اگر در حوزه مدلسازی محاسباتی و PINNs فعال هستید، این خبر برایتان جذاب خواهد بود! محققان روش نوآورانهای به نام SDZE (Stochastic Dimension-free Zeroth-order Estimator) را معرفی کردهاند که مشکل بزرگ «پیچیدگی محاسباتی» و «مصرف حافظه» در ابعاد بالا را هدف قرار داده است.
این روش با حذف نیاز به پسانتشار (Backpropagation) و استفاده از تکنیکهای هوشمندانه برای کاهش نویز و واریانس، امکان آموزش مدلهای بسیار بزرگ (در مقیاس ۱۰ میلیون بُعد) را با بهینهترین حالت حافظه فراهم میکند. یک گام بزرگ دیگر برای شبیهسازی دقیقتر پدیدههای پیچیده فیزیکی! 🧠⚙️
سازی
منبع: arXiv Machine Learning