Ievērojams sasniegums skaitļošanas jomā sarežģītu matemātikas problēmu atrisina 1 miljonu reižu ātrāk

(Wachirawit Jenlohakit/Getty Images)

Rezervuāru skaitļošana jau ir viens no vismodernākajiem un jaudīgākajiem veidiem mākslīgais intelekts kas ir zinātnieku rīcībā, un tagad jauns pētījums izklāsta, kā noteiktos uzdevumos to padarīt pat miljons reižu ātrāku.

Tas ir aizraujošs notikums, kad runa ir par vissarežģītāko skaitļošanas problēmu risināšanu, sākot no laikapstākļu prognozēšanas un beidzot ar šķidrumu plūsma caur noteiktu telpu.

Šādu problēmu risināšanai tika izstrādāta šāda veida resursietilpīga skaitļošana; tagad jaunākie jauninājumi padarīs to vēl noderīgāku. Šī jaunā pētījuma komanda to sauc par nākamās paaudzes rezervuāru skaitļošanu.



'Mēs varam veikt ļoti sarežģītus informācijas apstrādes uzdevumus daļējā laika, izmantojot daudz mazāk datora resursu, salīdzinot ar to, ko pašlaik spēj veikt rezervuāra skaitļošana.' saka fiziķis Daniels Gotjē , no Ohaio štata universitātes.

'Un rezervuāru skaitļošana jau bija ievērojams uzlabojums salīdzinājumā ar to, kas iepriekš bija iespējams.'

Rezervuāru skaitļošanas pamatā ir ideja par neironu tīklimašīnmācība sistēmas, kuru pamatā ir dzīvu smadzeņu darbības veids – kuras ir apmācītas pamanīt modeļus plašā datu daudzumā. Parādiet neironu tīklam, piemēram, tūkstoš suņa attēlu, un tam vajadzētu būt diezgan precīzam, lai atpazītu suni nākamajā reizē, kad tas parādās.

Sīkāka informācija par papildu jaudu, ko sniedz rezervuāra skaitļošana, ir diezgan tehniska. Būtībā process nosūta informāciju 'rezervuārā', kur datu punkti ir saistīti dažādos veidos. Pēc tam informācija tiek nosūtīta no rezervuāra, analizēta un atgriezta mācību procesā.

Tas dažos veidos padara visu procesu ātrāku un vairāk pielāgojamu mācību secībām. Bet tas lielā mērā ir atkarīgs arī no nejaušas apstrādes, kas nozīmē, kas notiek iekšā rezervuārs nav kristāldzidrs. Lai lietotu inženiertehnisko terminu, tā ir “melnā kaste” — tā parasti darbojas, bet neviens īsti nezina, kā un kāpēc.

Ar jauno pētījumu, kas tikko tika publicēts, rezervuāru datorus var padarīt efektīvākus, noņemot randomizāciju. Tika izmantota matemātiskā analīze, lai noskaidrotu, kuras rezervuāra datora daļas ir patiešām svarīgas tā darbībai un kuras nav. Atbrīvošanās no šiem liekajiem bitiem paātrina apstrādes laiku.

Viens no gala rezultātiem ir tāds, ka ir nepieciešams mazāks “iesildīšanās” periods: šeit neironu tīkls tiek ievadīts ar apmācību datiem, lai to sagatavotu uzdevumam, kas tam jāveic. Pētnieku komanda šeit veica ievērojamus uzlabojumus.

'Mūsu nākamās paaudzes rezervuāru skaitļošanai gandrīz nav nepieciešams sasilšanas laiks.' saka Gotjē .

'Pašlaik zinātniekiem ir jāievieto 1000 vai 10 000 vai vairāk datu punktu, lai to uzsildītu. Un tie ir visi dati, kas tiek zaudēti, kas nav nepieciešami faktiskajam darbam. Mums ir jāievada tikai viens vai divi vai trīs datu punkti.

Viens īpaši sarežģīts prognozēšanas uzdevums tika izpildīts mazāk nekā sekundē standarta galddatorā, izmantojot jauno sistēmu. Izmantojot pašreizējo rezervuāra skaitļošanas tehnoloģiju, viens un tas pats uzdevums aizņem ievērojami ilgāku laiku pat superdatorā.

Jaunā sistēma izrādījās no 33 līdz 163 reizēm ātrāka atkarībā no datiem. Tomēr, kad uzdevuma mērķis tika novirzīts uz precizitātes prioritāti, atjauninātais modelis bija 1 miljonu reižu ātrāks.

Šis ir tikai sākums šim īpaši efektīvajam neironu tīkla veidam, un pētnieki, kas atrodas aiz tā, cer, ka nākotnē tas būs pretrunā ar sarežģītākiem uzdevumiem.

'Aizraujoši ir tas, ka šī nākamās paaudzes rezervuāru skaitļošana izmanto to, kas jau bija ļoti labs, un padara to ievērojami efektīvāku.' saka Gotjē .

Pētījums ir publicēts Dabas sakari .

Populārākas Kategorijas: Vidi , Skaidrotājs , Dabu , Viedoklis , Sabiedrību , Telpa , Cilvēkiem , Neklasificēts , Tech , Veselība ,

Par Mums

Neatkarīgu, Pārbaudītu Faktu Publicēšana Par Veselību, Telpu, Dabu, Tehnoloģijām Un Vidi.