下一代水库计算:解决“最难的”计算机问题的新方法

人工神经网络数据计算概念

人工神经网络——水库计算的核心——已经大大简化。

一种模仿人脑工作方式的相对较新的计算方式已经在改变科学家如何处理一些最困难的信息处理问题。

现在,研究人员已经找到了一种制造所谓储层计算工作速度提高了3300到100万倍,所需的计算资源和数据输入明显减少。

事实上,在下一代水库计算的一次测试中,研究人员在台式计算机上用不到一秒钟的时间解决了一个复杂的计算问题。

这项研究的主要作者、俄亥俄州立大学物理学教授丹尼尔·高蒂尔(Daniel Gauthier)说,使用目前最先进的技术,同样的问题需要一台超级计算机来解决,而且还需要更长的时间。

Gauthier说:“与目前的水库计算相比,我们可以用更少的计算机资源在一小部分时间内完成非常复杂的信息处理任务。”。

“储层计算已经大大改善了以前的可能性。”

这项研究发表在2021年9月21日的《华尔街日报》上自然传播.

Gauthier说,水库计算是21世纪初开发的一种机器学习算法,用于解决“最难”的计算问题,如预测随时间变化的动力系统的演化。

他说,像天气这样的动力系统是很难预测的,因为在一种情况下,仅仅一个微小的变化就会产生巨大的影响。

一个著名的例子是蝴蝶效应,其中一个隐喻性的例子是,蝴蝶拍动翅膀所产生的变化最终会影响几周后的天气。

Gauthier说,以前的研究表明,水库计算非常适合学习动力系统,可以准确预测它们未来的行为。

它通过使用人工神经网络,有点像人脑。科学家将动态网络上的数据输入网络中随机连接的人工神经元的“水库”。网络产生有用的输出,科学家可以解释并反馈到网络中,从而对系统未来的发展做出越来越准确的预测。

系统越大、越复杂,科学家们希望预测越准确,人工神经元网络就必须越大,完成任务所需的计算资源和时间也就越多。

一个问题是,人工神经元的储存库是一个“黑匣子”,Gauthier说,科学家们还不知道里面到底发生了什么——他们只知道它是有效的。

Gauthier解释说,水库计算的核心人工神经网络是建立在数学基础上的。

他说:“我们让数学家研究这些网络,并问,‘在多大程度上,机器中的这些部件真的需要?’。

在这项研究中,Gauthier和他的同事研究了这个问题,发现整个水库计算系统可以大大简化,大大减少计算资源的需要,节省大量时间。

他们在一项涉及爱德华·洛伦兹开发的天气系统的预测任务中测试了他们的概念,他的工作使我们了解了蝴蝶效应。

在洛伦兹预测任务上,他们的下一代水库计算显然是当今最先进的赢家。在台式计算机上进行的一次相对简单的模拟中,新系统比当前模型快33到163倍。

但是当目标是伟大的精确在预测中,下一代水库的计算速度约为100万倍。Gauthier说,与当前一代模型所需的4000个神经元相比,新一代计算仅需28个神经元就达到了同样的精度。

加速的一个重要原因是,与当前一代相比,下一代水库计算背后的“大脑”需要更少的热身和训练才能产生相同的结果。

预热是训练数据,需要作为输入添加到油藏计算机中,以便为实际任务做好准备。

“对于我们的下一代水库计算,几乎不需要升温时间,”Gauthier说。

“目前,科学家必须输入1000或10000个数据点或更多数据点来预热。这就是丢失的所有数据,实际工作不需要这些数据。我们只需要输入一个或两个或三个数据点,”他说。

一旦研究人员准备好训练水库计算机进行预测,下一代系统需要的数据也将大大减少。

在洛伦兹预测任务的测试中,研究人员可以使用400个数据点获得与当前一代使用5000个或更多数据点产生的结果相同的结果,这取决于所需的精度。

Gauthier说:“令人兴奋的是,下一代水库计算采用了已经非常好的计算方法,使其效率显著提高。”。

他和他的同事计划将这项工作扩展到解决更困难的计算问题,例如预测流体动力学。

“这是一个极具挑战性的问题。我们想看看是否可以使用我们简化的水库计算模型来加快解决该问题的过程。”

参考文献:《下一代油藏计算》,作者Daniel J. Gauthier, Erik Bollt, Aaron Griffith和Wendson A. S. Barbosa, 2021年9月21日,自然传播.
内政部:10.1038/s41467-021-25801-2

这项研究的合著者是克拉克森大学电气和计算机工程教授埃里克·博尔特;在俄亥俄州立大学获得物理学博士学位的亚伦·格里菲斯;以及俄亥俄州立大学物理学博士后温森·巴博萨。

这项工作得到了美国空军、陆军研究办公室和国防高级研究计划署的支持。

第一个发表评论关于“下一代水库计算:解决“最难的”计算机问题的新途径”

留言

电子邮件地址是可选的。如果提供,您的电子邮件将不会被发布或共享。