MIT предложил метод с формальными гарантиями ограниченности прогнозов хаоса
Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .
Диссипация энергии навязывается жёстко, а не штрафом при обучении: предсказание не может уйти в физически невозможные значения на длинном горизонте.
Исследователи MIT предложили метод, который теоретически гарантирует ограниченность предсказаний моделей машинного обучения для хаотических систем. Модель учит энергоподобную функцию и границу, за которой энергия должна убывать, а проекционный слой жёстко навязывает диссипацию энергии. По утверждению команды, это первая работа с формальными гарантиями ограниченности на сколь угодно длинных горизонтах. Обычные подходы со штрафами при обучении уходят в физически невозможные значения. Авторы — Sunbochen Tang, Navid Azizan и Themistoklis Sapsis из LIDS MIT, статья опубликована в PNAS, код и данные открыты. Проекционный слой модельно-агностичен и применим к разным архитектурам; прикладные направления — прогноз погоды и климата, турбулентность, гидрология и промышленные процессы.
Источники 1