MetaNOR：一种用于超材料建模的元学习非局部算子回归方法
材料科学
2022-06-07 v1 机器学习
机器学习
摘要
我们提出 MetaNOR，一种基于非局部算子回归的迁移学习算子的元学习方法。总体目标是为具有不同微结构的新的未知材料学习任务高效提供代理模型。该算法包括两个阶段：(1) 从已有任务中学习通用的非局部核表示；(2) 迁移所学知识，并利用少量测试样本为具有不同材料的未见任务快速学习代理算子。我们将 MetaNOR 应用于建模一维超材料内的波传播，显示出对新材料的采样效率有显著提升。
引用
@article{arxiv.2206.02040,
title = {MetaNOR: A Meta-Learnt Nonlocal Operator Regression Approach for Metamaterial Modeling},
author = {Lu Zhang and Huaiqian You and Yue Yu},
journal= {arXiv preprint arXiv:2206.02040},
year = {2022}
}