Oct, 2023
基于神经模拟器的无梯度在线学习亚网尺度动力学
Gradient-free online learning of subgrid-scale dynamics with neural emulators
Hugo Frezat, Guillaume Balarac, Julien Le Sommer, Ronan Fablet
TL;DR在本文中,我们提出了一种通用算法,用于在线训练基于机器学习的子网参数化,即使用非可微数值求解器的 $ extit {a posteriori}$ loss 函数。所提出的方法利用神经仿真器来训练减少状态空间求解器的近似,然后通过时间积分步骤传播梯度。该算法能够在不计算原始求解器的梯度的情况下恢复大部分在线策略的好处。实验证明,分别使用相应的损失量训练神经仿真器和参数化组件是必要的,以最小化某些近似偏差的传播。