שוואַכע באַסעליינז און באַריכטן-בייאַס פירן צו איבער-אָפּטימיזם אין מאַשין לערנען פון פליסיק-פֿאַרבונדענע פּאַרציעלע דיפערענציאַל גלייכונגען.

א דאנק פארן באזוכן Nature.com. די ווערסיע פון בראַוזער וואָס איר ניצט האט באַגרענעצטע CSS שטיצע. פֿאַר די בעסטע רעזולטאַטן, רעקאָמענדירן מיר אַז איר זאָלט ניצן אַ נייערע ווערסיע פון אייער בראַוזער (אָדער דיאַקטיווירן קאָמפּאַטיביליטי מאָדע אין אינטערנעט עקספּלאָרער). אין דער דערווייל, צו זיכער מאַכן אָנגייענדיקע שטיצע, ווייַזן מיר דעם וועבזייטל אָן סטיילינג אָדער דזשאַוואַסקריפּט.
איינע פון די מערסט פּראָמיסינג אַפּליקאַציעס פון מאַשין לערנען אין קאַמפּיוטיישאַנאַל פיזיק איז די אַקסעלערייטיד לייזונג פון פּאַרטישאַל דיפערענציאַל גלייכונגען (PDEs). די הויפּט ציל פון אַ מאַשין לערנען-באַזירט פּאַרטישאַל דיפערענציאַל גלייכונג סאָלווער איז צו פּראָדוצירן לייזונגען וואָס זענען פּינטלעך גענוג שנעלער ווי נאָרמאַל נומערישע מעטהאָדס צו דינען ווי אַ באַזעלינע פאַרגלייַך. מיר ערשטער דורכפירן אַ סיסטעמאַטיש איבערבליק פון די מאַשין לערנען ליטעראַטור אויף סאָלווינג פּאַרטישאַל דיפערענציאַל גלייכונגען. פון אַלע די פּאַפּירן באַריכט די נוצן פון ML צו סאָלווע פליסיק פּאַרטישאַל דיפערענציאַל גלייכונגען און פאָדערן העכערקייט איבער נאָרמאַל נומערישע מעטהאָדס, מיר יידענטאַפייד 79% (60/76) קאַמפּערד צו שוואַך באַזעליינז. צווייטנס, מיר געפֿונען באַווייַזן פון וויידספּרעד באַריכט פאָרורטייל, ספּעציעל אין רעזולטאַט באַריכט און פּובליקאַציע פאָרורטייל. מיר קומען צו דעם אַז מאַשין לערנען פאָרשונג אויף סאָלווינג פּאַרטישאַל דיפערענציאַל גלייכונגען איז צו אָפּטימיסטיש: שוואַך אַרייַנשרייַב דאַטן קענען פירן צו צו positive רעזולטאַטן, און באַריכט פאָרורטייל קענען פירן צו אַנדעררעפּאָרטינג פון נעגאַטיוו רעזולטאַטן. אין גרויס טייל, די פּראָבלעמען ויסקומען צו זיין געפֿירט דורך סיבות ענלעך צו פאַרגאַנגענהייט רעפּראָדוסיביליטי קריזיסן: פאָרשער דיסקרעשאַן און positive רעזולטאַט פאָרורטייל. מיר רופן פֿאַר דנאָ-אַרויף קולטור ענדערונג צו מינאַמייז בייאַסיד באַריכט און שפּיץ-אַראָפּ סטרוקטוראַל רעפאָרם צו רעדוצירן פּערווערס ינסענטיווז צו טאָן דאָס.
די ליסטע פון מחברים און ארטיקלען גענערירט דורך די סיסטעמאטישע איבערבליק, ווי אויך די קלאסיפיקאציע פון יעדן ארטיקל אין די צופעליגע מוסטער, איז עפנטלעך צוטריטלעך ביי https://doi.org/10.17605/OSF.IO/GQ5B3 (רעף. 124).
דער קאָד וואָס מען דאַרף צו רעפּראָדוצירן די רעזולטאַטן אין טאַבעלע 2 קען מען געפֿינען אויף גיטהאַב: https://github.com/nickmcgreivy/WeakBaselinesMLPDE/ (רעף. 125) און אויף קאָד אָושאַן: https://codeocean.com/capsule/9605539/Tree/ v1 (לינק 126) און https://codeocean.com/capsule/0799002/tree/v1 (לינק 127).
ראַנדאַל, ד., און וועלסער, ק., די קריזיס פון נישט-רעפּראָדוצירבאַרקייט אין מאָדערנער וויסנשאַפֿט: אורזאַכן, קאָנסעקווענצן, און וועגן פֿאַר רעפֿאָרם (נאַציאָנאַלע אַסאָציאַציע פֿון וויסנשאַפֿטלער, 2018).
ריטשי, ס. וויסנשאפטלעכע פיקציע: ווי שווינדל, פאָרורטייל, שטילשווייגן און כייפּ אונטערמינירן די זוכעניש נאָך אמת (ווינטעדזש, 2020).
אפענע וויסנשאפטלעכע מיטארבעט. אפשאצן רעפּראָדוצירבאַרקייט אין פּסיכאָלאָגישער וויסנשאַפֿט. וויסנשאַפֿט 349, AAAC4716 (2015).
פרינץ, פ., שלאנגע, ט., און אסאדאללא, ק. גלויבט עס אדער נישט: וויפיל קענען מיר זיך פארלאזן אויף פארעפנטלעכטע דאטן וועגן מעגלעכע מעדיצין צילן? נאט. רעוו. "די אויפדעקונג פון דראגס." 10, 712 (2011).
בעגלי, ק"ג און עליס, ל"מ הייבן סטאַנדאַרדן אין פאַר-קלינישער ראַק פאָרשונג. נאַטור 483, 531–533 (2012).
א. געלמאַן און ע. לאָקען, דער גאָרטן פון פֿאַרטיילנדיקע וועגן: פארוואס קייפל פֿאַרגלייכן זענען אַ פּראָבלעם אפילו אָן "פישערייַ עקספּעדיציעס" אדער "פּ-האַקס" און פֿאָרגעפֿאָרמטע פֿאָרשונג היפּאָטעזעס, באַנד 348, 1–17 (דעפּאַרטמענט פון סטאַטיסטיק, 2013).
קאַראַגיאָרגי, ג., קאַסעקאַ, ג., קראַוויץ, ס., נחמן, ב., און שי, ד. מאַשין לערנען אין זוכן פון נייַער פונדאַמענטאַלער פיזיק. נאַציאָנאַלער דאָקטאָר פון פילאָסאָפֿיע אין פיזיק. 4, 399–412 (2022).
דאַראַ ס, דאַמערטשערלאַ ס, דזשאַדהאַוו ס"ס, באַבו סי"מ און אַהסאַן מ"דזש. מאַשין לערנען אין מעדיצין ופדעקונג: אַ רעצענזיע. אַטיף. אינטעל. רעד. 55, 1947–1999 (2022).
מאַטהער, אַ.ס. און קוטע, מ.ל. טיף לערנען אין כעמיע. דזש. כעמיע. נאָטיפיקאַציע. מאָדעל. 59, 2545–2559 (2019).
ראַדזשקאָמאַר אַ., ​​דין דזש. און קאָהאַן י. מאַשין לערנען אין מעדיצין. ניו ענגלאַנד זשורנאַל פון מעדיצין. 380, 1347–1358 (2019).
גריממער דזש, ראבערטס מע. און סטוארט ב.מ. מאַשין לערנען אין סאציאלע וויסנשאפטן: אן אגנאסטישע צוגאנג. רעוו. ען באל. סייענס. 24, 395–419 (2021).
דזשאַמפּ, דזש. און אַנדערע. מאַכן זייער פּינקטלעכע פּראָטעין סטרוקטור פאָרויסזאָגן ניצנדיק אַלפֿאַפאָלד. נאַטור 596, 583–589 (2021).
גונדערסען, אָ.ע., קאָאַקלי, ק., קירקפּאַטריק, ק., און גיל, י. קוועלער פון נישט-רעפּראָדוצירבאַרקייט אין מאַשין לערנען: א רעצענזיע. פאָרדרוק בנימצא ביי https://arxiv.org/abs/2204.07610 (2022).
סקאלי, ד., סנוק, דזש., ווילטשקא, א., און ראַהימי, א. געווינער'ס קללה? וועגן דער שנעלקייט, פּראָגרעס און שטרענגקייט פון עמפּירישע באַווייזן (ICLR, 2018).
ארמסטראנג, טי.דזשי., מאפאט, א., וועבער, וו., און זאבעל, דזש. נישט-אדיטיוו פארבעסערונגען: פארלעפיגע זוכ רעזולטאטן זינט 1998. 18טע ACM קאנפערענץ איבער אינפארמאציע און וויסן מענעדזשמענט 601–610 (ACM 2009).
קאַפּור, ס. און נאַרייַאַנאַן, א. ליקאַדזש און רעפּראָדוסיביליטי קריזיסן אין מאַשין לערנען-באַזירט וויסנשאַפֿט. פּאַטערנס, 4, 100804 (2023).
קאַפּור ס. און אַנדערע. רעפאָרם: וויסנשאַפטלעכע באַריכטן סטאַנדאַרדן באַזירט אויף מאַשין לערנען. פאָרדרוק בנימצא ביי https://arxiv.org/abs/2308.07832 (2023).
דעמאַסי, אָ., קאָרדינג, ק., און רעכט, ב. אומבאַדײַטנדיקע פֿאַרגלײַכן קענען פֿירן צו פֿאַלשן אָפּטימיזם אין מעדיצינישער מאַשין לערנען. PloS ONE 12, e0184604 (2017).
ראבערטס, מ., און אנדערע. אלגעמיינע פראבלעמען און בעסטע פראקטיקעס פארן ניצן מאשין לערנען צו דעטעקטירן און פאראויסזאגן קאוויד-19 פון ברוסט רענטגן און קאמפיוטער טאמאגראפיע. נאציאנאל מאקס. אינטעל. 3, 199–217 (2021).
ווינאַנץ ל. און אַנדערע. פּרעדיקטיוו מאָדעלן פֿאַר דער דיאַגנאָז און פּראָגנאָז פֿון קאָוויד-19: אַ סיסטעמאַטישע איבערבליק און קריטישע אָפּשאַצונג. BMJ 369, m1328 (2020).
וויילען ס., שרייבער דזש., נאבל וו.ס. און פּאָלאַרד ק.ס. איבערקומען די פּיטפאָלז פון ניצן מאַשין לערנען אין גענאָמיקס. נאַט. פּאַסטאָר דזשינעט. 23, 169–181 (2022).
אַטריס נ. און אַנדערע. בעסטע פּראַקטיקעס פֿאַר מאַשין לערנען אין כעמיע. נאַט. כעמיש. 13, 505–508 (2021).
ברונטאָן ס.ל. און קוץ דזש.נ. פּראָמיסינג אינסטרוקציעס פֿאַר מאַשין לערנען פון פּאַרציעלע דיפערענציאַל גלייכונגען. נאַט. קאַלקולירן. וויסנשאַפֿט. 4, 483–494 (2024).
ווינועזאַ, ר. און ברונטאָן, ס.ל. פֿאַרבעסערן קאָמפּיוטיישאַנאַל פֿליסיקייט דינאַמיק דורך מאַשין לערנען. נאַט. קאַלקולייט. וויסנשאַפֿט. 2, 358–366 (2022).
קאמאו, ס. און אנדערע. וויסנשאפטלעכע מאשין לערנען מיט פיזיש אינפארמירטע נעוראלע נעטוואָרקס: וואו מיר זענען איצט און וואָס איז ווייטער. דזש. סייענס. קאַלקולירן. 92, 88 (2022).
דוראַיסאַמי, ק., יאַקאַרינאָ, ג., און קסיאַאָ, ה. טורבולענץ מאָדעלירן אין דער דאַטן תקופה. רעוויזירטע אויסגאַבע פון אַן. 51, 357–377 (2019).
דוראן, ד"ר נומערישע מעטאדן פארן לייזן כוואליע גלייכונגען אין געאפיזיקאַלישער הידראָדינאַמיק, באַנד 32 (ספּרינגער, 2013).
מישרא, ס. א מאַשין לערנען פריימווערק פֿאַר אַקסעלערירן דאַטן-געטריבענע קאַמפּיוטיישאַן פון דיפערענציאַל גלייכונגען. מאַטעמאַטיק. אינזשעניר. https://doi.org/10.3934/Mine.2018.1.118 (2018).
קאטשיקאָוו ד. און אַנדערע. מאַשין לערנען – אַקסעלעראַציע פון קאַמפּיוטיישאַנאַל פלויד דינאַמיק. פּראָצעס. נאַציאָנאַלע אַקאַדעמיע פון וויסנשאַפֿטן. וויסנשאַפֿט. יו. עס. 118, e2101784118 (2021).
קאַדאַפּאַ, ק. מאַשין לערנען פֿאַר קאָמפּיוטער וויסנשאַפֿט און אינזשעניריע – אַ קורצע הקדמה און עטלעכע שליסל פּראָבלעמען. פֿאָרדרוק בנימצא ביי https://arxiv.org/abs/2112.12054 (2021).
ראָס, א., לי, ז., פּערעזשאָגין, פּ., פערנאַנדעז-גראַנדאַ, ק., און זאַנאַ, ל. פאַרגלייַכנדיקע אַנאַליז פון מאַשין לערנען אָקעאַן סובגריד פּאַראַמעטעריזאַציע אין אידעאַליזירטע מאָדעלן. דזש.אַדוו. מאָדעל. ערד סיסטעם. 15. e2022MS003258 (2023).
ליפּע, פּ., ווילינג, ב., פּערדיקאַריס, פּ., טורנער, ר., און בראַנדסטעטער, דזש. פּדע ראַפינירונג: דערגרייכן גענויע לאַנגע עקסטרוזשאַנז מיט אַ נעוראַל פּדע סאָלווער. 37סטע קאָנפֿערענץ אויף נעוראַל אינפֿאָרמאַציע פּראַסעסינג סיסטעמען (NeurIPS 2023).
פראַטשאַס, פּי־אַר און אַנדערע. באַקפּראָפּאַגאַציע אַלגערידאַם און רעזערוווואַר קאַלקולאַציע אין ריקעראַנט נעוראַל נעטוואָרקס פֿאַר פאָרויסזאָגן קאָמפּלעקסע ספּאַציאָטעמפּאָראַל דינאַמיק. נעוראַל נעטוואָרק. 126, 191–217 (2020).
ראַיסי, מ., פּערדיקאַריס, פּ. און קאַרניאַדאַקיס, GE פיזיק, קאָמפּיוטער וויסנשאַפֿט, נעוראַל נעטוואָרקס: אַ טיף לערנען פריימווערק פֿאַר סאַלווינג פאָרווערטס און ינווערס פּראָבלעמען וואָס אַרייַנציען ניט-לינעאַר פּאַרטישאַל דיפערענציאַל גלייכונגען. דזש. קאָמפּיוטער. פיזיק. 378, 686–707 (2019).
גראָסמאַן, ט.ג., קאָמאָראָווסקאַ, יו.דזש., לוץ, דזש., און שענליב, ק.-ב. קענען פיזיק-באַזירטע נעוראַל נעטוואָרקס איבערטרעפן ענדלעכע עלעמענט מעטאָדן? י.מ.א. דזש. אַפּליקאַציעס. מאַטעמאַטיק. 89, 143–174 (2024).
דע לאַ מאַטאַ, פף, גיהאָן, א., מאָלינאַ-סאָלאַנאַ, מ., און גאָמעז-ראָמעראָ, דזש. פיזיק-באַזירטע נעוראַל נעטוואָרקס פֿאַר דאַטן-געטריבן מאָדעלינג: אַדוואַנטאַגעס, לימיטיישאַנז און געלעגנהייטן. פיזיק. א 610, 128415 (2023).
זשואַנג, פּ.-י. און באַרבאַ, לאַ. אן עמפּירישער באַריכט וועגן פיזיק-באַזירטע נעוראַלע נעטוואָרקס אין פליסיק מאָדעלירן: פּיטפאָלז און אַנטוישונגען. פאָרדרוק בנימצא ביי https://arxiv.org/abs/2205.14249 (2022).
זשואַנג, פּ.-י. און באַרבאַ, לאַ. פּרעדיקטיוו לימיטיישאַנז פון פיזיקלי אינפאָרמירטע נעוראַל נעטוואָרקס אויף וואָרטעקס פאָרמאַציע. פאָרפּרינט בנימצא ביי https://arxiv.org/abs/2306.00230 (2023).
וואַנג, ס., יו, ה., און פּערדיקאַריס, פּ. ווען און פארוואס פּינס פאַרלאָזן צו טרענירן: א נעוראַל טאַנגענט קערן פּערספּעקטיוו. דזש. קאָמפּיוטער. פיזיק. 449, 110768 (2022).
קרישנאַפּרייאַן, א., גהאָלאַמי, א., זשע, ס., קירבי, ר., און מאַהאָני, MW קעראַקטעריסטיקס פון מעגלעכע דורכפאַל מאָדעס אין גשמיות אינפֿאָרמאַציע נעוראַל נעטוואָרקס. 35סטע קאָנפֿערענץ אויף נעוראַל אינפֿאָרמאַציע פּראַסעסינג סיסטעמען באַנד 34, 26548–26560 (NeurIPS 2021).
באַסיר, ס. און סענאָקאַק, י. א קריטישע שטודיע פון דורכפאַל מאָדעס אין פיזיק-באַזירטע נעוראַל נעטוואָרקס. אין AiAA SCITECH 2022 פאָרום 2353 (ARK, 2022).
קאַרנאַקאָוו פּ., ליטווינאָוו ס. און קאָומוטסאַקאָס פּ. לייזן פיזישע אינווערסע פּראָבלעמען דורך אָפּטימיזירן דיסקרעטע פארלוסטן: שנעל און פּינקטלעך לערנען אָן נעוראַלע נעטוואָרקס. פּראָצעס. נאַציאָנאַלע אַקאַדעמיע פון וויסנשאפטן. וויסנשאַפט. נעקסוס 3, פּגאַע005 (2024).
גונדערסען OE גרונטלעכע פרינציפן פון רעפּראָדוסיביליטי. פיל.קראָס. ר. שוקער. א 379, 20200210 (2021).
אַראָמאַטאַריס E און פּירסאָן A. סיסטעמאַטישע רעצענזיעס: אַן איבערבליק. יא. דזש. נורסינג 114, 53–58 (2014).
מאַגיעראַ, דזש., ריי, ד., העסטהאַווען, דזש.עס., און ראָדע, ק. באַגרענעצונג-באַוואוסטזיניקע נעוראַל נעטוואָרקס פֿאַר די רימאַן פּראָבלעם. דזש. קאָמפּיוטער. פיזיק. 409, 109345 (2020).
בעזגין ד.א., שמידט ס.דזש. און אדאמס נ.א. דאטן-געטריבענע פיזיש אינפארמירטע ענדלעכע וואליום קרייז פאר נישט-קלאסישע רעדוצירטע וואלטאזש שאקס. דזש. קאמפיוטער. פיזיק. 437, 110324 (2021).