今日視點：科學家找到基于儲備池計算的先進機器學習算法

截圖（Chaos: An Interdisciplinary Journal of Nonlinear Science）

【資料圖】

具體說來是，該校研究人員最近發(fā)現(xiàn)的一種預(yù)測時空混沌系統(tǒng)行為的新方法，可應(yīng)對以往相當復(fù)雜的地球天氣變化等機器學習場景。

當將這一高效算法與下一代儲層計算相結(jié)合時，混沌系統(tǒng)可在只需傳統(tǒng)方法幾分之一的時間內(nèi)完成機器學習。

更棒的是，俄亥俄州立大學團隊的算法能夠做到更加準確。且與完成相同任務(wù)的競爭機器學習算法相比，只需 1/1250 ~ 1/400 的訓(xùn)練數(shù)據(jù)來生成更好的預(yù)測。

在運行 Windows 10 操作系統(tǒng)的筆記本電腦上，新算法在幾分之一秒內(nèi)做出的預(yù)測 —— 效率達到了傳統(tǒng)機器學習算法的大約 24 萬倍！

此外由于無需借助一臺超級計算機來完成任務(wù)，新方案也極具成本優(yōu)勢。研究一作、該校物理學博士后研究員 Wendson De Sa Barbosa 表示：

這項研究成果的激動人心之處，在于讓我們相信它能夠在機器學習領(lǐng)域的數(shù)據(jù)處理效率和預(yù)測準確性方面取得了重大進步。

在物理學層面上，學習預(yù)測這些極其混亂的系統(tǒng)，原本是一項艱巨的挑戰(zhàn)。但儲備池計算的深入研究，為新的科學突破和發(fā)現(xiàn)鋪平了道路。

他補充道：現(xiàn)代機器學習算法非常適合借助歷史數(shù)據(jù)，學習其基本物理規(guī)則來預(yù)測動態(tài)系統(tǒng)。

一旦擁有了足夠的數(shù)據(jù)和計算能力，便可使用 ML 模型對現(xiàn)實世界中的任何復(fù)雜模型系統(tǒng)展開預(yù)測。

從時鐘的擺錘、到電網(wǎng)的中斷，這樣的系統(tǒng)可涵蓋任何物理過程。

據(jù)悉，為了對整個系統(tǒng)展開精確預(yù)測，科學家們必須掌握相關(guān)的每一個變量的準確信息、以及描述這些變量之間關(guān)系的模型方程 —— 其難度高到幾乎不可能。

但通過適當?shù)臋C器學習算法，這項新研究中使用的大氣天氣示例，可將先前工作中用到的近 50 萬個歷史訓(xùn)練數(shù)據(jù)點，大幅精簡到只需 400 個、同時仍可達成相同或更好的準確度。

展望未來，Wendson De Sa Barbosa 希望通過進一步研究來推動時空模擬。因為我們生活在一個人類仍然知之甚少的世界，而識別這些高動態(tài)系統(tǒng)、并學習如何更有效的預(yù)測它們，則是非常重要的。