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
Weak baselines and reporting biases lead to overoptimism in machine
learning for fluid-related partial differential equations
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。