ממוחשבת. נט. מקס. אינטל. 3, 199–217 (2021).
Winantz L. et al. מודלים חזויים לאבחון ופרוגנוזה של COVID-19: סקירה שיטתית והערכה קריטית. BMJ 369, M1328 (2020).
Whalen S., Schreiber J., Noble WS ו- Pollard KS מתגברים על החסרונות של שימוש בלמידה במכונה בגנומיקה. נט. הכומר ג'ינט. 23, 169–181 (2022).
Atris N. et al. שיטות עבודה מומלצות למידת מכונות בכימיה. נט. כִּימִי. 13, 505–508 (2021).
Brunton SL ו- Kutz JN המבטיחים כיוונים למידת מכונה של משוואות דיפרנציאליות חלקיות. נט. לְחַשֵׁב. מַדָע. 4, 483–494 (2024).
Vinuesa, R. and Brunton, SL שיפור דינמיקת נוזלים חישוביים באמצעות למידת מכונה. נט. לְחַשֵׁב. מַדָע. 2, 358–366 (2022).
Comeau, S. et al. למידת מכונה מדעית עם רשתות עצביות מושכלות פיזית: איפה אנחנו עכשיו ומה הלאה. J. Science. לְחַשֵׁב. 92, 88 (2022).
Duraisamy, K., Yaccarino, G., and Xiao, H. טורבולנציה דוגמנות בעידן הנתונים. המהדורה המתוקנת של אן. 51, 357–377 (2019).
דורן, ד"ר שיטות מספריות לפיתרון משוואות גל בהידרודינמיקה גיאופיזית, כרך א '. 32 (שפרינגר, 2013).
Mishra, S. מסגרת למידת מכונה להאצת חישוב מונע נתונים של משוואות דיפרנציאליות. מָתֵימָטִיקָה. מְהַנדֵס. https://doi.org/10.3934/mine.2018.1.118 (2018).
Kochikov D. et al. למידת מכונה - האצה של דינמיקת נוזלים חישוביים. תַהֲלִיך. האקדמיה הלאומית למדעים. מַדָע. ארה"ב 118, E2101784118 (2021).
Kadapa, K. למידת מכונה למדעי המחשב והנדסה - מבוא קצר וכמה סוגיות עיקריות. הדפס מקדים זמין בכתובת https://arxiv.org/abs/2112.12054 (2021).
Ross, A., Li, Z., Perezhogin, P., Fernandez-Granda, C., and Zanna, L. ניתוח השוואתי של פרמטריזציה של אוקיינוס ​​תת-אוקיינוס ​​במודלים אידיאליים. J.ADV. דֶגֶם. מערכת אדמה. 15. E2022MS003258 (2023).
Lippe, P., Wieling, B., Perdikaris, P., Turner, R., and Brandstetter, J. PDE עידון: השגת חילונות ארוכים מדויקים עם פותר PDE עצבי. ועידה 37 למערכות עיבוד מידע עצבי (Neuroips 2023).
Frachas, Pr et al. חישוב אלגוריתם וחישוב מאגר של BackPropagation ברשתות עצביות חוזרות ונשנות לחיזוי דינמיקה מרחבית מורכבת. רשת עצבית. 126, 191–217 (2020).
Raissi, M., Perdikaris, P. and Karniadakis, GE Physics, מדעי המחשב, רשתות עצביות: מסגרת למידה עמוקה לפיתרון בעיות קדימה והפוכות הכרוכות במשוואות דיפרנציאליות חלקיות לא לינאריות. ג'יי מחשב. פִיסִיקָה. 378, 686–707 (2019).
גרוסמן, TG, Komorowska, UJ, Lutz, J., and Schönlieb, K.-B. האם רשתות עצביות מבוססות פיזיקה יכולות לעלות על שיטות אלמנט סופיות יותר? יישומי IMA J. מתמטיקה. 89, 143–174 (2024).
דה לה מטה, FF, Gijon, A., Molina-Solana, M., and Gómez-Romero, J. רשתות עצביות מבוססות פיזיקה למודלים מונעי נתונים: יתרונות, מגבלות והזדמנויות. פִיסִיקָה. A 610, 128415 (2023).
Zhuang, P.-Y. & Barba, La an דו"ח אמפירי על רשתות עצביות מבוססות פיזיקה במודלים נוזלים: מלכודות ואכזבות. הדפס מקדים זמין בכתובת https://arxiv.org/abs/2205.14249 (2022).
Zhuang, P.-Y. וברבה, מגבלות חזויות של LA של רשתות עצביות מושכלות פיזית על היווצרות מערבולת. הדפס מקדים זמין בכתובת https://arxiv.org/abs/2306.00230 (2023).
Wang, S., Yu, H., and Perdikaris, P. מתי ומדוע Pinns לא מצליחים להתאמן: נקודת מבט של גרעין משיק עצבי. ג'יי מחשב. פִיסִיקָה. 449, 110768 (2022).
Krishnapriyan, A., Gholami, A., Zhe, S., Kirby, R., and Mahoney, MW מאפיינים של מצבי כישלון אפשריים ברשתות עצביות של מידע פיזי. ועידה 35 בנושא מערכות עיבוד מידע עצבי כרך א '. 34, 26548–26560 (Neuroips 2021).
Basir, S. ו- Senokak, I. מחקר ביקורתי על מצבי כישלון ברשתות עצביות מבוססות פיזיקה. בפורום AIAA Scitech 2022 2353 (ARK, 2022).
קרנאקוב פ., ליטווינוב ס. וקומוטקוס פ. פתרון בעיות הפוכות פיזיות על ידי אופטימיזציה של הפסדים נפרדים: למידה מהירה ומדויקת ללא רשתות עצביות. תַהֲלִיך. האקדמיה הלאומית למדעים. מדע. Nexus 3, PGAE005 (2024).
Gundersen OE עקרונות בסיסיים לשחזור. Phil.Cross. ר. שוקר. A 379, 20200210 (2021).
Aromataris E ו- Pearson A. ביקורות שיטתיות: סקירה כללית. כֵּן. ג'יי סיעודי 114, 53–58 (2014).
Magiera, J., Ray, D., Hesthaven, JS, and Rohde, K. רשתות עצביות מודעות לאילוץ לבעיית רימן. ג'יי מחשב. פיזיקה. 409, 109345 (2020).
Bezgin DA, Schmidt SJ ו- Adams NA מונע נתונים מונע על ידי מעגל נפח סופי פיזית עבור זעזועים מתח לא קלאסיים. ג'יי מחשב. פִיסִיקָה. 437, 110324 (2021).