Új AI-modell fedez fel egyenleteket káoszban is: a Bayesian-ARGOS a SINDy-t is veri
A Bayesian-ARGOS nevű hibrid keretrendszer a gyakorisági szűrést bayesi következtetéssel ötvözi, jelentősen csökkentve a számítási költségeket.
Új mesterséges intelligencia keretrendszert fejlesztettek ki, amely gyorsan és elviekben is megalapozottan képes felfedezni a komplex rendszereket irányító egyenleteket — írja az ArXiv ML.
A Bayesian-ARGOS névre keresztelt modell a zajos és korlátozott megfigyelésekből is képes azonosítani ezeket az egyenleteket, ami kulcsfontosságú a predikcióhoz, a kontrollhoz és a rendszerek megértéséhez. A módszer a gyakorisági szűrést fókuszált bayesi következtetéssel kombinálja, automatizált egyenlet-felderítést tesz lehetővé, miközben elvi bizonytalansági kvantifikációt is biztosít.
A matematikai felfedezés útjai
A fejlesztők szerint a Bayesian-ARGOS a meglévő módszerek számítási költségének töredékéért működik. Hét kaotikus rendszeren tesztelték, különböző adatmennyiség és zajszint mellett, és a legtöbb forgatókönyvben felülmúlta a két legkorszerűbb módszert. Különösen a SINDy nevű, hasonló elven működő megoldást múlta felül adathatékonyságban az összes rendszer esetében, zajtűrésben pedig hat rendszerből ötnél bizonyult jobbnak.
A jövő modelljei
Ez az áttörés új távlatokat nyithat a klímamodellezés, a fizikai folyamatok előrejelzése és a modellalapú prediktív vezérlés területén. A Bayesian-ARGOS modell 2024-ben várhatóan további fejlesztéseken megy keresztül az ArXiv ML-n.