ИИ ·

Учёные научили нейросети удерживать прогнозы хаотических систем в конечных пределах

Учёные из лаборатории информационных систем и систем принятия решений Массачусетского технологического института разработали способ задать физические ограничения в моделях машинного обучения для хаотических процессов. Метод даёт математическую гарантию, что прогнозируемые величины останутся в конечных пределах на сколь угодно долгом интервале.

Учёные научили нейросети удерживать прогнозы хаотических систем в конечных пределах
Изображение: MIT News

По данным о системе модель учится вычислять величину, которая играет роль энергии, и определять границу области, в которой должно оставаться состояние системы. Если прогнозируемое состояние оказывается за этой границей, слой проекции корректирует прогноз так, чтобы расчётный аналог энергии уменьшался и состояние приближалось к области.

Разработчики протестировали метод на моделях разных физических систем — от простых до сложных многомерных. Новый метод воспроизводил статистические свойства систем на длинных интервалах. Методы, с которыми его сравнивали, быстро начинали давать физически невозможные значения. Учёные подчёркивают, что новый метод применяет ограничения при расчёте прогноза. Во многих прежних подходах штраф за нарушение ограничений учитывали только при обучении модели.

По словам исследователей, метод применим к широкому спектру архитектур нейронных сетей. Команда планирует продолжать тестирование на всё более крупных системах, в том числе на реалистичных моделях погоды. Статья с описанием подхода вышла в журнале Proceedings of the National Academy of Sciences. Код опубликован в открытом доступе.

Ранее по теме: ИИ-система WorldParticle смоделирует поведение разных веществ — от песка до белков

Источник: MIT News

Читайте также