- 通过基于梯度的非侵入式元解法加速传统数值求解器
我们提出了一种非侵入性方法,通过一种新颖的梯度估计技术将机器学习与传统的非自动可微分的数值代码相结合,从而解决了实际应用中难以应用最新研究成果的问题。
- 高维度中的平滑函数学习:从稀疏多项式到深度神经网络
从有限的点值样本学习多变量平滑目标函数的近似是科学计算和计算科学工程中的一个重要任务。本文调查了近年来在此方面取得的重大进展,描述了来自参数模型和计算不确定性量化的当代动机,无穷维巴拿赫空值全纯函数类,这些类的有限数据可学习性的基本限制,以 - JAXbind: 将任何函数绑定到 JAX
JAXbind 旨在通过提供易于使用的 Python 接口,将用其他编程语言实现的自定义函数绑定到 JAX,从而大大减少了绑定自定义函数到 JAX 所需的工作量。
- 引导 OTS-Funcimg 预训练模型(Botfip)—— 一个综合的符号回归框架
在科学计算领域中,很多问题解决方法都注重过程和最终结果,即使在科学领域的人工智能中,也缺乏深入的多模态信息挖掘,缺少与图像文本领域类似的多模态框架。本文以符号回归(SR)为重点,从图像文本领域的 BLIP 模型得到启发,提出了一种基于函数图 - 一个基础的神经算子,持续学习且无遗忘
本研究引入了神经组合小波神经算子(NCWNO)的概念作为科学计算的基础模型,该模型专为学习各种物理学中的解算符,并能快速适应新的挑战,同时在新的参数化偏微分方程上保持积极的迁移,通过一系列基准测试例子证明了 NCWNO 在预测阶段能够超过特 - 使用多模态变换器预测运算符和符号表达式
用一种名为 PROSE 的新型神经网络框架,能够从数据中学习运算符和控制方程,提供了更大的灵活性和通用性,以实现非线性微分方程的近似计算和预测。
- ICLR使用正向和反向模式自动微分将偏微分方程引入到 JAX
使用有限元方法扩展了 JAX 自动微分库,通过 Firedrake 有限元库实现对偏微分方程的符号化表示,从而有效地将有限元解算器与任意可微程序进行组合。
- 提升基于 AND/OR 的计算蛋白质设计:动态启发和可推广的 UFO
通过引入 AOBB-K*-b、AOBB-K*-DH 和 AOBB-K*-UFO 三个新版本,我们着重提高了 AOBB-K * 的可扩展性,从而促进科学计算的发展。
- 通过通量函数算符学习多孔介质中多相流传输的泛解决方案
本文介绍了一种新的深度学习算法 ——PI-DeepONets 用于求解 Buckley-Leverett 偏微分方程并在多个科学和工程领域实现了四个数量级的速度提升,为传输问题研究提供了有前途的工具。
- 神经不完全分解:学习共轭梯度法的预处理器
本文提出了一种基于自监管训练的图神经网络的数据驱动方法,用于加速科学计算和优化中遇到的大规模线性方程组求解,并且通过替换传统的手工制备预处理器,在收敛速度和计算效率方面实现了显著的提速。在我们的方法的核心是一种受稀疏矩阵理论启发的新型消息传 - 野外科学计算的深度主动学习
本文首次探究使用十个最先进的深度主动学习方法并解决八个基准问题的科学计算问题的鲁棒性,并建议对于科学计算问题,多样性是鲁棒的深度主动学习的必要条件。
- 远程感知中异构系统的动态组合方法
本文介绍了一种新的动态组合异构系统的方法,以进一步推进数据驱动的科学实践,以提高计算效率和特定科学领域的可用工具,并概述了一项以可组合基础架构为基础的案例研究,展示了火灾建模的应用。
- 面向科学计算的深度主动学习的鲁棒性
提出了一种在科学计算领域中应用的深度主动学习方法,对六个基准问题进行了评估,发现现代池化型主动学习方法都存在一个敏感的超参数,被称为池比例,该方法克服了这一限制,提供了更稳健的性能。
- 机器学习在计算流体力学中的应用
机器学习在科学计算中已经成为核心技术,能够用于加速直接数值模拟,提高湍流封闭建模,并发展优化的降阶模型,在计算流体力学等领域有着广泛的应用和潜在影响,但也需要考虑一些潜在限制和问题。
- ICLR随机自动微分
提出了随机自动微分 (RAD) 的一般框架和方法,可实现减少内存的无偏梯度估计,特别适用于小批量的反向传播神经网络,同时适用于科学计算中的优化控制参数
- SciPy 1.0--Python 科学计算的基础算法
SciPy 是用于 Python 编程语言的开源科学计算库,涵盖聚类,傅里叶变换,积分,插值,文件 I/O,线性代数,图像处理,正交距离回归等众多领域,在 600 多个贡献者的努力下,它已经成为了 Python 编程语言中使用科学算法的事实 - 可微编程系统:连接机器学习与科学计算
这篇论文介绍了一种 Differentiable Programming 系统 Zygote,能够从一般的程序结构中获取梯度,该系统支持控制流、递归、突变等几乎所有语言构造,并支持各种高级自动微分技术,可以在不需要任何用户干预或重构来分阶段 - 基于盒约束牛顿法和内点方法的矩阵缩放和平衡
本篇论文提出了一种新的二阶优化框架,用于处理矩阵缩放和平衡问题,提出了可以忽略对数因子的算法,可以在几乎线性时间内解决这些问题,同时提供了一种使用内部点方法的单独算法,以及广泛适用的第二阶鲁棒函数最小化方法。
- 无需主成分分析的主成分投影
该论文介绍了一个迭代算法,用于高效地将向量投影到矩阵的前几个主成分上,避免了对主成分分析(PCA)的显式计算,提供了对最流行的主成分回归问题的快速迭代方法。
- Firedrake:通过组合抽象自动化有限元方法
Firedrake 是一个新的工具,用于自动化解决偏微分方程的数值解。它采用 FEniCS 项目的有限元方法领域特定语言,但使用纯 Python 运行时,聚焦于科学计算的几个现有和新的抽象层次,从而实现了更完整的关注点分离,并容易将计算机科