ദ്രാവകവുമായി ബന്ധപ്പെട്ട ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യങ്ങളുടെ മെഷീൻ ലേണിംഗിൽ ദുർബലമായ അടിസ്ഥാനരേഖകളും റിപ്പോർട്ടിംഗ് ബയസും അമിത ശുഭാപ്തിവിശ്വാസത്തിലേക്ക് നയിക്കുന്നു.

Nature.com സന്ദർശിച്ചതിന് നന്ദി. നിങ്ങൾ ഉപയോഗിക്കുന്ന ബ്രൗസറിന്റെ പതിപ്പിന് പരിമിതമായ CSS പിന്തുണ മാത്രമേ ഉള്ളൂ. മികച്ച ഫലങ്ങൾക്കായി, നിങ്ങളുടെ ബ്രൗസറിന്റെ പുതിയ പതിപ്പ് ഉപയോഗിക്കാൻ ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു (അല്ലെങ്കിൽ ഇന്റർനെറ്റ് എക്സ്പ്ലോററിൽ കോംപാറ്റിബിലിറ്റി മോഡ് പ്രവർത്തനരഹിതമാക്കുക). അതേസമയം, തുടർച്ചയായ പിന്തുണ ഉറപ്പാക്കാൻ, സ്റ്റൈലിംഗോ ജാവാസ്ക്രിപ്റ്റോ ഇല്ലാതെ ഞങ്ങൾ സൈറ്റ് കാണിക്കുന്നു.
കമ്പ്യൂട്ടേഷണൽ ഫിസിക്സിൽ മെഷീൻ ലേണിംഗിന്റെ ഏറ്റവും പ്രതീക്ഷ നൽകുന്ന പ്രയോഗങ്ങളിലൊന്നാണ് ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യങ്ങളുടെ (PDEs) ത്വരിതപ്പെടുത്തിയ പരിഹാരം. അടിസ്ഥാന താരതമ്യമായി വർത്തിക്കുന്നതിന് സ്റ്റാൻഡേർഡ് സംഖ്യാ രീതികളേക്കാൾ വേഗത്തിൽ കൃത്യമായ പരിഹാരങ്ങൾ നിർമ്മിക്കുക എന്നതാണ് മെഷീൻ ലേണിംഗ് അടിസ്ഥാനമാക്കിയുള്ള ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യ പരിഹാരിയുടെ പ്രധാന ലക്ഷ്യം. ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യങ്ങൾ പരിഹരിക്കുന്നതിനെക്കുറിച്ചുള്ള മെഷീൻ ലേണിംഗ് സാഹിത്യത്തിന്റെ ഒരു വ്യവസ്ഥാപിത അവലോകനം ഞങ്ങൾ ആദ്യം നടത്തുന്നു. ദ്രാവക ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യങ്ങൾ പരിഹരിക്കുന്നതിന് ML ന്റെ ഉപയോഗം റിപ്പോർട്ട് ചെയ്യുന്നതും സ്റ്റാൻഡേർഡ് സംഖ്യാ രീതികളേക്കാൾ ശ്രേഷ്ഠത അവകാശപ്പെടുന്നതുമായ എല്ലാ പ്രബന്ധങ്ങളിലും, ദുർബലമായ അടിസ്ഥാനരേഖകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ 79% (60/76) ഞങ്ങൾ തിരിച്ചറിഞ്ഞു. രണ്ടാമതായി, വ്യാപകമായ റിപ്പോർട്ടിംഗ് ബയസിന്റെ തെളിവുകൾ ഞങ്ങൾ കണ്ടെത്തി, പ്രത്യേകിച്ച് ഫല റിപ്പോർട്ടിംഗിലും പ്രസിദ്ധീകരണ ബയസിലും. ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യങ്ങൾ പരിഹരിക്കുന്നതിനെക്കുറിച്ചുള്ള മെഷീൻ ലേണിംഗ് ഗവേഷണം അമിതമായി ശുഭാപ്തിവിശ്വാസമുള്ളതാണെന്ന് ഞങ്ങൾ നിഗമനം ചെയ്യുന്നു: ദുർബലമായ ഇൻപുട്ട് ഡാറ്റ അമിതമായി പോസിറ്റീവ് ഫലങ്ങളിലേക്ക് നയിച്ചേക്കാം, റിപ്പോർട്ടിംഗ് ബയസ് നെഗറ്റീവ് ഫലങ്ങൾ കുറച്ചുകാണുന്നതിലേക്ക് നയിച്ചേക്കാം. പ്രധാനമായും, മുൻകാല പുനരുൽപാദനക്ഷമത പ്രതിസന്ധികൾക്ക് സമാനമായ ഘടകങ്ങളാണ് ഈ പ്രശ്നങ്ങൾക്ക് കാരണമാകുന്നത്: അന്വേഷക വിവേചനാധികാരവും പോസിറ്റീവ് ഫല ബയസും. പക്ഷപാതപരമായ റിപ്പോർട്ടിംഗ് കുറയ്ക്കുന്നതിന് താഴെ നിന്ന് മുകളിലേക്ക് സാംസ്കാരിക മാറ്റവും അങ്ങനെ ചെയ്യുന്നതിന് വികലമായ പ്രോത്സാഹനങ്ങൾ കുറയ്ക്കുന്നതിന് മുകളിൽ നിന്ന് താഴേക്ക് ഘടനാപരമായ പരിഷ്കരണവും ഞങ്ങൾ ആവശ്യപ്പെടുന്നു.
സിസ്റ്റമാറ്റിക് റിവ്യൂ വഴി സൃഷ്ടിക്കപ്പെട്ട രചയിതാക്കളുടെയും ലേഖനങ്ങളുടെയും പട്ടികയും, ക്രമരഹിത സാമ്പിളിലെ ഓരോ ലേഖനത്തിന്റെയും വർഗ്ഗീകരണവും, https://doi.org/10.17605/OSF.IO/GQ5B3 (റഫ. 124) എന്ന വിലാസത്തിൽ പൊതുവായി ലഭ്യമാണ്.
പട്ടിക 2 ലെ ഫലങ്ങൾ പുനർനിർമ്മിക്കുന്നതിന് ആവശ്യമായ കോഡ് GitHub-ൽ കാണാം: https://github.com/nickmcgreivy/WeakBaselinesMLPDE/ (ref. 125) കൂടാതെ Code Ocean-ൽ: https://codeocean.com/capsule/9605539/Tree/ v1 (ലിങ്ക് 126) ഉം https://codeocean.com/capsule/0799002/tree/v1 (ലിങ്ക് 127) ഉം.
റാൻഡൽ, ഡി., വെൽസർ, കെ., ആധുനിക ശാസ്ത്രത്തിലെ പുനരുൽപ്പാദനക്ഷമതാ പ്രതിസന്ധി: കാരണങ്ങൾ, പരിണതഫലങ്ങൾ, പരിഷ്കരണത്തിനുള്ള പാതകൾ (നാഷണൽ അസോസിയേഷൻ ഓഫ് സയന്റിസ്റ്റ്സ്, 2018).
റിച്ചി, എസ്. സയൻസ് ഫിക്ഷൻ: ഹൗ ഫ്രോഡ്, ബയസ്, സൈലൻസ്, ആൻഡ് ഹൈപ്പ് അണ്ടർമൈൻ ദി സെർച്ച് ഫോർ ട്രൂത്ത് (വിന്റേജ്, 2020).
തുറന്ന ശാസ്ത്രീയ സഹകരണം. മനഃശാസ്ത്രത്തിലെ പുനരുൽപാദനക്ഷമത വിലയിരുത്തൽ. സയൻസ് 349, AAAC4716 (2015).
പ്രിൻസ്, എഫ്., ഷ്ലാഞ്ച്, ടി., അസദുള്ള, കെ. വിശ്വസിച്ചാലും ഇല്ലെങ്കിലും: സാധ്യതയുള്ള മയക്കുമരുന്ന് ലക്ഷ്യങ്ങളെക്കുറിച്ചുള്ള പ്രസിദ്ധീകരിച്ച ഡാറ്റയെ നമുക്ക് എത്രത്തോളം ആശ്രയിക്കാം? നാറ്റ്. റവ. “മയക്കുമരുന്നുകളുടെ കണ്ടെത്തൽ.” 10, 712 (2011).
ബെഗ്ലി, കെ.ജി., എല്ലിസ്, എൽ.എം. പ്രീക്ലിനിക്കൽ കാൻസർ ഗവേഷണത്തിൽ നിലവാരം ഉയർത്തൽ. നേച്ചർ 483, 531–533 (2012).
എ. ഗെൽമാനും ഇ. ലോകനും, ദി ഗാർഡൻ ഓഫ് ഫോർക്കിംഗ് പാത്ത്‌സ്: വൈ മൾട്ടിപ്പിൾ കംപാരിഷൻസ് ആർ എ പ്രോബ്ലം ഈവൻ വിത്തൗട്ട് “ഫിഷിംഗ് എക്സ്പെഡിഷൻസ്” അല്ലെങ്കിൽ “പി-ഹാക്കുകൾ” ആൻഡ് പ്രീഫോംഡ് റിസർച്ച് ഹൈപ്പോത്തസസ്, വാല്യം 348, 1–17 (സ്റ്റാറ്റിസ്റ്റിക്സ് വകുപ്പ്, 2013).
കരഗിയോർഗി, ജി., കാസെക്ക, ജി., ക്രാവിറ്റ്സ്, എസ്., നാച്ച്മാൻ, ബി., ഷി, ഡി. പുതിയ അടിസ്ഥാന ഭൗതികശാസ്ത്രം തേടി മെഷീൻ ലേണിംഗ്. നാറ്റ്. ഡോക്ടർ ഓഫ് ഫിലോസഫി ഇൻ ഫിസിക്സ്. 4, 399–412 (2022).
ദാര എസ്, ഡാമർചെർല എസ്, ജാദവ് എസ്എസ്, ബാബു സിഎം, അഹ്സാൻ എംജെ. മയക്കുമരുന്ന് കണ്ടെത്തലിൽ മെഷീൻ ലേണിംഗ്: ഒരു അവലോകനം. ആറ്റിഫ്. ഇന്റൽ. എഡ്. 55, 1947–1999 (2022).
മാത്തർ, എ.എസ്., കൂട്ട്, എം.എൽ. രസതന്ത്രത്തിൽ ആഴത്തിലുള്ള പഠനം. ജെ.കെമിസ്ട്രി. അറിയിക്കുക. മോഡൽ. 59, 2545–2559 (2019).
രാജ്കോമർ എ., ഡീൻ ജെ., കോഹൻ ഐ. എന്നിവർ വൈദ്യശാസ്ത്രത്തിൽ യന്ത്ര പഠനം. ന്യൂ ഇംഗ്ലണ്ട് ജേണൽ ഓഫ് മെഡിസിൻ. 380, 1347–1358 (2019).
ഗ്രിമ്മർ ജെ, റോബർട്ട്സ് എംഇ., സ്റ്റുവർട്ട് ബിഎം എന്നിവർ സാമൂഹിക ശാസ്ത്രങ്ങളിൽ മെഷീൻ ലേണിംഗ്: ഒരു അജ്ഞേയവാദ സമീപനം. റവ. ആൻ ബോൾ. സയൻസ്. 24, 395–419 (2021).
ജമ്പ്, ജെ. തുടങ്ങിയവർ. ആൽഫാഫോൾഡ് ഉപയോഗിച്ച് വളരെ കൃത്യമായ പ്രോട്ടീൻ ഘടന പ്രവചനങ്ങൾ നടത്തുക. നേച്ചർ 596, 583–589 (2021).
ഗുണ്ടേഴ്‌സൺ, ഒഇ, കോക്ലി, കെ., കിർക്ക്‌പാട്രിക്, കെ., ഗിൽ, വൈ. മെഷീൻ ലേണിംഗിലെ പുനരുൽപ്പാദനക്ഷമതയുടെ ഉറവിടങ്ങൾ: ഒരു അവലോകനം. https://arxiv.org/abs/2204.07610 (2022) എന്നതിൽ പ്രീപ്രിന്റ് ലഭ്യമാണ്.
സ്കല്ലി, ഡി., സ്നൂക്ക്, ജെ., വിൽറ്റ്ഷ്കോ, എ., റഹിമി, എ. വിജയിയുടെ ശാപം? അനുഭവപരമായ തെളിവുകളുടെ വേഗത, പുരോഗതി, കാഠിന്യം എന്നിവയെക്കുറിച്ച് (ICLR, 2018).
ആംസ്ട്രോങ്, ടിജി, മോഫാറ്റ്, എ., വെബ്ബർ, ഡബ്ല്യു., സോബൽ, ജെ. നോൺ-അഡിറ്റീവ് എൻഹാൻസ്‌മെന്റുകൾ: 1998 മുതൽ പ്രാഥമിക തിരയൽ ഫലങ്ങൾ. ഇൻഫർമേഷൻ ആൻഡ് നോളജ് മാനേജ്‌മെന്റിനെക്കുറിച്ചുള്ള 18-ാമത് എസിഎം കോൺഫറൻസ് 601–610 (എസിഎം 2009).
കപൂർ, എസ്., നാരായണൻ, എ. മെഷീൻ ലേണിംഗ് അധിഷ്ഠിത ശാസ്ത്രത്തിലെ ചോർച്ചയും പുനരുൽപാദനക്ഷമതാ പ്രതിസന്ധികളും. പാറ്റേൺസ്, 4, 100804 (2023).
കപൂർ എസ്. തുടങ്ങിയവരുടെ പരിഷ്കരണം: മെഷീൻ ലേണിംഗിനെ അടിസ്ഥാനമാക്കിയുള്ള ശാസ്ത്രീയ റിപ്പോർട്ടിംഗ് മാനദണ്ഡങ്ങൾ. https://arxiv.org/abs/2308.07832 (2023) എന്നതിൽ പ്രീപ്രിന്റ് ലഭ്യമാണ്.
ഡിമാസി, ഒ., കോർഡിംഗ്, സി., റെക്റ്റ്, ബി. അർത്ഥശൂന്യമായ താരതമ്യങ്ങൾ മെഡിക്കൽ മെഷീൻ ലേണിംഗിൽ തെറ്റായ ശുഭാപ്തിവിശ്വാസത്തിലേക്ക് നയിച്ചേക്കാം. PLoS ONE 12, e0184604 (2017).
റോബർട്ട്സ്, എം., തുടങ്ങിയവർ. നെഞ്ച് എക്സ്-റേകളിൽ നിന്നും കമ്പ്യൂട്ട് ചെയ്ത ടോമോഗ്രാഫിയിൽ നിന്നും കോവിഡ്-19 കണ്ടെത്തുന്നതിനും പ്രവചിക്കുന്നതിനും മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്നതിനുള്ള പൊതുവായ പിഴവുകളും മികച്ച രീതികളും. നാറ്റ്. മാക്സ്. ഇന്റൽ. 3, 199–217 (2021).
വിനാന്റ്സ് എൽ. തുടങ്ങിയവർ. കോവിഡ്-19 രോഗനിർണയത്തിനും രോഗനിർണയത്തിനുമുള്ള പ്രവചന മാതൃകകൾ: ഒരു വ്യവസ്ഥാപിത അവലോകനവും നിർണായക വിലയിരുത്തലും. BMJ 369, m1328 (2020).
ജീനോമിക്സിൽ മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്നതിന്റെ അപകടങ്ങൾ മറികടക്കൽ. നാറ്റ്. പാസ്റ്റർ ഗിനെറ്റ്. 23, 169–181 (2022).
ആട്രിസ് എൻ. തുടങ്ങിയവർ. രസതന്ത്രത്തിൽ മെഷീൻ ലേണിംഗിനുള്ള മികച്ച രീതികൾ. നാറ്റ്. കെമിക്കൽ. 13, 505–508 (2021).
ബ്രണ്ടൺ എസ്‌എൽ, കുറ്റ്സ് ജെഎൻ എന്നിവർ ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യങ്ങളുടെ മെഷീൻ ലേണിംഗിനുള്ള വാഗ്ദാന നിർദ്ദേശങ്ങൾ. നാച്ചുറൽ കണക്കുകൂട്ടൽ. ശാസ്ത്രം. 4, 483–494 (2024).
വിനുവേസ, ആർ., ബ്രണ്ടൻ, എസ്.എൽ. മെഷീൻ ലേണിംഗിലൂടെ കമ്പ്യൂട്ടേഷണൽ ഫ്ലൂയിഡ് ഡൈനാമിക്സ് മെച്ചപ്പെടുത്തുന്നു. നാറ്റ്. കണക്കുകൂട്ടൽ. ശാസ്ത്രം. 2, 358–366 (2022).
കോമ്യൂ, എസ്. തുടങ്ങിയവർ. ഭൗതികമായി വിവരമുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉപയോഗിച്ചുള്ള ശാസ്ത്രീയ മെഷീൻ ലേണിംഗ്: നമ്മൾ ഇപ്പോൾ എവിടെയാണ്, അടുത്തത് എന്താണ്. ജെ. സയൻസ്. കണക്കുകൂട്ടുക. 92, 88 (2022).
ദുരൈസാമി, കെ., യാക്കാരിനോ, ജി., സിയാവോ, എച്ച്. ഡാറ്റാ യുഗത്തിലെ ടർബുലൻസ് മോഡലിംഗ്. ആന്റെ പുതുക്കിയ പതിപ്പ്. 51, 357–377 (2019).
ഡുറാൻ, ഡിആർ ജിയോഫിസിക്കൽ ഹൈഡ്രോഡൈനാമിക്സിലെ തരംഗ സമവാക്യങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള സംഖ്യാ രീതികൾ, വാല്യം 32 (സ്പ്രിംഗർ, 2013).
മിശ്ര, എസ്. ഡിഫറൻഷ്യൽ സമവാക്യങ്ങളുടെ ഡാറ്റാധിഷ്ഠിത കമ്പ്യൂട്ടേഷൻ ത്വരിതപ്പെടുത്തുന്നതിനുള്ള ഒരു മെഷീൻ ലേണിംഗ് ഫ്രെയിംവർക്ക്. ഗണിതം. എഞ്ചിനീയർ. https://doi.org/10.3934/Mine.2018.1.118 (2018).
കൊച്ചിക്കോവ് ഡി. തുടങ്ങിയവർ. മെഷീൻ ലേണിംഗ് - കമ്പ്യൂട്ടേഷണൽ ഫ്ലൂയിഡ് ഡൈനാമിക്സിന്റെ ത്വരണം. പ്രക്രിയ. നാഷണൽ അക്കാദമി ഓഫ് സയൻസസ്. ശാസ്ത്രം. യുഎസ് 118, e2101784118 (2021).
കടപ്പ, കെ. കമ്പ്യൂട്ടർ സയൻസിനും എഞ്ചിനീയറിംഗിനുമുള്ള മെഷീൻ ലേണിംഗ് - ഒരു ഹ്രസ്വ ആമുഖവും ചില പ്രധാന പ്രശ്നങ്ങളും. https://arxiv.org/abs/2112.12054 (2021) എന്നതിൽ പ്രീപ്രിന്റ് ലഭ്യമാണ്.
റോസ്, എ., ലി, ഇസഡ്., പെരെഷോഗിൻ, പി., ഫെർണാണ്ടസ്-ഗ്രാൻഡ, സി., സന്ന, എൽ. ഐഡിയലൈസ്ഡ് മോഡലുകളിലെ മെഷീൻ ലേണിംഗ് ഓഷ്യൻ സബ്ഗ്രിഡ് പാരാമീറ്ററൈസേഷന്റെ താരതമ്യ വിശകലനം. ജെ.അഡ്വ. മോഡൽ. എർത്ത് സിസ്റ്റം. 15. e2022MS003258 (2023).
ലിപ്പെ, പി., വീലിംഗ്, ബി., പെർഡികാരിസ്, പി., ടർണർ, ആർ., ബ്രാൻഡ്‌സ്റ്റെറ്റർ, ജെ. പിഡിഇ പരിഷ്‌ക്കരണം: ഒരു ന്യൂറൽ പിഡിഇ സോൾവർ ഉപയോഗിച്ച് കൃത്യമായ ലോംഗ് എക്സ്ട്രൂഷനുകൾ നേടുന്നു. ന്യൂറൽ ഇൻഫർമേഷൻ പ്രോസസ്സിംഗ് സിസ്റ്റങ്ങളെക്കുറിച്ചുള്ള 37-ാമത് കോൺഫറൻസ് (ന്യൂറിപ്‌സ് 2023).
ഫ്രാച്ചാസ്, പിആർ തുടങ്ങിയവർ. സങ്കീർണ്ണമായ സ്പേഷ്യോടെമ്പറൽ ഡൈനാമിക്സ് പ്രവചിക്കുന്നതിനുള്ള ആവർത്തിച്ചുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകളിലെ ബാക്ക്പ്രൊപ്പഗേഷൻ അൽഗോരിതം, റിസർവോയർ കണക്കുകൂട്ടൽ. ന്യൂറൽ നെറ്റ്‌വർക്ക്. 126, 191–217 (2020).
റെയ്‌സി, എം., പെർഡികാരിസ്, പി., കർണിയാഡകിസ്, ജി.ഇ. ഫിസിക്‌സ്, കമ്പ്യൂട്ടർ സയൻസ്, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ: നോൺലീനിയർ ഭാഗിക ഡിഫറൻഷ്യൽ സമവാക്യങ്ങൾ ഉൾപ്പെടുന്ന ഫോർവേഡ്, ഇൻവേഴ്‌സ് പ്രശ്‌നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള ഒരു ആഴത്തിലുള്ള പഠന ചട്ടക്കൂട്. ജെ. കമ്പ്യൂട്ടർ. ഫിസിക്‌സ്. 378, 686–707 (2019).
ഗ്രോസ്മാൻ, ടിജി, കൊമോറോവ്സ്ക, യുജെ, ലൂട്സ്, ജെ., ഷോൺലീബ്, കെ.-ബി. ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകൾക്ക് പരിമിത മൂലക രീതികളെ മറികടക്കാൻ കഴിയുമോ? ഐഎംഎ ജെ. ആപ്ലിക്കേഷനുകൾ. ഗണിതശാസ്ത്രം. 89, 143–174 (2024).
ഡി ലാ മാറ്റ, എഫ്എഫ്, ഗിജോൺ, എ., മോളിന-സോളാന, എം., ഗോമസ്-റൊമേറോ, ജെ. ഡാറ്റാധിഷ്ഠിത മോഡലിംഗിനുള്ള ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ: ഗുണങ്ങൾ, പരിമിതികൾ, അവസരങ്ങൾ. ഭൗതികശാസ്ത്രം. എ 610, 128415 (2023).
ഷുവാങ്, പി.-വൈ. & ബാർബ, എൽഎ. ദ്രാവക മോഡലിംഗിലെ ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകളെക്കുറിച്ചുള്ള ഒരു അനുഭവപരമായ റിപ്പോർട്ട്: അപകടങ്ങളും നിരാശകളും. https://arxiv.org/abs/2205.14249 (2022) എന്നതിൽ പ്രീപ്രിന്റ് ലഭ്യമാണ്.
ഷുവാങ്, പി.-വൈ., ബാർബ, എൽഎ വോർട്ടെക്സ് രൂപീകരണത്തിൽ ഭൗതികമായി വിവരമുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകളുടെ പ്രവചന പരിമിതികൾ. https://arxiv.org/abs/2306.00230 (2023) എന്നതിൽ പ്രീപ്രിന്റ് ലഭ്യമാണ്.
വാങ്, എസ്., യു, എച്ച്., പെർഡികാരിസ്, പി. പിന്നുകൾ പരിശീലിപ്പിക്കുന്നതിൽ പരാജയപ്പെടുന്നത് എപ്പോൾ, എന്തുകൊണ്ട്: ഒരു ന്യൂറൽ ടാൻജെന്റ് ന്യൂക്ലിയസ് വീക്ഷണം. ജെ. കമ്പ്യൂട്ടർ. ഭൗതികശാസ്ത്രം. 449, 110768 (2022).
കൃഷ്ണപ്രിയൻ, എ., ഘോലാമി, എ., ഷെ, എസ്., കിർബി, ആർ., മഹോണി, എംഡബ്ല്യു. ഭൗതിക വിവര ന്യൂറൽ നെറ്റ്‌വർക്കുകളിലെ സാധ്യമായ പരാജയ മോഡുകളുടെ സവിശേഷതകൾ. ന്യൂറൽ ഇൻഫർമേഷൻ പ്രോസസ്സിംഗ് സിസ്റ്റങ്ങളെക്കുറിച്ചുള്ള 35-ാമത് കോൺഫറൻസ് വാല്യം 34, 26548–26560 (ന്യൂറിപ്സ് 2021).
ബാസിർ, എസ്., സെനോകാക്, ഐ. ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കുകളിലെ പരാജയ രീതികളെക്കുറിച്ചുള്ള ഒരു നിർണായക പഠനം. AiAA SCITECH 2022 ഫോറം 2353 (ARK, 2022) ൽ.
കർണകോവ് പി., ലിറ്റ്വിനോവ് എസ്., കൊമൗട്‌സകോസ് പി. വ്യതിരിക്ത നഷ്ടങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്തുകൊണ്ട് ഭൗതിക വിപരീത പ്രശ്നങ്ങൾ പരിഹരിക്കൽ: ന്യൂറൽ നെറ്റ്‌വർക്കുകളില്ലാതെ വേഗതയേറിയതും കൃത്യവുമായ പഠനം. പ്രക്രിയ. നാഷണൽ അക്കാദമി ഓഫ് സയൻസസ്. ശാസ്ത്രം. Nexus 3, pgae005 (2024).
ഗുണ്ടർസെൻ ഒഇ പുനരുൽപാദനക്ഷമതയുടെ അടിസ്ഥാന തത്വങ്ങൾ. ഫിൽ.ക്രോസ്. ആർ. ഷുക്കർ. എ 379, 20200210 (2021).
അരോമാറ്റാരിസ് ഇ, പിയേഴ്സൺ എ. സിസ്റ്റമാറ്റിക് റിവ്യൂസ്: ഒരു അവലോകനം. അതെ. ജെ. നഴ്സിംഗ് 114, 53–58 (2014).
മഗീര, ജെ., റേ, ഡി., ഹെസ്തവൻ, ജെ.എസ്, റോഹ്ഡെ, കെ. റീമാൻ പ്രശ്നത്തിനായുള്ള കൺസ്ട്രെയിൻറ്റ്-അവേർ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ. ജെ. കമ്പ്യൂട്ടർ. ഭൗതികശാസ്ത്രം. 409, 109345 (2020).
ബെസ്ജിൻ ഡിഎ, ഷ്മിഡ് എസ്ജെ, ആഡംസ് എൻഎ. ക്ലാസിക്കൽ അല്ലാത്ത റിഡ്യൂസ്ഡ് വോൾട്ടേജ് ഷോക്കുകൾക്കായുള്ള ഡാറ്റാധിഷ്ഠിത ഭൗതികമായി വിവരമുള്ള ഫിനിറ്റ് വോളിയം സർക്യൂട്ട്. ജെ. കമ്പ്യൂട്ടർ. ഫിസിക്സ്. 437, 110324 (2021).