کمزوري اساسات او د راپور ورکولو تعصب د مایع پورې اړوند جزوي توپیري معادلو په ماشین زده کړه کې د ډیر خوشبینۍ لامل کیږي.

د Nature.com د لیدلو لپاره مننه. د هغه براوزر نسخه چې تاسو یې کاروئ محدود CSS ملاتړ لري. د غوره پایلو لپاره، موږ سپارښتنه کوو چې تاسو د خپل براوزر نوې نسخه وکاروئ (یا په انټرنیټ اکسپلورر کې د مطابقت حالت غیر فعال کړئ). په عین حال کې، د دوامداره ملاتړ ډاډ ترلاسه کولو لپاره، موږ سایټ د سټایل کولو یا جاواسکریپټ پرته ښیې.
په کمپیوټري فزیک کې د ماشین زده کړې یو له خورا ژمنو غوښتنلیکونو څخه د جزوي توپیر مساواتو (PDEs) ګړندی حل دی. د ماشین زده کړې پر بنسټ د جزوي توپیر مساواتو حل کونکي اصلي هدف دا دی چې داسې حلونه تولید کړي چې د معیاري شمیري میتودونو په پرتله کافي ګړندي وي ترڅو د اساس پرتله کولو په توګه خدمت وکړي. موږ لومړی د جزوي توپیر مساواتو حل کولو په اړه د ماشین زده کړې ادبیاتو سیستماتیک بیاکتنه ترسره کوو. د ټولو هغو مقالو څخه چې د مایع جزوي توپیر مساواتو حل کولو لپاره د ML کارولو راپور ورکوي او د معیاري شمیري میتودونو په پرتله د غوره والي ادعا کوي، موږ د ضعیف اساساتو په پرتله 79٪ (60/76) پیژندلي. دوهم، موږ د پراخ راپور ورکولو تعصب شواهد وموندل، په ځانګړي توګه د پایلو راپور ورکولو او خپرولو تعصب کې. موږ دې پایلې ته رسیدلي یو چې د جزوي توپیر مساواتو حل کولو په اړه د ماشین زده کړې څیړنه خورا خوشبینه ده: د معلوماتو ضعیف معلومات کولی شي ډیرې مثبتې پایلې رامینځته کړي، او د راپور ورکولو تعصب کولی شي د منفي پایلو کم راپور ورکولو لامل شي. په لویه برخه کې، دا ستونزې د تیرو تکثیر بحرانونو ته ورته فکتورونو له امله رامینځته شوي ښکاري: د پلټونکي امتیاز او د مثبت پایلو تعصب. موږ د تعصب راپور ورکولو کمولو لپاره له ښکته څخه پورته کلتوري بدلون او له پورته څخه ښکته جوړښتي اصلاحاتو غوښتنه کوو ترڅو د دې کولو لپاره منحرف هڅونې کمې کړو.
د لیکوالانو او مقالو لیست چې د سیستماتیک بیاکتنې لخوا رامینځته شوی، او همدارنګه په ناڅاپي نمونه کې د هرې مقالې طبقه بندي، په عامه توګه په https://doi.org/10.17605/OSF.IO/GQ5B3 (ref. 124) کې شتون لري.
هغه کوډ چې د جدول ۲ کې د پایلو د بیا تولید لپاره اړین دی په GitHub کې موندل کیدی شي: https://github.com/nickmcgreivy/WeakBaselinesMLPDE/ (ref. 125) او په کوډ اوشین کې: https://codeocean.com/capsule/9605539/Tree/ v1 (لینک 126) او https://codeocean.com/capsule/0799002/tree/v1 (لینک 127).
رینډل، ډي.، او ویلسر، کې.، په عصري ساینس کې د نه تولید وړ بحران: لاملونه، پایلې، او د اصلاحاتو لارې (د ساینس پوهانو ملي ټولنه، ۲۰۱۸).
ریچي، ایس. ساینسي افسانه: څنګه درغلۍ، تعصب، چوپتیا، او مبالغه د حقیقت لټون کمزوری کوي (وینټیج، ۲۰۲۰).
پرانیستې علمي همکاري. په رواني علومو کې د تکثیر وړتیا ارزونه. ساینس 349، AAAC4716 (2015).
پرینز، ایف.، شلانج، ټي.، او اسدالله، کې. باور وکړئ یا نه: موږ څومره د احتمالي مخدره توکو اهدافو په اړه خپاره شوي معلوماتو باندې تکیه کولی شو؟ نیټ. ریورنډ. "د مخدره توکو کشف." 10، 712 (2011).
بیګلي، کی جي او ایلیس، ایل ایم د سرطان دمخه څیړنې کې د معیارونو لوړول. طبیعت 483، 531-533 (2012).
الف. ګیلمن او ای. لوکن، د فورکینګ لارو باغ: ولې څو پرتلنې حتی د "کب نیولو عملیاتو" یا "p-hacks" او مخکینۍ څیړنې فرضیې پرته هم یوه ستونزه ده، جلد 348، 1-17 (د احصایې څانګه، 2013).
کاراګیورګي، جي.، کاسیکا، جي.، کراویتز، ایس.، ناچمن، بي.، او شی، ډي. د نوي بنسټیز فزیک په لټه کې د ماشین زده کړه. نیټ. د فزیک په برخه کې د فلسفې ډاکټر. ۴، ۳۹۹–۴۱۲ (۲۰۲۲).
دارا ایس، ډیمرچرلا ایس، جادهو ایس ایس، بابو سي ایم او احسن ایم جي. د مخدره توکو په کشف کې د ماشین زده کړه: یوه بیاکتنه. عاطف. انټل. ایډ. ۵۵، ۱۹۴۷-۱۹۹۹ (۲۰۲۲).
میتر، اېس او کوټ، ایم ایل په کیمیا کې ژوره زده کړه. جي. کیمیا. خبرتیا. ماډل. ۵۹، ۲۵۴۵–۲۵۵۹ (۲۰۱۹).
راجکومار اې.، ډین جي. او کوهان اې. په طب کې د ماشین زده کړه. د طب د نیو انګلینډ ژورنال. ۳۸۰، ۱۳۴۷-۱۳۵۸ (۲۰۱۹).
ګریمر جي، رابرټس ایم ای او سټیوارټ بي ایم په ټولنیزو علومو کې د ماشین زده کړه: یو اګنوسټیک چلند. ریورډ ان بال. ساینس. ۲۴، ۳۹۵–۴۱۹ (۲۰۲۱).
جمپ، جي. او نور. د الفافولډ په کارولو سره د پروټین جوړښت خورا دقیق وړاندوینې وکړئ. نیچر 596، 583-589 (2021).
ګونډرسن، او ای، کوکلي، کې.، کرکپټریک، کې.، او ګیل، وای. د ماشین زده کړې کې د نه تولید سرچینې: یوه بیاکتنه. مخکې چاپ په https://arxiv.org/abs/2204.07610 (2022) کې شتون لري.
سکلي، ډي.، سنوک، جي.، ولټسکو، اې.، او رحیمي، اې. د ګټونکي لعنت؟ د تجربوي شواهدو په سرعت، پرمختګ او سختۍ باندې (ICLR، ۲۰۱۸).
آرمسټرانګ، ټي جي، موفات، اې.، ویبر، ډبلیو، او زوبیل، جي. غیر اضافه کونکي پرمختګونه: له ۱۹۹۸ راهیسې د لومړني لټون پایلې. د معلوماتو او پوهې مدیریت په اړه د ACM ۱۸م کنفرانس ۶۰۱-۶۱۰ (ACM ۲۰۰۹).
کپور، ایس او ناراینان، اې. د ماشین زده کړې پر بنسټ ساینس کې د لیک او تکثیر بحرانونه. نمونې، ۴، ۱۰۰۸۰۴ (۲۰۲۳).
کپور ایس. او نور اصلاحات: د ماشین زده کړې پر بنسټ د ساینسي راپور ورکولو معیارونه. مخکې چاپ په https://arxiv.org/abs/2308.07832 (2023) کې شتون لري.
ډیماسي، او.، کورډینګ، سي.، او ریچټ، بي. بې معنی پرتله کول کولی شي د طبي ماشین زده کړې کې غلط خوشبینۍ ته لار هواره کړي. PloS ONE 12، e0184604 (2017).
رابرټس، ایم، او نور. د سینې ایکس رې او کمپیوټري ټوموګرافي څخه د COVID-19 کشف او وړاندوینې لپاره د ماشین زده کړې کارولو لپاره عام زیانونه او غوره عملونه. نیټ. میکس. انټیل. 3، 199-217 (2021).
وینانټز ایل او نور. د COVID-19 د تشخیص او وړاندوینې لپاره وړاندوینې ماډلونه: یو سیستماتیک بیاکتنه او انتقادي ارزونه. BMJ 369، m1328 (2020).
ویلین ایس، شریبر جي، نوبل ډبلیو ایس او پولارډ KS په جینومیک کې د ماشین زده کړې کارولو زیانونو باندې بریالي کیدل. نیټ. پادری جینیټ. ۲۳، ۱۶۹-۱۸۱ (۲۰۲۲).
اتریس این. او نور. په کیمیا کې د ماشین زده کړې لپاره غوره طریقې. نیټ. کیمیکل. ۱۳، ۵۰۵-۵۰۸ (۲۰۲۱).
برونټن ایس ایل او کوټز جي این د جزوي توپیري مساواتو د ماشین زده کړې لپاره ژمنې لارښوونې. نیټ. محاسبه. ساینس. ۴، ۴۸۳-۴۹۴ (۲۰۲۴).
وینوسا، آر. او برنټون، ایس ایل د ماشین زده کړې له لارې د کمپیوټري مایع متحرکاتو ښه کول. نیټ. محاسبه. ساینس. 2، 358-366 (2022).
کامیو، ایس. او نور. د فزیکي پلوه باخبره عصبي شبکو سره د ساینسي ماشین زده کړه: موږ اوس چیرته یو او راتلونکی څه دی. جي. ساینس. محاسبه. 92، 88 (2022).
دورایسامي، کې.، یاکارینو، جي.، او ژیاو، ایچ. د معلوماتو په دوره کې د ټربولنس ماډلینګ. د ان. ۵۱، ۳۵۷-۳۷۷ (۲۰۱۹) اصلاح شوی نسخه.
دوران، ډي آر په جیوفیزیکل هایدروډینامیک کې د څپو د معادلو د حل لپاره عددي میتودونه، ټوک ۳۲ (سپرینګر، ۲۰۱۳).
مشرا، ایس. د توپیري مساواتو د معلوماتو پر بنسټ محاسبې ګړندي کولو لپاره د ماشین زده کړې چوکاټ. ریاضي. انجینر. https://doi.org/10.3934/Mine.2018.1.118 (2018).
کوچیکوف ډي. او نور. د ماشین زده کړه - د کمپیوټري مایع متحرکاتو ګړندی کول. پروسه. د علومو ملي اکاډمۍ. ساینس. امریکا 118، e2101784118 (2021).
کډاپا، ک. د کمپیوټر ساینس او انجینرۍ لپاره د ماشین زده کړه - لنډه پیژندنه او ځینې مهمې مسلې. مخکې چاپ په https://arxiv.org/abs/2112.12054 (2021) کې شتون لري.
راس، اې.، لي، زي.، پيريژوګين، پي.، فرنانډيز-ګرانډا، سي.، او زنا، ايل. په مثالي ماډلونو کې د سمندر د فرعي ګریډ پیرامیټر کولو ماشین زده کړې مقایسوي تحلیل. جي. اېډ. ماډل. د ځمکې سیسټم. ۱۵. e2022MS003258 (۲۰۲۳).
لیپ، پي.، ویلنګ، بي.، پردیکاریس، پي.، ټرنر، آر.، او برانډسټیټر، جي. د PDE تصفیه: د عصبي PDE حل کونکي سره دقیق اوږد اخراج ترلاسه کول. د عصبي معلوماتو پروسس کولو سیسټمونو په اړه 37م کنفرانس (نیوریپس 2023).
فراچاس، پي آر او نور. د پیچلي ځایي وخت متحرکاتو وړاندوینې لپاره په تکراري عصبي شبکو کې د بیک پروپاګیشن الګوریتم او د زیرمو محاسبه. عصبي شبکه. ۱۲۶، ۱۹۱-۲۱۷ (۲۰۲۰).
رایسي، ایم.، پردیکاریس، پی. او کارنیاډاکیس، جي ای فزیک، کمپیوټر ساینس، عصبي شبکې: د غیر خطي جزوي توپیر مساواتو سره تړلي د مخکینۍ او معکوس ستونزو حل کولو لپاره د ژورې زده کړې چوکاټ. جي. کمپیوټر. فزیک. ۳۷۸، ۶۸۶-۷۰۷ (۲۰۱۹).
ګروسمن، ټي جي، کومورووسکا، يو جي، لوټز، جي، او شونليب، کي-بي. ایا د فزیک پر بنسټ عصبي شبکې کولی شي د محدود عنصر میتودونو څخه غوره کار وکړي؟ IMA جي. غوښتنلیکونه. ریاضي. 89، 143-174 (2024).
ډی لا ماتا، ایف ایف، ګیجون، اې.، مولینا-سولانا، ایم.، او ګومیز-رومیرو، جي. د معلوماتو پر بنسټ ماډلینګ لپاره د فزیک پر بنسټ عصبي شبکې: ګټې، محدودیتونه، او فرصتونه. فزیک. اې ۶۱۰، ۱۲۸۴۱۵ (۲۰۲۳).
ژوانګ، پي.-ي. او باربا، ايل اي د مایع ماډلینګ کې د فزیک پر بنسټ د عصبي شبکو په اړه یو تجربوي راپور: نیمګړتیاوې او مایوسي. مخکې چاپ په https://arxiv.org/abs/2205.14249 (2022) کې شتون لري.
ژوانګ، پي.-ي. او باربا، ايل اي د ورټیکس جوړښت په اړه د فزیکي پلوه خبر شوي عصبي شبکو وړاندوینې محدودیتونه. مخکې چاپ په https://arxiv.org/abs/2306.00230 (2023) کې شتون لري.
وانګ، ایس.، یو، ایچ.، او پردیکاریس، پي. کله او ولې پنونه په روزنه کې پاتې راځي: د عصبي ټانجینټ نیوکلیوس لید. جي. کمپیوټر. فزیک. ۴۴۹، ۱۱۰۷۶۸ (۲۰۲۲).
کرشناپریان، اې.، غولامي، اې.، ژې، ایس.، کربي، آر.، او ماهوني، ایم ډبلیو د فزیکي معلوماتو عصبي شبکو کې د ممکنه ناکامۍ طریقو ځانګړتیاوې. د عصبي معلوماتو پروسس کولو سیسټمونو په اړه ۳۵م کنفرانس ټوک ۳۴، ۲۶۵۴۸–۲۶۵۶۰ (نیوریپس ۲۰۲۱).
بصیر، ایس او سینوکاک، آی. د فزیک پر بنسټ عصبي شبکو کې د ناکامۍ طریقو یوه انتقادي مطالعه. په AiAA SCITECH 2022 فورم 2353 (ARK، 2022) کې.
کارناکوف پي.، لیتوینوف ایس. او کوموتساکوس پي. د جلا ضایعاتو د اصلاح کولو له لارې د فزیکي معکوس ستونزو حل کول: د عصبي شبکو پرته ګړندی او دقیق زده کړه. پروسه. د علومو ملي اکاډمۍ. ساینس. Nexus 3، pgae005 (2024).
ګونډرسن OE د تکثیر وړتیا اساسي اصول. Phil.cross. R. Shuker. A 379، 20200210 (2021).
اروماتاریس ای او پیرسن اې. سیستماتیک بیاکتنې: یوه عمومي کتنه. هو. جي. نرسنګ ۱۱۴، ۵۳-۵۸ (۲۰۱۴).
میګیرا، جي.، ری، ډي.، هیستاوین، جي ایس، او روهډ، کې. د ریمن ستونزې لپاره د محدودیت څخه خبر عصبي شبکې. جي. کمپیوټر. فزیک. ۴۰۹، ۱۰۹۳۴۵ (۲۰۲۰).
د غیر کلاسیک کم شوي ولټاژ شاکونو لپاره د معلوماتو لخوا پرمخ وړل شوي فزیکي پلوه معلوماتي محدود حجم سرکټ. جي. کمپیوټر. فزیک. ۴۳۷، ۱۱۰۳۲۴ (۲۰۲۱).