Worlder.com сайтына кіргеніңіз үшін рахмет. Сіз қолданатын шолғыштың нұсқасы шектеулі CSS қолдауы бар. For best results, we recommend that you use a newer version of your browser (or disable Compatibility Mode in Internet Explorer). Осы уақытта, тұрақты қолдауды қамтамасыз ету үшін, біз сайтты сәндеусіз немесе JavaScriptсыз көрсетеміз.
Есептеу физикасындағы машиналарды оқытудың ең перспективті қосымшаларының бірі - жартылай дифференциалдық теңдеулердің (PDE) жедел шешімі болып табылады. Машиналарды оқытуға негізделген кірістірілген дифференциалдық теңдеудің негізгі мақсаты шешуші шешуші болып табылады, олар бастапқы салыстыру ретіндегі стандартты сандық әдістерге қарағанда дәлірек болуы керек. Біз алдымен жартылай дифференциалдық теңдеулерді шешуге арналған әдебиеттерге жүйелі шолу жүргіземіз. М.Л. сұйықтықты ішінара дифференциалдық теңдеулерді шешуге және стандартты сандық әдістернен артықшылықты талап ететін барлық құжаттардың ішінде біз әлсіз базалармен салыстырғанда 79% (60/76) анықтадық. Екіншіден, біз кең таралған репортаждық пікірлердің, әсіресе нәтижелер туралы есептер мен жарияланымның дәлелдерін таптық. Несиелік дифференциалдық теңдеулерді шешуде машинаны оқытудың зерттеуі тым оптимистік: әлсіз кіріс деректер тым оң нәтижелерге әкелуі мүмкін, ал жағымсыз нәтижелер туралы есеп беру теріс нәтижелерге әкелуі мүмкін. Үлкенірек, бұл проблемалар бұрынғы репродуктивтілік дағдарыстарына ұқсас факторлардан туындағандай көрінеді: тергеушінің қалауы және оң нәтижесі. Біз түбегейлі есеп беруді және жоғарыдан төмен құрылымдық реформаларды азайту үшін төменнен жоғары деңгейдегі мәдениетті деп атаймыз.
Жүйелі шолумен жасалған авторлар мен мақалалардың тізімі, сондай-ақ кездейсоқ үлгідегі әр мақаланың жіктелуі, сонымен қатар кездейсоқ үлгідегі жіктелуі керек, https://doi.org/10.17605/osf.io/gq5b3 (124).
Нәтижелерді 2-кестеде келтіру үшін қажет кодты GitHub-тен табуға болады: https://github.com/nickmcgreivy/waekbaselinesmlinsmlpde/ (ref. 125) және Ocean on ofce of/capsulle/9605539/ Tree / V1 (126-сілтеме) және https://codeocean.com/capsulle/0799002/tree/v1 (127 сілтеме).
Рэндолл, Д., К., қазіргі заманғы ғылымдағы дағдарыс дағдарысы: себептері, салдары және реформалардың жолдары (Ұлттық ғалымдар қауымдастығы, 2018).
Ритчи, S. S. shinal Fiction: Алаяқтық, бұршақ, үнсіздік және алдау шындықты іздестіру (винтаж, 2020).
Prinz, F, Schlange, T., және Асадулла, К. сеніңіз, ол сеніңіз немесе жоқ: біз есірткіге қатысты ықтимал мәліметтерге қалай сене аламыз? Nat. «Дәрілердің ашылуы» Аян. 10, 712 (2011).
Бекіткіш, кг және Эллис, л.д. Табиғат 483, 531-533 (2012).
А. Гельман мен Е.Локен, шанышқылар бағы: Неліктен бірнеше салыстырулар «балық аулау экспедициялары» немесе «P-Hacks» және алдын-ала жасалған гипотезаларсыз проблема болып табылады, том. 348, 1-17 (Статистика департаменті, 2013).
Карагорги, Г., Касчка, Г., Кравиц, С., Нахман, С., Нахман, Б., Б. және Ши, Д. Жаңа негізгі физиканы іздеуде машинаны оқыту. Nat. Физика бойынша философия докторы. 4, 399-412 (2022).
Дара, Дамерсерла, Жадев С.С., Бабу см және Ахсан М.Ж. Дәрі-дәрмектің ашылуында машинаны оқыту: шолу. Атиф. Intel. Ред. 55, 1947-1999 жж. (2022).
Химиядағы ML-ді, ML-ді терең оқыту. Дж.Химия. хабарлау. Үлгі. 59, 2545-2559 (2019).
Райкомар А., Дин Дж. және Кохан I. Машинаны медицинада оқыту. Жаңа Англия медицина журналы. 380, 1347-1358 (2019).
Гриммер Дж, Робертс мені. Стюарь BM Machine әлеуметтік ғылымдарда оқытылады: агностикалық тәсіл. Аян доп. Ғылым. 24, 395-419 (2021).
Секіру, J. және Al. Alphapold көмегімен жоғары дәл ақуыз құрылымын болжау жасаңыз. Табиғат 596, 583-589 (2021).
Гандерген, Е.Е, Коакли, К., Киркпатрик, Киркпатрик, К., Гил, y. Машиналардан аулақ болу көздері: шолу. Алдын ала басып шығару https://arxiv.org/abs/abs/abs/2204.07610 (2022).
Скулли, Д., снук, Дж., Вилцчко, А., А., А., А., А. Жеңімпаздың қарғысы? Эмпирикалық дәлелдердің жылдамдығы, прогресі мен қатаңдығы туралы (ICLR, 2018).
Армстронг, тг, Моффат, А., Веббер, W., Zobel, J. Қосымша емес and estencess: 1998 жылдан бастап алдын-ала іздеу нәтижелері: 601-610 (ACM 2009).
Капоор, С. және НАРАЙАНАН, A. Машиналардан ғарыштан ағып кету және репродукция дағдарыстары. Үлгілер, 4, 100804 (2023).
Капоор С.Т. Реформа: Машиналарды оқыту негізінде ғылыми есептілік стандарттары. Алдын ала басып шығару https://arxiv.org/abs/abs/230832 (2023).
Демас, О., сымды, C., C., RECHT, B. Мағынасыз салыстыру медициналық машиналарды оқытудағы жалған оптимизмге әкелуі мүмкін. Plos бір 12, e0184604 (2017).
Робертс, М., Е және басқалар. Кеуде қуысының және есептелген томографиядан Ковид-19 анықтау және болжау үшін машинаны оқытуды қолданудың жалпы қиыншылықтары мен озық тәжірибелері. Nat. Макс. Intel. 3, 199-217 (2021).
Винанц Л. және басқалар. Ковид-19 диагнозы мен болжамының болжамды модельдері: жүйелі шолу және сыни бағалау. BMJ 369, M1328 (2020).
Құлақ С., Шребер, j., gooble ws және eldard ks геномикадағы машиналарды оқытудың қиыншылықтарын жеңу. Nat. Пастор гинет. 23, 169-181 (2022).
Атис N. et al. Химиядағы машиналарды оқытудың озық тәжірибелері. Nat. Химиялық. 13, 505-508 (2021).
Brunton SL және KUTZ JN ішінара дифференциалдық теңдеулерді машинаны оқытудың перспективалық бағыттары. Nat. Есептеу. Ғылым. 4, 483-494 (2024).
Винюса, Р. және Брунтон, SL машиналық оқыту арқылы есептеуіш сұйықтықты жақсарту. Nat. Есептеу. Ғылым. 2, 358-366 (2022).
Comeau, S. et al. Физикалық ақпараттандырылған нейрондық желілермен ғылыми машинаны оқыту: біз қазір және келесі болып табыламыз. Дж. Ғылым. Есептеу. 92, 88 (2022).
Дурайсами, К., Юса, Юакарино, Г. және Сяо, H. Деректер дәуіріндегі турбуленттік модельдеу. ANN қайта қаралған редакциясы. 51, 357-377 (2019).
Дурран, геофизикалық гидродинамикадағы толқындық теңдеулерді шешудің докарлық әдістері, том. 32 (Springer, 2013).
Мишра, S. Дифференциалдық теңдеулерді деректерге негізделген есептеуді жеделдету үшін машинаны оқыту негіздері. Математика. Инженер. https://doi.org/10.3934/mine.2018.1.118 (2018).
Кочиков Д. және al. Машиналарды оқыту - есептеу сұйықтығын динамиканы жеделдету. Процесс. Ұлттық ғылым академиясы. Ғылым. АҚШ 118, E2101784118 (2021).
Кадапа, К. Информатика және инженерия үшін машинаны оқыту - қысқаша кіріспе және кейбір негізгі мәселелер. Алдын ала басып шығару https://arxiv.org/abs/212.12054 (2021).
Росс, А., Л.И., З., Пережогин, П.И., Фернандес-әже, С., Занна, Л. идеализацияланған модельдердегі Ocean Subgrip бағдарламасын компьютермен салыстырмалы талдау. J.ad. Үлгі. Жер жүйесі. 15. E2022MS003258 (2023).
Липпе, Wieling, B., Wieling, B., Perdikaris, P., Turnerer, R. және Brandstetter, J. PDE-дің нақтылау: нейрондық PDE ерітіндісімен. Нейрондық ақпаратты өңдеу жүйелері бойынша 37-ші конференция (Нейриптер 2023).
Фрахалар, Pr et al. Күрделі нейрондық желілердегі резервуар алгоритмі және резервуарларды есептеу күрделі спатиотемпорациялық динамиканы болжауға арналған. Нейрондық желі. 126, 191-217 (2020).
Raissi, M., Perdikaris, P. and Karniadakis, GE Physics, computer science, neural networks: a deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. J. Компьютер. Физика. 378, 686-707 (2019).
Гроссман, Т.Г., Коморовка, Уж, Луц, Ж., Ж., К.Г., К.Г. Физикаға негізделген нейрондық желілер ақырғы элементтің әдістерін қолдана ала ма? IMA J. Өтініштер. mathematics. 89, 143–174 (2024).
Де Ла Мата, ФФ, Гижон, А., Молина-Солана, М., М., Гомец-Ромец-Ромец-Ромец-Ромец-Ромечеро, Деректермен басқарылатын модельдеу үшін J. физика негізіндегі нейрондық желілер: артықшылықтар, шектеулер және мүмкіндіктер. Физика. 610, 128415 (2023).
Жуанг, П.-. & Барба, LA физика негізделген нейрондық желілер туралы ла, сұйықтықтың модельдеуіндегі эмпирикалық баяндама: қиындықтар мен көңілсіздік. Алдын ала басып шығару https://arxiv.org/abs/2205.14249 (2022).
Жуанг, П.-. Барба, Вортекс қалыптастыру бойынша физикалық ақпараттандырылған нейрондық желілердің LA болжамды шектеулері. Алдын ала басып шығару https://arxiv.org/abs/abs/2306.00230 (2023).
Ванг, С., Ю, Х., Х., Пердикарис, P. Қашан және неге пинлярлы пойыздар пойызға жатпайды: нейрондық таныс ядросының перспективасы. J. Компьютер. Физика. 449, 110768 (2022).
Кришнаприан, А., Голами, А., ЖЭ, ЖК, С., Кирби, Р., Кирби, Р., және Махён, М.В. Нейрондық желілердегі физикалық ақпараттардың мүмкін болатын режимдер сипаттамалары. Нейрондық ақпаратты өңдеу жүйелері бойынша 35-ші конференция Vol. 34, 26548-26560 (нейриптер 2021).
Бирал, С. және Сенокак, I. Физика негізіндегі нейрондық желілердегі сәтсіздік режимдерін сыни зерттеу. Aiaa Scitech 2022 форумында 2353 форум (ARK, 2022).
Karnakov P., Litvinov S. and Koumoutsakos P. Solving physical inverse problems by optimizing discrete losses: fast and accurate learning without neural networks. Процесс. Ұлттық ғылым академиясы. Ғылым. Nexus 3, pgae005 (2024).
Gundersen oe репродуктивтіліктің негізгі принциптері. Фил.К. Р. Шукер. A 379, 20200210 (2021).
Aromataris e және Pearson A. Жүйелік шолулар: шолу. Иә. Дж. Мотшерлік 114, 53-58 (2014).
Магера, Ж., Рей, Д., Хестхафен, Ж.С., Рох, Рохд, К. Риман проблемасы үшін шектеулі танымал желілер. J. Компьютер. Физика. 409, 109345 (2020).
Безгин Да, Шмидт SJ және ADAMS NA Деректерге негізделген, классикалық емес кернеулі кернеудің шектеулі тізбегі. J. Компьютер. Физика. 437, 110324 (2021).
POST TIME: SEP-29-2024