Доклад выпускников CDS будет представлен на семинаре NeurIPS по машинному обучению и физическим наукам

Доклад под названием HIGAN: космический нейронный водород с генерирующими противоборствующими сетями, автором которого являются выпускники CDS, магистр наук о данных Атакан Окан и Хуан Замудио-Фернандес, был принят на семинар NeurIPS 2019 Машинное обучение и физические науки. Цель этого семинара, по словам команды, - собрать вместе компьютерных ученых, математиков и ученых-физиков, которые заинтересованы в применении машинного обучения к различным нерешенным физическим задачам, в том числе к обратным задачам; аппроксимирующие физические процессы; понимание того, что на самом деле представляет собой изученная модель; и подключение инструментов и идей из физических наук к изучению моделей машинного обучения .

Этот проект начался как краеугольный камень в сотрудничестве с Институтом Флэтайрон - Центром вычислительной астрофизики, который Хуан и Атакан позже продолжили как курс независимого исследовательского проекта. Потребность в этом проекте возникла из-за дорогостоящего в вычислительном и финансовом отношении моделирования под названием IllustrisTNG, моделирования, которое генерировало только один большой куб.

«Мы пробовали разные генеративные модели (особенно генеративные состязательные сети - GAN) и архитектуры для создания кубов с похожей структурой», - рассказала нам команда. «После месяцев испытаний и оптимизации GAN Вассерштейна и их разнообразные архитектуры начали превосходить современную астрофизическую модель, называемую распределением гало-заселенностей (HOD)». Они провели всесторонний обзор литературы, внедрили и воспроизвели современные модели, чтобы определить, какая из них работает лучше всего.

«Было здорово узнать об астрофизике и проблемах, с которыми сталкиваются ученые», - говорит команда. «Нам было полезно определить проблему за пределами классических типов задач науки о данных и предложить решение, которое ее решает». Он продолжает: «Было много понимания текущей работы, проделанной в той области, где различия в наборе данных могут повлиять на результаты проверенных архитектур / моделей производительности. Наш набор данных был чрезвычайно искажен и значительно замедлил наш прогресс ».

Семинар состоится в рамках 33-й конференции по системам обработки нейронной информации (NeurIPS) 14 декабря 2019 года.

Мэри Оливер