勞倫斯·利弗莫爾國家實(shí)驗(yàn)室（LLNL）的科學(xué)家報(bào)告說，由神經(jīng)網(wǎng)絡(luò)支持的替代模型在性能上和在某些方面要比計(jì)算昂貴的模擬器好，并且在某些方面要好一些，并且可能導(dǎo)致對(duì)諸如慣性約束聚變（ICF）等復(fù)雜物理問題的新見解。

在美國國家科學(xué)院院刊（PNAS）上發(fā)表的一篇論文中，LLNL研究人員描述了深度學(xué)習(xí)驅(qū)動(dòng)的流形與循環(huán)一致（MaCC）替代模型的開發(fā)，該模型結(jié)合了能夠快速準(zhǔn)確模擬的多模式神經(jīng)網(wǎng)絡(luò)。復(fù)雜的科學(xué)過程，包括ICF中涉及的高能密度物理學(xué)。

該研究小組將該模型應(yīng)用于在國家點(diǎn)火設(shè)施（NIF）進(jìn)行的ICF爆破中，該爆破中使用了計(jì)算成本高的數(shù)值模擬器來預(yù)測由該設(shè)施的高能激光產(chǎn)生的沖擊波所爆破的目標(biāo)的能量產(chǎn)出。將神經(jīng)網(wǎng)絡(luò)支持的替代結(jié)果與現(xiàn)有模擬器進(jìn)行比較，研究人員發(fā)現(xiàn)該替代可以充分復(fù)制該模擬器，并且在廣泛的指標(biāo)范圍內(nèi)，其替代模型的性能明顯優(yōu)于當(dāng)前最新水平。

“我們正在處理的一個(gè)主要問題是‘當(dāng)您擁有大量不同類型的數(shù)據(jù)時(shí)，如何開始使用機(jī)器學(xué)習(xí)？”LLNL的計(jì)算機(jī)科學(xué)家兼主要作者Rushil Anirudh說?！拔覀兲岢龅慕ㄗh是通過找到一個(gè)公共空間來找到所有這些模式，例如高壓或高溫，并在該空間中進(jìn)行分析，從而使問題更簡單。我們要說的是，深度學(xué)習(xí)可以捕獲所有這些模式之間的重要關(guān)系。不同的數(shù)據(jù)源，并為我們提供了所有數(shù)據(jù)的緊湊表示?！?/p>

Anirudh補(bǔ)充說：“這樣做的好處不僅在于它使分析變得容易，因?yàn)楝F(xiàn)在您擁有所有這些模態(tài)的共同空間，而且我們還表明，這樣做實(shí)際上可以為您提供更好的模型，更好的分析并且客觀上比基線方法更好?！?/p>

Anirudh解釋說，使用神經(jīng)網(wǎng)絡(luò)可以在一秒鐘之內(nèi)完成同樣需要數(shù)值模擬器半小時(shí)才能完成的模擬。計(jì)算機(jī)科學(xué)家和合著者Timo Bremer解釋說，也許比節(jié)省計(jì)算時(shí)間更有價(jià)值，這是深度學(xué)習(xí)替代模型在ICF測試用例中分析大量復(fù)雜的高維數(shù)據(jù)的能力。用于庫存現(xiàn)代化工作。結(jié)果表明，這種方法可能會(huì)導(dǎo)致新的科學(xué)發(fā)現(xiàn)以及執(zhí)行和分析仿真的全新技術(shù)。

Bremer解釋說，這對(duì)于NIF尤為重要，因?yàn)榭茖W(xué)家們尚未完全理解為什么模擬與實(shí)驗(yàn)之間存在差異。將來，深度學(xué)習(xí)模型可能會(huì)激發(fā)出以前不存在的功能，并為科學(xué)家提供一種方法來分析從每個(gè)NIF鏡頭的診斷收集到的大量X射線圖像，傳感器數(shù)據(jù)和其他信息，包括布雷默說，之所以沒有被合并是因?yàn)槠渲刑嗟臇|西無法由人類單獨(dú)進(jìn)行分析。

布雷默說：“該工具為我們提供了一種將模擬與實(shí)驗(yàn)聯(lián)系起來的根本不同的方式?！薄巴ㄟ^建立這些深度學(xué)習(xí)模型，它使我們能夠直接預(yù)測模擬數(shù)據(jù)的全部復(fù)雜性。利用這個(gè)共同的潛在空間將所有這些不同的模式和不同的診斷方法相關(guān)聯(lián)，并使用該空間將實(shí)驗(yàn)與模擬聯(lián)系起來，不僅對(duì)于特定的科學(xué)領(lǐng)域，而且對(duì)于試圖將計(jì)算科學(xué)與實(shí)驗(yàn)科學(xué)相結(jié)合的一切事物，都是非常有價(jià)值的。這可能以目前尚不可行的方式潛在地帶來新的見解?！?/p>

將替代模型的預(yù)測結(jié)果與通常用于ICF實(shí)驗(yàn)的模擬器進(jìn)行比較，研究人員發(fā)現(xiàn)，MaCC替代在誤差和預(yù)期的能量產(chǎn)出量方面與模擬器幾乎沒有區(qū)別，并且比其他類型的替代模型更準(zhǔn)確。研究人員說，MaCC模型成功的關(guān)鍵是正向和反向模型的耦合以及對(duì)它們的數(shù)據(jù)訓(xùn)練。代理模型使用數(shù)據(jù)輸入進(jìn)行預(yù)測，然后通過逆模型運(yùn)行這些預(yù)測，以從輸出中估計(jì)輸入可能是什么。Anirudh說，在訓(xùn)練過程中，代理人的神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了與逆模型兼容，這意味著錯(cuò)誤不會(huì)像以前那樣積累太多。

“我們正在探索這種自洽的概念，”阿尼魯?shù)陆忉屨f?！拔覀儼l(fā)現(xiàn)將反問題納入代理建模過程實(shí)際上是必不可少的。這使問題更具數(shù)據(jù)效率，并且更加健壯。當(dāng)將這兩部分放在一起時(shí)，反模型和所有模態(tài)的公共空間，您將獲得具有所有其他這些理想屬性的宏偉的代理模型-它在數(shù)據(jù)量較少的情況下更高效，更好，并且還可以對(duì)抽樣工件進(jìn)行恢復(fù)?！?/p>

研究小組表示，基于機(jī)器學(xué)習(xí)的替代方法的好處在于，它們可以加快極其復(fù)雜的計(jì)算，并有效地比較各種數(shù)據(jù)源，而無需科學(xué)家掃描大量數(shù)據(jù)。研究人員說，隨著模擬器變得越來越復(fù)雜，產(chǎn)生更多的數(shù)據(jù)，這種替代模型將成為科學(xué)發(fā)現(xiàn)的基本補(bǔ)充工具。

計(jì)算機(jī)科學(xué)家兼合著者Jayaraman Thiagarajan說：“即使模擬變得更加復(fù)雜，我們構(gòu)建的工具也將非常有用。”“明天我們將獲得新的計(jì)算能力，更大的超級(jí)計(jì)算機(jī)和更準(zhǔn)確的計(jì)算，并且這些技術(shù)將仍然適用。我們驚訝地發(fā)現(xiàn)，您可以為基礎(chǔ)的復(fù)雜仿真生產(chǎn)非常強(qiáng)大的仿真器，而這在其中變得非常重要?！?/p>

蒂亞加拉揚(yáng)繼續(xù)說：“只要您可以使用數(shù)學(xué)模型近似基礎(chǔ)科學(xué)，我們探索太空的速度就會(huì)變得非常非?？臁@有望在將來幫助我們更快地，更迅速地發(fā)現(xiàn)科學(xué)成果。我們相信，即使我們將其用于特定的應(yīng)用程序，該方法仍可廣泛應(yīng)用于一般的科學(xué)保護(hù)傘?！?/p>

研究人員說，MaCC替代模型可以適應(yīng)模式，新類型的傳感器或成像技術(shù)的任何未來變化。由于其靈活性和準(zhǔn)確性，該模型及其深度學(xué)習(xí)方法（在LLNL中被稱為“認(rèn)知模擬”或簡稱為CogSim）正被應(yīng)用于實(shí)驗(yàn)室內(nèi)的許多其他項(xiàng)目，并正在過渡到計(jì)劃性工作，包括努力在不確定性量化，武器物理設(shè)計(jì)，磁約束聚變和其他激光項(xiàng)目中。

MaCC是實(shí)驗(yàn)室更廣泛的認(rèn)知模擬總監(jiān)倡議的關(guān)鍵產(chǎn)品，由首席研究員和LLNL物理學(xué)家Brian Spears領(lǐng)導(dǎo)，并通過實(shí)驗(yàn)室指導(dǎo)研究與開發(fā)（LDRD）計(jì)劃資助。該計(jì)劃旨在推進(jìn)廣泛的AI技術(shù)和計(jì)算平臺(tái)，這些技術(shù)和計(jì)算平臺(tái)旨在通過更有效地將精確度仿真與實(shí)驗(yàn)數(shù)據(jù)結(jié)合來改善科學(xué)預(yù)測。通過專注于關(guān)鍵任務(wù)空間的需求以及AI帶來的機(jī)遇和計(jì)算進(jìn)步，該計(jì)劃幫助了LLNL在將AI應(yīng)用于科學(xué)方面的領(lǐng)先地位。

Spears說：“ MaCC結(jié)合多個(gè)與科學(xué)相關(guān)的數(shù)據(jù)流的能力為各種新分析打開了大門。”“這將使我們能夠從迄今為止尚無法訪問的最有價(jià)值，關(guān)鍵任務(wù)的實(shí)驗(yàn)和仿真數(shù)據(jù)集中提取信息。與新的相關(guān)CogSim工具套件一起充分利用這些信息將迅速而直接地改善預(yù)測性楷模?！?/p>