Jul, 2024

弱基线和报告偏差导致流体相关偏微分方程中机器学习的过度乐观

TL;DR机器学习(ML)在计算物理学中最有前景的应用之一是加速偏微分方程(PDEs)的解决。ML 基于 PDE 求解器的主要目标是以比标准数值方法更快速、足够准确的解决方案输出,我们发现存在报告倾向性和出版倾向性等广泛存在的偏差,导致 ML 对于 PDE 求解研究过于乐观。我们呼吁从底层文化改变和从上层结构改革着手,以最小化有偏报告和减少执行这种行为的反常激励。