Asante kwa kutembelea Nature.com. Toleo la kivinjari unachotumia lina msaada mdogo wa CSS. Kwa matokeo bora, tunapendekeza utumie toleo jipya la kivinjari chako (au uzima hali ya utangamano katika Internet Explorer). Kwa sasa, ili kuhakikisha msaada unaoendelea, tunaonyesha tovuti bila kupiga maridadi au JavaScript.
Moja ya matumizi ya kuahidi zaidi ya kujifunza mashine katika fizikia ya computational ni suluhisho la kasi la usawa wa sehemu (PDEs). Lengo kuu la solver ya usawa ya msingi wa sehemu ya kujifunza ni kutoa suluhisho ambazo ni sahihi ya kutosha haraka kuliko njia za kawaida za nambari za kutumika kama kulinganisha kwa msingi. Kwanza tunafanya ukaguzi wa kimfumo wa fasihi ya kujifunza mashine juu ya kutatua usawa wa sehemu. Kati ya karatasi zote zinazoripoti matumizi ya ML kutatua usawa wa sehemu tofauti na kudai ukuu juu ya njia za kawaida za hesabu, tuligundua asilimia 79 (60/76) ikilinganishwa na misingi dhaifu. Pili, tulipata ushahidi wa kuripoti kuripoti upendeleo, haswa katika kuripoti matokeo na upendeleo wa kuchapisha. Tunamalizia kuwa utafiti wa kujifunza mashine juu ya kutatua hesabu tofauti za sehemu ni ya matumaini sana: data dhaifu ya pembejeo inaweza kusababisha matokeo mazuri, na kuripoti upendeleo kunaweza kusababisha kupunguzwa kwa matokeo hasi. Kwa sehemu kubwa, shida hizi zinaonekana kusababishwa na sababu zinazofanana na migogoro ya zamani ya kuzaliana: busara ya upelelezi na upendeleo mzuri wa matokeo. Tunatoa wito kwa mabadiliko ya kitamaduni ya chini ili kupunguza ripoti za upendeleo na mageuzi ya juu ya muundo ili kupunguza motisha zisizo na maana kufanya hivyo.
Orodha ya waandishi na nakala zinazotokana na ukaguzi wa kimfumo, na vile vile uainishaji wa kila kifungu katika sampuli isiyo ya kawaida, inapatikana hadharani katika https://doi.org/10.17605/osf.io/GQ5B3 (Ref. 124).
Nambari inayohitajika kuzaliana matokeo kwenye Jedwali 2 inaweza kupatikana kwenye GitHub: https://github.com/nickmcgreivy/weakbaselinesmlpde/ (Ref. 125) na kwenye Ocean ya Code: https://codeocean.com/capsule/9605539/ Mti/ v1 (kiunga 126) na https://codeocean.com/capsule/0799002/tree/v1 (kiunga 127).
Randall, D., na Welser, K., Mgogoro usio na kipimo katika Sayansi ya kisasa: Sababu, Matokeo, na Njia za Mageuzi (Chama cha Kitaifa cha Wanasayansi, 2018).
Ritchie, S. Hadithi ya Sayansi: Jinsi Udanganyifu, Upendeleo, Ukimya, na Hype unadhoofisha utaftaji wa ukweli (Vintage, 2020).
Fungua ushirikiano wa kisayansi. Kutathmini kuzaliana katika sayansi ya kisaikolojia. Sayansi 349, AAAC4716 (2015).
Prinz, F., Schlange, T., na Asadullah, K. Amini au la: Je! Tunaweza kutegemea data ngapi juu ya malengo ya dawa? Nat. Mchungaji "Ugunduzi wa Dawa." 10, 712 (2011).
Begley, Kg na Ellis, LM kuongeza viwango katika utafiti wa saratani ya mapema. Asili 483, 531-533 (2012).
A. Gelman na E. Loken, Bustani ya Njia za Kuweka: Kwa nini kulinganisha nyingi ni shida hata bila "safari za uvuvi" au "P-Hacks" na Hypotheses ya Utafiti iliyobadilishwa, Vol. 348, 1-17 (Idara ya Takwimu, 2013).
Karagiorgi, G., Kasecka, G., Kravitz, S., Nachman, B., na Shi, D. Mashine kujifunza katika kutafuta fizikia mpya ya msingi. Nat. Daktari wa Falsafa katika Fizikia. 4, 399–412 (2022).
Dara S, Damercherla S, Jadhav SS, Babu CM na Ahsan MJ. Kujifunza kwa mashine katika ugunduzi wa dawa: hakiki. Atif. Intel. Ed. 55, 1947-1999 (2022).
Mather, kama na Coote, Ml Kujifunza kwa kina katika Kemia. J.Chemistry. Arifu. Mfano. 59, 2545-2559 (2019).
Rajkomar A., Dean J. na Kohan I. Mashine Kujifunza katika Tiba. Jarida la New England la Tiba. 380, 1347-1358 (2019).
Grimmer J, Roberts Me. na Stewart BM Mashine ya Kujifunza katika Sayansi ya Jamii: Njia ya Agnostic. Mchungaji Ann Mpira. Sayansi. 24, 395-419 (2021).
Rukia, J. et al. Fanya utabiri sahihi wa muundo wa protini kwa kutumia Alphafold. Asili 596, 583-589 (2021).
Gundersen, OE, Coakley, K., Kirkpatrick, K., na Gil, Y. Vyanzo vya kutowezekana katika kujifunza kwa mashine: hakiki. Preprint inapatikana katika https://arxiv.org/abs/2204.07610 (2022).
Scully, D., Snook, J., Wiltschko, A., na Rahimi, Laana ya A.? Kwa kasi, maendeleo na ukali wa ushahidi wa nguvu (ICLR, 2018).
Armstrong, TG, Moffat, A., Webber, W., na Zobel, J. Viongezeo visivyo vya kuongeza: Matokeo ya Utafutaji wa awali tangu 1998. Mkutano wa 18 wa ACM juu ya Usimamizi wa Habari na Maarifa 601-610 (ACM 2009).
Kapoor, S. na Narayanan, A. Uvujaji na shida za kuzaliana katika sayansi ya msingi wa kujifunza. Mifumo, 4, 100804 (2023).
Kapoor S. et al. Mabadiliko: Viwango vya Kuripoti Sayansi kulingana na kujifunza kwa mashine. Preprint inapatikana katika https://arxiv.org/abs/2308.07832 (2023).
DeMasi, O., Cording, C., na Recht, B. Ulinganisho usio na maana unaweza kusababisha matumaini ya uwongo katika kujifunza mashine ya matibabu. PLOS One 12, E0184604 (2017).
Roberts, M., et al. Mitego ya kawaida na mazoea bora ya kutumia kujifunza kwa mashine kugundua na kutabiri covid-19 kutoka kwa mionzi ya kifua na tomografia iliyokadiriwa. Nat. Max. Intel. 3, 199–217 (2021).
Winantz L. et al. Mifano ya utabiri wa utambuzi na ugonjwa wa ugonjwa wa COVID-19: Mapitio ya kimfumo na tathmini muhimu. BMJ 369, M1328 (2020).
Whalen S., Schreiber J., Noble WS na Pollard KS kushinda mitego ya kutumia kujifunza kwa mashine katika genomics. Nat. Mchungaji Ginette. 23, 169-181 (2022).
Atris N. et al. Mazoea bora ya kujifunza mashine katika kemia. Nat. Kemikali. 13, 505-508 (2021).
Brunton SL na Kutz JN kuahidi maelekezo ya kujifunza mashine ya usawa wa sehemu. Nat. mahesabu. Sayansi. 4, 483-494 (2024).
Vinuesa, R. na Brunton, SL inaboresha mienendo ya maji ya computational kupitia kujifunza kwa mashine. Nat. mahesabu. Sayansi. 2, 358-366 (2022).
Comeau, S. et al. Mashine ya kisayansi Kujifunza na mitandao ya neural iliyo na habari: wapi tuko sasa na kinachofuata. J. Sayansi. mahesabu. 92, 88 (2022).
Duraisamy, K., Yaccarino, G., na Xiao, H. Mchanganyiko wa mfano katika enzi ya data. Toleo lililorekebishwa la Ann. 51, 357-377 (2019).
Durran, Njia za nambari za kutatua hesabu za wimbi katika hydrodynamics ya jiografia, vol. 32 (Springer, 2013).
Mishra, S. Mfumo wa kujifunza mashine ya kuongeza kasi ya hesabu inayoendeshwa na data ya usawa. Hisabati. Mhandisi. https://doi.org/10.3934/mine.2018.1.118 (2018).
Kochikov D. et al. Kujifunza kwa Mashine - Kuongeza kasi ya mienendo ya maji ya computational. mchakato. Chuo cha kitaifa cha Sayansi. Sayansi. US 118, E2101784118 (2021).
Kadapa, K. Mashine Kujifunza kwa Sayansi ya Kompyuta na Uhandisi - Utangulizi mfupi na maswala kadhaa muhimu. Preprint inapatikana katika https://arxiv.org/abs/2112.12054 (2021).
Ross, A., Li, Z., Perezhogin, P., Fernandez Granda, C., na Zanna, Uchambuzi wa kulinganisha wa parameta ya Mashine ya Bahari ya Mashine katika mifano bora. J.Adv. Mfano. Mfumo wa Dunia. 15. E2022MS003258 (2023).
Lippe, P., Wieling, B., Perdikaris, P., Turner, R., na Brandstetter, Uboreshaji wa J. PDE: Kufikia extrusions ndefu na solver ya neural PDE. Mkutano wa 37 juu ya Mifumo ya Usindikaji wa Habari ya Neural (Neurips 2023).
Frachas, Pr et al. Algorithm ya kurudi nyuma na hesabu ya hifadhi katika mitandao ya neural ya kawaida ya kutabiri mienendo tata ya spatiotemporal. Mtandao wa Neural. 126, 191–217 (2020).
Raissi, M., Perdikaris, P. na Karniadakis, Fizikia ya GE, Sayansi ya Kompyuta, Mitandao ya Neural: Mfumo wa kina wa Kujifunza kwa kutatua shida za mbele na mbaya zinazojumuisha usawa wa sehemu zisizo tofauti. J. Kompyuta. Fizikia. 378, 686-707 (2019).
Grossmann, TG, Komorowska, UJ, Lutz, J., na Schönlieb, K.-B. Je! Mitandao ya neural inayotokana na fizikia inaweza kuzidisha njia za laini? Maombi ya IMA J. Hisabati. 89, 143-174 (2024).
De La Mata, FF, Gijon, A., Molina-Solana, M., na Gómez-Romero, Mitandao ya Neural ya Fizikia ya Fizikia kwa Modeling inayoendeshwa na data: Manufaa, mapungufu, na fursa. Fizikia. 610, 128415 (2023).
Zhuang, P.-Y. & Barba, LA Ripoti ya nguvu juu ya mitandao ya neural inayotokana na fizikia katika modeli za maji: milango na tamaa. Preprint inapatikana katika https://arxiv.org/abs/2205.14249 (2022).
Zhuang, P.-Y. na Barba, mapungufu ya utabiri wa mitandao ya neural yenye habari juu ya malezi ya vortex. Preprint inapatikana katika https://arxiv.org/abs/2306.00230 (2023).
Wang, S., Yu, H., na Perdikaris, P. Wakati na kwa nini pini hushindwa kutoa mafunzo: mtazamo wa neural tangent. J. Kompyuta. Fizikia. 449, 110768 (2022).
Krishnapriyan, A., Gholami, A., Zhe, S., Kirby, R., na Mahoney, sifa za MW za njia zinazowezekana za kutofaulu katika mitandao ya habari ya mwili. Mkutano wa 35 juu ya Mifumo ya Usindikaji wa Habari ya Neural Vol. 34, 26548-26560 (Neurips 2021).
Basir, S. na Senokak, I. Utafiti muhimu wa njia za kutofaulu katika mitandao ya neural inayotokana na fizikia. Katika AIAA Scitech 2022 Mkutano wa 2353 (Ark, 2022).
Karnakov P., Litvinov S. na Koumoutsakos P. Kutatua shida za mwili kwa kuongeza upotezaji wa discrete: Kujifunza haraka na sahihi bila mitandao ya neural. mchakato. Chuo cha kitaifa cha Sayansi. Sayansi. Nexus 3, PGAE005 (2024).
Gundersen OE kanuni za msingi za kuzaliana. Phil.cross. R. Shuker. 379, 20200210 (2021).
Aromatis E na Pearson A. Mapitio ya kimfumo: Muhtasari. Ndio. J. Nursing 114, 53-58 (2014).
Magiera, J., Ray, D., Hesthaven, JS, na Rohde, K. Constaint-aware neural mitandao ya shida ya Riemann. J. Kompyuta. Fizikia. 409, 109345 (2020).
Bezgin DA, Schmidt SJ na Adams NA data inayoendeshwa na mwili wa kiwango cha laini kwa mshtuko wa voltage zisizo za kawaida. J. Kompyuta. Fizikia. 437, 110324 (2021).
Wakati wa chapisho: SEP-29-2024