PulseAugur
实时 03:02:56

新数据模型统一物理模拟的机器学习

研究人员推出PLAID,一个新颖的数据模型,旨在标准化和统一物理模拟中机器学习应用的数据。该框架通过容纳模拟数据的异质性(如可变几何和网格)来解决现有数据集的局限性,这对于现实世界的泛化至关重要。PLAID包含一个用于数据集构建的库、可复现的评估协议,并已与Hugging Face集成,以促进社区驱动的基准测试。 AI

影响 标准化物理学中机器学习的数据,可能加速科学发现和模拟驱动的工作流程。

排序理由 该集群描述了一篇介绍用于物理模拟机器学习的数据模型的新论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新数据模型统一物理模拟的机器学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Fabien Casenave, Xavier Roynard, Brian Staber, Alexandre Devaux-Rivi\`ere, William Piat, Michele Alessandro Bucci, Nissrine Akkari, Abbas Kabalan, Xuan Minh Vuong Nguyen, Luca Saverio, Rapha\"el Carpintero Perez, Anthony Kalaydjian, Samy Fouch\'e, Thierr… ·

    PLAID: A Unified Data Model for Machine Learning on Heterogeneous Physics Simulations

    arXiv:2505.02974v3 Announce Type: replace Abstract: Machine learning-based surrogate models have emerged as a powerful tool to accelerate simulation-driven scientific workflows, but their adoption is limited by the lack of large-scale, diverse, and standardized datasets for physi…