arXiv Artificial Intelligence· Paul Setinek, Fabian Paischer, Nils Thuerey, Johannes Brandstetter, Felix Koehler·· 18 小时前AI 评分24
多保真度训练实现 PDE 神经代理的最优数据缩放
Compute-optimal data scaling for neural surrogates via multi-fidelity training
AI 导读
研究将 PDE 神经代理训练建模为数据量与保真度的联合函数，把保真度视为细粒度离散谱而非二元区分，在固定数据生成算力预算下实现帕累托最优误差缩放。采用最优保真度混合训练可匹配纯高保真训练的精度，数据生成算力最多减少 6.3 倍。结果在六类 PDE 问题、两种误差来源和四种代理架构上验证，共超过 7,000 次训练运行。
来源：arXiv Artificial Intelligence · arxiv.org