主动学习遭遇分形决策边界：来自 Sitnikov 三体问题的警示故事
星系天体物理
2023-12-01 v1 天体物理仪器与方法
混沌动力学
摘要
诸如引力 N 体问题之类的混沌系统在天文学中无处不在。机器学习（ML）正越来越多地用于预测此类系统的演化，例如以加速模拟为目标。主动学习（AL）等策略是优化 ML 训练的自然选择。在此我们展示了在预测 Sitnikov 三体问题稳定性时的一个 AL 失败案例，该问题是显示混沌行为的 N 体问题的最简单情形。我们将此失败归因于我们分类问题决策边界的分形性质。这是在星团物理、星系动力学或宇宙学背景下通过 AL 优化大量 N 体模拟时的一个潜在陷阱。
引用
@article{arxiv.2311.18010,
title = {Active learning meets fractal decision boundaries: a cautionary tale from the Sitnikov three-body problem},
author = {Nicolas Payot and Mario Pasquato and Alessandro Alberto Trani and Yashar Hezaveh and Laurence Perreault-Levasseur},
journal= {arXiv preprint arXiv:2311.18010},
year = {2023}
}
备注
7+3 pages, 4 figures, Machine Learning and the Physical Sciences Workshop, NeurIPS 2023