L'Apprendimento Attivo Basato sulla Fisica Migliora l'Efficienza dell'Addestramento degli Operatori Neurali

Un nuovo algoritmo di apprendimento attivo, l'acquisizione basata sulla fisica, riduce la quantità di dati di addestramento necessari per gli operatori neurali che risolvono equazioni differenziali alle derivate parziali. Il metodo utilizza il residuo della PDE per guidare la selezione dei campioni, superando l'acquisizione casuale in esperimenti con le equazioni di Burgers 1D e di Navier-Stokes comprimibili 2D. Raggiunge l'efficienza dei dati allo stato dell'arte, iniettando un bias induttivo fisico, assicurando che il costo della simulazione sia speso dove la comprensione fisica del modello è più debole. L'approccio affronta un collo di bottiglia chiave nell'addestramento degli operatori neurali: gli elevati requisiti di dati. Il lavoro è descritto nel preprint arXiv 2605.21348.