Physics-Transfer Learning

新的物理迁移学习理论提升了零样本泛化能力

研究人员引入了物理迁移（PT）学习，一种旨在提高机器学习中零样本泛化能力的新颖理论，特别是在数据稀疏、高保真度的领域。该方法借鉴物理学的思想，构建复杂性链条，将更简单的源域连接到更复杂的靶域。PT学习包含可计算的指标，用于在甚至观察到靶域标签之前评估知识迁移的可靠性，为预测风险提供了操作上的上限。该框架已通过神经网络在预测量子系统能量和经典系统动力学方面进行了评估，在显著的分布变化中展示了准确的预测，并识别了不正确的物理映射。