一种用于提升基于平衡的化学模拟性能的主动学习方法
机器学习
2024-01-26 v2 机器学习
摘要
在本文中，我们提出了一种新颖的序列数据驱动方法来处理基于平衡的化学模拟，该方法可视为一种称为主动学习（active learning）的特定机器学习方法。我们方法的基本思想是将待估计函数视为高斯过程的一个样本，这使我们能够计算函数估计的全局不确定性。得益于该估计且几乎无需调参，所提方法依次选择最相关的输入数据，在这些数据处对待估计函数进行求值以构建代理模型。因此，对待估计函数的求值次数被大幅限制。我们的主动学习方法通过数值实验进行了验证，并应用于地球科学中常用的复杂化学系统。
引用
@article{arxiv.2110.08111,
title = {An active learning approach for improving the performance of equilibrium based chemical simulations},
author = {Mary Savino and Céline Lévy-Leduc and Marc Leconte and Benoit Cochepin},
journal= {arXiv preprint arXiv:2110.08111},
year = {2024}
}
备注
22 pages, 17 figures