Go raibh maith agat as cuairt a thabhairt ar Nature.com. Tá tacaíocht theoranta do CSS sa leagan brabhsálaí atá in úsáid agat. Chun na torthaí is fearr a fháil, molaimid duit leagan níos nuaí de do bhrabhsálaí a úsáid (nó Mód Comhoiriúnachta a dhíchumasú in Internet Explorer). Idir an dá linn, chun tacaíocht leanúnach a chinntiú, táimid ag taispeáint an tsuímh gan stíl ná JavaScript.
Ceann de na feidhmeanna is geallta den fhoghlaim meaisín san fhisic ríomhaireachtúil ná réiteach luathaithe cothromóidí difreálacha páirteacha (PDEnna). Is é príomhchuspóir réiteora cothromóidí difreálacha páirteacha atá bunaithe ar fhoghlaim meaisín ná réitigh a tháirgeadh atá cruinn go leor níos tapúla ná modhanna uimhriúla caighdeánacha chun fónamh mar chomparáid bhunlíne. Ar dtús, déanaimid athbhreithniú córasach ar litríocht na foghlama meaisín maidir le cothromóidí difreálacha páirteacha a réiteach. As na páipéir go léir a thuairiscíonn úsáid ML chun cothromóidí difreálacha páirteacha sreabhach a réiteach agus a mhaíonn go bhfuil siad níos fearr ná modhanna uimhriúla caighdeánacha, shainaithin muid 79% (60/76) i gcomparáid le bunlínte laga. Ar an dara dul síos, fuaireamar fianaise ar chlaontacht tuairiscithe forleathan, go háirithe i dtuairisciú torthaí agus claontacht foilsitheoireachta. Tagaimid i gcrích go bhfuil taighde foghlama meaisín ar réiteach cothromóidí difreálacha páirteacha ró-dhearfach: is féidir le sonraí ionchuir laga torthaí ró-dhearfacha a bheith mar thoradh orthu, agus is féidir le claontacht tuairiscithe fo-thuairisciú torthaí diúltacha a bheith mar thoradh orthu. Den chuid is mó, is cosúil gur fachtóirí cosúil le géarchéimeanna atáirgtheachta san am atá thart is cúis leis na fadhbanna seo: discréid imscrúdaitheora agus claontacht torthaí dearfacha. Iarraimid athrú cultúrtha ó bhun aníos chun tuairisciú claonta a íoslaghdú agus athchóiriú struchtúrach ó bharr anuas chun dreasachtaí claonta a laghdú chun é sin a dhéanamh.
Tá an liosta údar agus alt a gineadh leis an athbhreithniú córasach, mar aon le haicmiú gach ailt sa sampla randamach, ar fáil go poiblí ag https://doi.org/10.17605/OSF.IO/GQ5B3 (tag. 124).
Is féidir an cód atá riachtanach chun na torthaí i dTábla 2 a atáirgeadh a fháil ar GitHub: https://github.com/nickmcgreivy/WeakBaselinesMLPDE/ (tag. 125) agus ar Code Ocean: https://codeocean.com/capsule/9605539/Tree/ v1 (nasc 126) agus https://codeocean.com/capsule/0799002/tree/v1 (nasc 127).
Randall, D., agus Welser, K., Géarchéim Neamh-atáirgtheachta san Eolaíocht Nua-Aimseartha: Cúiseanna, Iarmhairtí, agus Bealaí le haghaidh Athchóirithe (Cumann Náisiúnta na nEolaithe, 2018).
Ritchie, S. Ficsean Eolaíochta: Conas a Bhaineann Calaois, Claontacht, Ciúnas, agus Ráflaí Boga an Lag ar an gCuardach ar an bhFírinne (Vintage, 2020).
Comhoibriú eolaíoch oscailte. Measúnú ar atáirgtheacht san eolaíocht shíceolaíoch. Eolaíocht 349, AAAC4716 (2015).
Prinz, F., Schlange, T., agus Asadullah, K. Creid é nó ná creid: Cé mhéad is féidir linn brath ar shonraí foilsithe maidir le spriocanna drugaí féideartha? Nat. Rev. “Fionnachtain Drugaí.” 10, 712 (2011).
Begley, KG agus Ellis, LM Ag ardú caighdeán i dtaighde réamhchliniciúil ailse. Nature 483, 531–533 (2012).
A. Gelman agus E. Loken, Gairdín na gCosán Forcach: Cén Fáth a bhfuil Comparáidí Ilghnéitheacha ina bhFadhb Fiú Gan “Turais Iascaireachta” nó “p-hacks” agus Hipitéisí Taighde Réamhdhéanta, iml. 348, 1–17 (Roinn na Staitisticí, 2013).
Karagiorgi, G., Kasecka, G., Kravitz, S., Nachman, B., agus Shi, D. Foghlaim meaisín ag cuardach fisice bunúsach nua. Dochtúir Fealsúnachta Náisiúnta san Fhisic. 4, 399–412 (2022).
Dara S, Damercherla S, Jadhav SS, Babu CM agus Ahsan MJ. Foghlaim meaisín i bhfionnachtain drugaí: athbhreithniú. Atif. Intel. Eag. 55, 1947–1999 (2022).
Mather, AS agus Coote, ML Foghlaim dhomhain sa cheimic. J.Chemistry. fógra a thabhairt. Samhail. 59, 2545–2559 (2019).
Rajkomar A., Dean J. agus Kohan I. Foghlaim meaisín sa leigheas. New England Journal of Medicine. 380, 1347–1358 (2019).
Grimmer J, Roberts ME. agus Stewart BM Foghlaim meaisín sna heolaíochtaí sóisialta: cur chuige agnóiseach. An tUrr. Ann Ball. eolaíocht. 24, 395–419 (2021).
Jump, J. et al. Déan réamh-mheastacháin struchtúr próitéine an-chruinn ag baint úsáide as alphafold. Nature 596, 583–589 (2021).
Gundersen, OE, Coakley, K., Kirkpatrick, K., agus Gil, Y. Foinsí neamh-atáirgtheachta i bhfoghlaim meaisín: Athbhreithniú. Réamhchló ar fáil ag https://arxiv.org/abs/2204.07610 (2022).
Scully, D., Snook, J., Wiltschko, A., agus Rahimi, A. Mallacht an bhuaiteora? Ar luas, dul chun cinn agus déine na fianaise eimpíreach (ICLR, 2018).
Armstrong, TG, Moffat, A., Webber, W., agus Zobel, J. Feabhsuithe neamh-bhreiseacha: torthaí cuardaigh réamhchéime ó 1998. 18ú Comhdháil ACM ar Bhainistíocht Faisnéise agus Eolais 601–610 (ACM 2009).
Kapoor, S. agus Narayanan, A. Géarchéimeanna sceite agus atáirgtheachta in eolaíocht atá bunaithe ar fhoghlaim meaisín. Patterns, 4, 100804 (2023).
Kapoor S. et al. Athchóiriú: caighdeáin tuairiscithe eolaíocha bunaithe ar fhoghlaim meaisín. Réamhchló ar fáil ag https://arxiv.org/abs/2308.07832 (2023).
DeMasi, O., Cording, C., agus Recht, B. Is féidir le comparáidí gan bhrí dóchas bréagach a bheith mar thoradh orthu i bhfoghlaim meaisín leighis. PloS ONE 12, e0184604 (2017).
Roberts, M., et al. Gaistí coitianta agus dea-chleachtais maidir le foghlaim meaisín a úsáid chun COVID-19 a bhrath agus a thuar ó x-ghathanna cófra agus tomagrafaíocht ríomhairithe. Nat. Max. Intel. 3, 199–217 (2021).
Winantz L. et al. Samhlacha réamhinsinte le haghaidh diagnóis agus prognóis COVID-19: athbhreithniú córasach agus measúnú criticiúil. BMJ 369, m1328 (2020).
Whalen S., Schreiber J., Noble WS agus Pollard KS Ag dul i ngleic leis na gaistí a bhaineann le foghlaim meaisín a úsáid sa ghéanómaíocht. Nat. Pastor Ginette. 23, 169–181 (2022).
Atris N. et al. Na cleachtais is fearr le haghaidh foghlaim meaisín sa cheimic. Nat. Chemical. 13, 505–508 (2021).
Brunton SL agus Kutz JN Treoracha geallta le haghaidh foghlaim meaisín cothromóidí difreálacha páirteacha. Nat. calculate. science. 4, 483–494 (2024).
Vinuesa, R. agus Brunton, SL Feabhsú dinimic sreabhach ríomhaireachtúil trí fhoghlaim meaisín. Nat. calculate. science. 2, 358–366 (2022).
Comeau, S. et al. Foghlaim meaisín eolaíoch le líonraí néaracha atá feasach go fisiciúil: Cá bhfuilimid anois agus cad atá romhainn. J. Science. calculate. 92, 88 (2022).
Duraisamy, K., Yaccarino, G., agus Xiao, H. Samhaltú suaiteachta i ré na sonraí. Eagrán athbhreithnithe de Ann. 51, 357–377 (2019).
Durran, DR Modhanna uimhriúla chun cothromóidí tonnta a réiteach i hidridinimic gheoifisiceach, iml. 32 (Springer, 2013).
Mishra, S. Creat foghlama meaisín chun ríomh cothromóidí difreálacha atá bunaithe ar shonraí a bhrostú. matamaitic. innealtóir. https://doi.org/10.3934/Mine.2018.1.118 (2018).
Kochikov D. et al. Foghlaim meaisín – luasghéarú dinimic sreabhach ríomhaireachtúil. próiseas. Acadamh Náisiúnta na nEolaíochtaí. eolaíocht. US 118, e2101784118 (2021).
Kadapa, K. Foghlaim meaisín don eolaíocht ríomhaireachta agus don innealtóireacht – réamhrá gairid agus roinnt príomhcheisteanna. Réamhchló ar fáil ag https://arxiv.org/abs/2112.12054 (2021).
Ross, A., Li, Z., Perezhogin, P., Fernandez-Granda, C., agus Zanna, L. Anailís chomparáideach ar pharaiméadú fo-ghreille aigéin foghlama meaisín i samhlacha idéalaithe. J.Adv. Model. córas talún. 15. e2022MS003258 (2023).
Lippe, P., Wieling, B., Perdikaris, P., Turner, R., agus Brandstetter, J. Mionchoigeartú PDE: easbhrúite fada cruinne a bhaint amach le réiteoir néarach PDE. 37ú Comhdháil ar Chórais Próiseála Faisnéise Néarónach (NeurIPS 2023).
Frachas, PR et al. Algartam aisiompaithe agus ríomh taiscumair i líonraí néaracha athfhillteacha chun dinimic spásama agus ama casta a thuar. líonra néarach. 126, 191–217 (2020).
Raissi, M., Perdikaris, P. agus Karniadakis, GE Physics, eolaíocht ríomhaireachta, líonraí néaracha: creat foghlama domhain chun fadhbanna ar aghaidh agus inbhéartacha a réiteach a bhaineann le cothromóidí difreálacha páirteacha neamhlíneacha. J. Computer. physics. 378, 686–707 (2019).
Grossmann, TG, Komorowska, UJ, Lutz, J., agus Schönlieb, K.-B. An féidir le líonraí néaracha bunaithe ar fhisic feidhmiú níos fearr ná modhanna eilimintí críochta? IMA J. Feidhmchláir. matamaitic. 89, 143–174 (2024).
de la Mata, FF, Gijon, A., Molina-Solana, M., agus Gómez-Romero, J. Líonraí néaracha bunaithe ar fhisic le haghaidh samhaltú bunaithe ar shonraí: buntáistí, teorainneacha agus deiseanna. fisic. A 610, 128415 (2023).
Zhuang, P.-Y. & Barba, LA Tuarascáil eimpíreach ar líonraí néaracha bunaithe ar fhisic i samhaltú sreabhach: gaistí agus díomá. Réamhchló ar fáil ag https://arxiv.org/abs/2205.14249 (2022).
Zhuang, P.-Y. agus Barba, LA Teorainneacha réamhinsinte líonraí néaracha atá feasach go fisiciúil ar fhoirmiú vortex. Réamhchló ar fáil ag https://arxiv.org/abs/2306.00230 (2023).
Wang, S., Yu, H., agus Perdikaris, P. Cathain agus cén fáth a dteipeann ar phinn traenáil: Peirspictíocht núicléas tadhlaíoch néarónach. J. Computer. physics. 449, 110768 (2022).
Krishnapriyan, A., Gholami, A., Zhe, S., Kirby, R., agus Mahoney, MW Saintréithe modhanna teipe féideartha i líonraí néaracha faisnéise fisiciúla. 35ú Comhdháil ar Chórais Próiseála Faisnéise Néaracha Imleabhar 34, 26548–26560 (NeurIPS 2021).
Basir, S. agus Senokak, I. Staidéar criticiúil ar mhodhanna teipe i líonraí néaracha bunaithe ar fhisic. In AiAA SCITECH 2022 Forum 2353 (ARK, 2022).
Karnakov P., Litvinov S. agus Koumoutsakos P. Fadhbanna fisiceacha inbhéartacha a réiteach trí chaillteanais scoite a bharrfheabhsú: foghlaim thapa agus chruinn gan líonraí néaracha. próiseas. Acadamh Náisiúnta na nEolaíochtaí. eolaíocht. Nexus 3, pgae005 (2024).
Gundersen OE Prionsabail bhunúsacha atáirgtheachta. Phil.cross. R. Shuker. A 379, 20200210 (2021).
Aromataris E agus Pearson A. Athbhreithnithe córasacha: forbhreathnú. Tá. J. Nursing 114, 53–58 (2014).
Magiera, J., Ray, D., Hesthaven, JS, agus Rohde, K. Líonraí néaracha atá feasach ar shrianta don fhadhb Riemann. J. Computer. physics. 409, 109345 (2020).
Bezgin DA, Schmidt SJ agus Adams NA Ciorcad toirte críochta atá bunaithe ar shonraí agus atá eolasach go fisiciúil le haghaidh turraingí voltais laghdaithe neamhchlasaiceacha. J. Computer. physics. 437, 110324 (2021).
Am an phoist: 29 Meán Fómhair 2024