CODES：耦合 ODE 代理模型基准测试
机器学习
2024-11-21 v2 天体物理仪器与方法
计算物理
摘要
我们引入了 CODES，一个用于全面评估耦合 ODE 系统代理架构的基准。除了均方误差（MSE）和推理时间等标准指标外，CODES 还提供了对代理模型在插值、外推、稀疏数据、不确定性量化和梯度相关性等多个维度上行为的深入分析。该基准通过集成并行训练、基于 Web 的配置生成器以及预实现的基线模型和数据集等特性，强调了可用性。详尽的文档确保了可持续性，并为协作改进奠定了基础。通过提供公平且多维度的比较，CODES 帮助研究人员为其特定数据集和应用选择最合适的代理模型，同时加深了我们对代理学习行为的理解。
引用
@article{arxiv.2410.20886,
title = {CODES: Benchmarking Coupled ODE Surrogates},
author = {Robin Janssen and Immanuel Sulzer and Tobias Buck},
journal= {arXiv preprint arXiv:2410.20886},
year = {2024}
}
备注
13 pages, 10 figures, accepted for the Machine Learning and the Physical Sciences workshop at NeurIPS 2024, source code available on GitHub at https://github.com/robin-janssen/CODES-Benchmark