基于AI的仿真器可实现数十亿倍的仿真速度

给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识与大家分享。希望大家看完之后会喜欢。

对于大规模模拟来说，加快两倍速度很重要，这可以在经常被预订的机器上节省大量时间(以及精力和金钱)。现在，斯坦福大学和牛津大学的研究人员使用深度学习来加快模拟速度，而不牺牲准确性，速度提高了数十亿倍。

大多数模拟都是从零开始，一次构建一个系统，例如一个细胞、一个气候或一个星系，然后让它们按照一套规则和其他输入进行操作，以产生结果并回答问题。该模拟器允许研究人员向机器学习模型中输入一系列输入和相应的输出，从而有助于加快过程。之后，模拟器将尝试预测给定输入集的输出。然而，为模拟器生成训练数据和优化架构意味着多次运行昂贵的模拟，从而削弱了计算优势。

这些研究人员采用了不同的方法：一种叫做“深度模拟器网络搜索”(DEXED)的工具。DENSE在输入和输出之间添加随机输入，测试添加的层是否提高了性能，并在每次迭代中快速训练模型。密集模拟器也可以解决逆问题，其中可以确定输出预测的最佳参数。基于斯坦福大学Melody Guan联合开发的方法的DENSE告诉《科学》杂志，她很高兴看到自己的作品被用于科学发现。

研究人员在论文摘要中写道：“这种方法在10个科学案例中成功地将模拟加速了多达20亿次，这些案例包括天体物理学、气候科学、生物地球化学、高能量密度物理、聚变能和地震学。同样的超级架构、算法和超级参数。”

更令人印象深刻的是，最终的模拟器(在GPU上运行最快)已经达到了非常高的精度水平，在天文模拟中达到了99.9%的一致性。研究人员写道：“与架构模拟器中常用的其他非深度学习技术相比，DENSE发现和训练的模型在所有测试用例中都取得了最好的结果，并且在大多数情况下都取得了可观的收益。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！