《亲爱的数据》出品
当大气雾霾影响气候变得越来越常见,科学家会想知道影响是如何发生的。
但是,如果让计算机模拟这复杂的自然现象,需要巨大的算力,以及超长的时间。即使用最快的超级计算机模拟也要花上几个小时。
除此之外,科学家常用一个典型的计算机模拟程序,计算物理作用力如何影响原子、云团乃至星系。这些都可以理解为超级复杂的系统。
好消息是人工智能开始助力这一领域。仿真器基于人工智能机器学习技术,模拟输入和输出,仿真器会寻找规律,并学习推测模拟程序将对新的输入进行怎样的处理。
《亲爱的数据》出品
将机器学习的深度神经网络用于新的仿真器,可以识别出给定任务中数据效率最高的连接模式,而且,需要的模拟训练很少。
Melody Guan是斯坦福大学(Stanford University)的机器学习博士生,她专注于机器学习隐私、安全性、可解释性和公平性。在此之前,她在谷歌大脑(Google Brain)从事深度强化学习的研究,在量化金融机构DE Shaw从事金融交易。她拥有哈佛大学统计学专业的硕士学位和化学与物理专业的学士学位,是位美女学霸。
《亲爱的数据》出品
编辑这种技术被称为深度仿真器网络搜索(DENSE),它依赖于Melody Guan开发的一种通用神经结构搜索。她说,“非常兴奋”看到她的工作被用于“科学发现”。
领导这项研究的英国牛津大学物理学家Muhammad Kasim表示,其团队的研究是以她的研究为基础进行的,因为它平衡了准确性和效率。
《亲爱的数据》出品
研究人员使用DENSE技术开发了10个仿真器,分别用于物理、天文、地质和气候科学领域。DENSE的仿真器表现出色,其速度比其他模拟器快10万到20亿倍。而且,这些仿真器非常精确:天文仿真器的结果与全模拟的一致性超过99.9%,在10次模拟中,神经网络仿真器比传统仿真器要好得多。(完)
《亲爱的数据》出品
出品人:谭婧
《亲爱的数据》出品
领取专属 10元无门槛券
私享最新 技术干货