多保真度训练降低PDE神经代理数据算力

Paul Setinek 等作者发表论文称，将神经代理模型训练形式化为数据量与保真度的函数，在固定数据生成算力预算下把保真度视为精细离散谱而非二元区分。采用最优保真度混合训练，据称可在最多减少 6.3 倍数据生成算力的同时达到仅用高保真度训练的精度。 该结论在六个 PDE 问题、两类误差来源和四种代理架构、共 7000 余次训练中得到验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。