Grazie per avè visitatu Nature.com. A versione di u navigatore chì utilizate hà un supportu CSS limitatu. Per i migliori risultati, vi cunsigliemu di utilizà una versione più recente di u vostru navigatore (o di disattivà a Modalità di Compatibilità in Internet Explorer). Intantu, per assicurà un supportu continuu, mostremu u situ senza stile o JavaScript.
Una di l'applicazioni più promettenti di l'apprendimentu automaticu in a fisica computazionale hè a suluzione accelerata di equazioni differenziali parziali (EDP). L'ubbiettivu principale di un risolutore di equazioni differenziali parziali basatu annantu à l'apprendimentu automaticu hè di pruduce suluzioni chì sò abbastanza precise, più veloci di i metudi numerichi standard per serve cum'è paragone di basa. Prima, realizemu una rivista sistematica di a literatura di l'apprendimentu automaticu nantu à a risoluzione di equazioni differenziali parziali. Di tutti i documenti chì riportanu l'usu di ML per risolve equazioni differenziali parziali fluide è chì rivendicanu a superiorità annantu à i metudi numerichi standard, avemu identificatu u 79% (60/76) paragunatu à e basi debuli. Siconda, avemu trovu evidenze di un pregiudiziu di segnalazione diffusu, in particulare in a segnalazione di i risultati è u pregiudiziu di publicazione. Cuncludemu chì a ricerca di l'apprendimentu automaticu nantu à a risoluzione di equazioni differenziali parziali hè eccessivamente ottimista: i dati d'input debuli ponu purtà à risultati eccessivamente pusitivi, è u pregiudiziu di segnalazione pò purtà à una sottostima di risultati negativi. In gran parte, questi prublemi parenu esse causati da fattori simili à e crisi di riproducibilità passate: discrezione di l'investigatore è pregiudiziu di risultati pusitivi. Facemu appellu à un cambiamentu culturale da u fondu à l'altu per minimizà a segnalazione pregiudiziale è una riforma strutturale da l'altu à u bassu per riduce l'incentivi perversi à fà cusì.
A lista di l'autori è di l'articuli generati da a rivista sistematica, è ancu a classificazione di ogni articulu in u campione aleatoriu, hè dispunibule publicamente à https://doi.org/10.17605/OSF.IO/GQ5B3 (rif. 124).
U codice necessariu per riproduce i risultati in a Tavula 2 si pò truvà nant'à GitHub: https://github.com/nickmcgreivy/WeakBaselinesMLPDE/ (rif. 125) è nant'à Code Ocean: https://codeocean.com/capsule/9605539/Tree/ v1 (ligame 126) è https://codeocean.com/capsule/0799002/tree/v1 (ligame 127).
Randall, D., è Welser, K., A Crisa di l'Irreproducibilità in a Scienza Moderna: Cause, Cunsequenze è Vie per a Riforma (Associazione Naziunale di i Scienziati, 2018).
Ritchie, S. Fantascienza: Cumu a Froda, u Pregiudiziu, u Silenziu è l'Hype Minanu a Ricerca di a Verità (Vintage, 2020).
Collaborazione scientifica aperta. Valutazione di a riproducibilità in a scienza psicologica. Science 349, AAAC4716 (2015).
Prinz, F., Schlange, T., è Asadullah, K. Chì ci crediate o micca: quantu pudemu fidà ci di i dati publicati nantu à i putenziali bersagli di droga? Nat. Rev. "The Discovery of Drugs". 10, 712 (2011).
Begley, KG è Ellis, LM Aumentà i standard in a ricerca preclinica nantu à u cancru. Nature 483, 531–533 (2012).
A. Gelman è E. Loken, U Giardinu di i Sentieri chì si Bifurcanu: Perchè e Paragune Multiple sò un Problema Ancu Senza "Spedizioni di Pesca" o "p-hacks" è Ipotesi di Ricerca Preformate, vol. 348, 1–17 (Dipartimentu di Statistica, 2013).
Karagiorgi, G., Kasecka, G., Kravitz, S., Nachman, B., è Shi, D. Apprendimentu automaticu à a ricerca di una nova fisica fundamentale. Duttore Nat. in Filosofia in Fisica. 4, 399–412 (2022).
Dara S, Damercherla S, Jadhav SS, Babu CM è Ahsan MJ. Apprendimentu automaticu in a scuperta di farmaci: una rivista. Atif. Intel. Ed. 55, 1947–1999 (2022).
Mather, AS è Coote, ML Apprendimentu prufondu in chimica. J.Chemistry. notificà. Modellu. 59, 2545–2559 (2019).
Rajkomar A., Dean J. è Kohan I. Apprendimentu automaticu in medicina. New England Journal of Medicine. 380, 1347–1358 (2019).
Grimmer J, Roberts ME. è Stewart BM Apprendimentu automaticu in e scienze suciali: un approcciu agnosticu. Rev. Ann Ball. scienza. 24, 395–419 (2021).
Jump, J. et al. Fate previsioni di struttura di proteine assai precise aduprendu alphafold. Nature 596, 583–589 (2021).
Gundersen, OE, Coakley, K., Kirkpatrick, K., è Gil, Y. Fonti d'irreproducibilità in l'apprendimentu automaticu: Una rivista. Preprint dispunibule à https://arxiv.org/abs/2204.07610 (2022).
Scully, D., Snook, J., Wiltschko, A., è Rahimi, A. A maledizione di Winner? Nantu à a velocità, u prugressu è u rigore di l'evidenza empirica (ICLR, 2018).
Armstrong, TG, Moffat, A., Webber, W., è Zobel, J. Miglioramenti non additivi: risultati di ricerca preliminari dapoi u 1998. 18a Cunferenza ACM nantu à a Gestione di l'Informazione è di a Cunniscenza 601–610 (ACM 2009).
Kapoor, S. è Narayanan, A. Crisi di perdite è riproducibilità in a scienza basata nantu à l'apprendimentu automaticu. Patterns, 4, 100804 (2023).
Kapoor S. et al. Riforma: norme di segnalazione scientifica basate nantu à l'apprendimentu automaticu. Preprint dispunibule à https://arxiv.org/abs/2308.07832 (2023).
DeMasi, O., Cording, C., è Recht, B. I paragoni senza significatu ponu purtà à un falsu ottimisimu in l'apprendimentu automaticu medicu. PloS ONE 12, e0184604 (2017).
Roberts, M., et al. Trappule cumuni è migliori pratiche per aduprà l'apprendimentu automaticu per rilevà è predisce COVID-19 da radiografie di u torace è tomografia computerizzata. Nat. Max. Intel. 3, 199–217 (2021).
Winantz L. et al. Modelli predittivi per a diagnosi è a prognosi di COVID-19: una rivista sistematica è una valutazione critica. BMJ 369, m1328 (2020).
Whalen S., Schreiber J., Noble WS è Pollard KS Superà i periculi di l'usu di l'apprendimentu automaticu in genomica. Nat. Pastor Ginette. 23, 169–181 (2022).
Atris N. et al. E migliori pratiche per l'apprendimentu automaticu in chimica. Nat. Chemical. 13, 505–508 (2021).
Brunton SL è Kutz JN Indicazioni promettenti per l'apprendimentu automaticu di equazioni differenziali parziali. Nat. calculate. science. 4, 483–494 (2024).
Vinuesa, R. è Brunton, SL Migliurà a dinamica di i fluidi computazionale per mezu di l'apprendimentu automaticu. Nat. calculate. science. 2, 358–366 (2022).
Comeau, S. et al. Apprendimentu automaticu scientificu cù reti neurali fisicamente infurmate: Induve simu avà è ciò chì vene dopu. J. Science. calculate. 92, 88 (2022).
Duraisamy, K., Yaccarino, G., è Xiao, H. Modellazione di turbulenza in l'era di i dati. Edizione rivista di Ann. 51, 357–377 (2019).
Durran, DR Metodi numerichi per risolve equazioni d'onda in idrodinamica geofisica, vol. 32 (Springer, 2013).
Mishra, S. Un quadru di apprendimentu automaticu per accelerà u calculu di equazioni differenziali basatu annantu à i dati. matematica. ingegnere. https://doi.org/10.3934/Mine.2018.1.118 (2018).
Kochikov D. et al. Apprendimentu automaticu - accelerazione di a dinamica di i fluidi computazionale. prucessu. Accademia Naziunale di e Scienze. scienza. US 118, e2101784118 (2021).
Kadapa, K. Apprendimentu automaticu per l'informatica è l'ingegneria - una breve introduzione è alcuni prublemi chjave. Preprint dispunibule à https://arxiv.org/abs/2112.12054 (2021).
Ross, A., Li, Z., Perezhogin, P., Fernandez-Granda, C., è Zanna, L. Analisi cumparativa di a parametrizazione di a sottogriglia oceanica di l'apprendimentu automaticu in mudelli idealizzati. J.Adv. Modellu. Sistema terrestre. 15. e2022MS003258 (2023).
Lippe, P., Wieling, B., Perdikaris, P., Turner, R., è Brandstetter, J. Raffinamentu di e PDE: ottene estrusioni lunghe precise cù un risolutore di PDE neurale. 37a Cunferenza nantu à i Sistemi di Trasfurmazione di l'Informazione Neurale (NeurIPS 2023).
Frachas, PR et al. Algoritmu di retropropagazione è calculu di u reservoir in reti neurali ricorrenti per predisce dinamiche spatiotempurali cumplesse. rete neurale. 126, 191–217 (2020).
Raissi, M., Perdikaris, P. è Karniadakis, GE Fisica, informatica, reti neurali: un quadru di apprendimentu prufondu per risolve prublemi diretti è inversi chì implicanu equazioni differenziali parziali non lineari. J. Computer. fisica. 378, 686–707 (2019).
Grossmann, TG, Komorowska, UJ, Lutz, J., è Schönlieb, K.-B. E rete neurali basate nantu à a fisica ponu superà i metudi di l'elementi finiti? IMA J. Applicazioni. matematica. 89, 143–174 (2024).
de la Mata, FF, Gijon, A., Molina-Solana, M., è Gómez-Romero, J. Reti neurali basate nantu à a fisica per a modellazione basata nantu à i dati: vantaghji, limitazioni è opportunità. fisica. A 610, 128415 (2023).
Zhuang, P.-Y. & Barba, LA Un rapportu empiricu nantu à e rete neurali basate nantu à a fisica in a modellazione di fluidi: trappule è delusioni. Preprint dispunibule à https://arxiv.org/abs/2205.14249 (2022).
Zhuang, P.-Y. è Barba, LA Limitazioni predittive di e rete neurali fisicamente infurmate nantu à a furmazione di vortici. Preprint dispunibule à https://arxiv.org/abs/2306.00230 (2023).
Wang, S., Yu, H., è Perdikaris, P. Quandu è perchè i pinn ùn si formanu micca: Una perspettiva di nucleu tangente neurale. J. Computer. physics. 449, 110768 (2022).
Krishnapriyan, A., Gholami, A., Zhe, S., Kirby, R., è Mahoney, MW Caratteristiche di i pussibuli modi di fallimentu in e rete neurali di l'infurmazione fisica. 35a Cunferenza nantu à i Sistemi di Trasfurmazione di l'Informazione Neurale Vol. 34, 26548–26560 (NeurIPS 2021).
Basir, S. è Senokak, I. Un studiu criticu di i modi di fallimentu in e rete neurali basate nantu à a fisica. In AiAA SCITECH 2022 Forum 2353 (ARK, 2022).
Karnakov P., Litvinov S. è Koumoutsakos P. Risoluzione di prublemi inversi fisichi ottimizendu perdite discrete: apprendimentu rapidu è precisu senza reti neurali. prucessu. Accademia Naziunale di e Scienze. scienza. Nexus 3, pgae005 (2024).
Gundersen OE Principii basi di riproducibilità. Phil.cross. R. Shuker. A 379, 20200210 (2021).
Aromataris E è Pearson A. Revisioni sistematiche: una panoramica. Iè. J. Nursing 114, 53–58 (2014).
Magiera, J., Ray, D., Hesthaven, JS, è Rohde, K. Reti neurali sensibili à i vincoli per u prublema di Riemann. J. Computer. physics. 409, 109345 (2020).
Bezgin DA, Schmidt SJ è Adams NA Circuitu di vulume finitu infurmatu fisicamente basatu annantu à i dati per scosse di tensione ridutta non classiche. J. Computer. physics. 437, 110324 (2021).
Data di publicazione: 29 di settembre di u 2024