PulseAugur
中
实时 08:29:09
English(EN) Conformal Prediction for Neural Operators: Distribution-Free Uncertainty Quantification in Physics Simulation

一致性预测为物理模拟提供新的不确定性保证

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员将分裂一致性预测（split conformal prediction）创新性地应用于基于神经算子（neural operator）的物理模拟，提供了具有正式覆盖保证的无分布预测区间。该方法应用于稳态热传导基准测试，在 0.1 的 alpha 水平下实现了 89.1% 的经验覆盖率。该方法还提供了不确定性分解，区分了认知不确定性（epistemic uncertainty）和随机不确定性（aleatoric uncertainty），并已作为开源平台提供。 AI

影响 通过提供正式的不确定性保证，增强了 AI 模型在安全关键工程应用中的可靠性。

排序理由 学术论文，详细介绍了物理模拟中不确定性量化的一种新方法。

在 arXiv cs.AI 阅读 →

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

一致性预测为物理模拟提供新的不确定性保证

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Michael Chin ·

    神经算子中的一致性预测：物理模拟中的无分布不确定性量化

    arXiv:2606.09923v1 Announce Type: cross Abstract: Neural operators such as the Fourier Neural Operator (FNO) have emerged as powerful surrogates for solving partial differential equations (PDEs), achieving speedups of several orders of magnitude over traditional numerical solvers…

相关实体

相关话题