研究人员开发了一种优化黑盒模拟器的新方法,这些模拟器通常不可微分且计算成本高昂。该方法涉及学习一个策略来指导可微分代理模型的训练。然后,利用该代理模型的梯度通过 SGD 优化模拟参数。该技术分摊了下游优化的成本,与现有的贝叶斯优化和数值优化等方法相比,所需的模拟器调用次数减少了 10 倍。 AI
影响 该方法可以显著降低训练和优化复杂模拟模型的计算成本,从而加速各个科学和工程领域的研发。
排序理由 该集群包含一篇详细介绍黑盒优化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hugging Face
- SGD
- Simulating, Fast and Slow: Learning Policies for Black-Box Optimization
- Tim Bakker
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →