通过流式传输进行粒子网格模拟的持续学习自编码器训练
机器学习
2022-11-10 v1 人工智能
高能物理 - 理论
摘要
即将到来的百亿亿次级时代将提供新一代物理模拟。这些模拟将具有高时空分辨率，这将影响机器学习模型的训练，因为在磁盘上存储大量模拟数据几乎是不可能的。因此，我们需要为即将到来的百亿亿次级时代重新思考用于模拟的机器学习模型训练。这项工作提出了一种方法，在运行模拟的同时训练神经网络，而无需将数据存储在磁盘上。该训练流水线通过内存流式传输访问训练数据。此外，我们应用了持续学习领域的方法来增强模型的泛化能力。我们在与激光尾场加速粒子网格模拟同时训练的3D自编码器上测试了我们的流水线。此外，我们实验了各种持续学习方法及其对泛化的影响。
引用
@article{arxiv.2211.04770,
title = {Continual learning autoencoder training for a particle-in-cell simulation via streaming},
author = {Patrick Stiller and Varun Makdani and Franz Pöschel and Richard Pausch and Alexander Debus and Michael Bussmann and Nico Hoffmann},
journal= {arXiv preprint arXiv:2211.04770},
year = {2022}
}