arXiv · cs.AI · Vivin Vinod, Peter Zaspel · 9 小时前模型评分33
自适应多保真度算法让量子化学机器学习数据生成成本最高降低 20 倍
Improvise, Adapt, Overcome: An On-The-Fly Multifidelity Algorithm for Efficient Machine Learning
导读
研究者提出自适应多保真度机器学习框架（adaptive-MFML），能在训练中动态查询各保真度样本，先在低保真度上把模型精度推到饱和再转向昂贵的高保真度计算。在从头算势能面、耦合簇能量和激发能等基准上，该算法相比单保真度方法最多降低 20 倍数据生成成本，比标准多保真度机器学习（MFML）提升最多 3 倍。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “Here, we introduce an adaptive on-the-fly multifidelity framework for machine learning that autonomously determines training dataset composition.”
来源：arXiv · cs.AI · arxiv.org