计算机疑问的新方法 最难 迷信家发现一种能处置

据外媒报道，一种相对较新的模拟人脑上班模式的计算模式曾经扭转了迷信家处置一些最艰巨的信息处置疑问的模式。如今，钻研人员发现了一种方法，它可以使所谓的“储层计算”的上班速度提高 3300 到 100 万倍，而所需的计算资源和数据输入则大大缩小。

理想上，在对下一代油藏计算的一次性测试中，钻研人员在台式电脑上只用了不到一秒的期间处置了一个复杂的计算疑问。

该钻研的论文关键作者、俄亥俄州立大学的物理学传授 Daniel Gauthier 指出，经常使用目前最先进的技术，雷同的疑问须要超级计算机来处置且须要更长的期间。

Gauthier 说道：“跟目前的油藏计算相比，咱们可以用更少的计算机资源，在很短的期间内成功十分复杂的信息处置义务。与以前相比，油藏计算曾经取得了清楚的提高。”

这项钻研于 2021 年 9 月 21 日宣布在《Nature Communications》上。

Gauthier 称，水库计算是一种机器学习算法，开发于 21 世纪初，用于处置“最难中的最难”的计算疑问如预测随期间变动的能源系统的退化。

他示意，能源系统就像天气一样，是很难预测的，由于一种状况下的一个小变动或许会发生渺小的影响。一个驰名的例子就是“蝴蝶效应”，这是一个隐喻性的例子，蝴蝶扇动翅膀所发生的变动最终会影响几周后的天气。

Gauthier 示意，之前的钻研标明，储层计算十分适宜学习能源系统，可以提供关于它们未来行为的准确预测。它经过经常使用人工神经网络来做到这一点，这有点像人类的大脑。迷信家将灵活网络中的数据输入一个由随机衔接的人工神经元组成的“库”中。该网络发生有用的输入，迷信家可以解释并反应到该网络，而后建设一个越来越准确的预测，该系统将如何在未来开展。

系统越大、越复杂、迷信家宿愿预测到的结果越准确，那么人工神经元网络就必定越大、成功义务所需的计算资源和期间也就越多。

Gauthier 指出，一个疑问是，天然神经元的贮存库是一个“黑盒子”，迷信家们还不知道它外面究竟出现了什么，他们只知道它在上班。

Gauthier 称，水库计算的外围人工神经网络是建设在数学基础上的。

“咱们让数学家钻研这些网络，并问‘机器中的一切这些部件在多大水平上真的须要?’”他说道。

在这项钻研中，Gauthier 和他的共事考查了这个疑问，结果发现整个油藏计算系统可以大大简化、大大缩小对计算资源的需求及节俭少量期间。

他们在一个预告义务中测试了他们的概念，该义务触及到 Edward Lorenz 开发的天气系统，他的上班使咱们了解了蝴蝶效应。

在 Lorenz 预测义务中，他们的下一代油藏计算技术清楚优于当今的先进技术。在一台台式机上启动的一个相对便捷的模拟中，新系统比现有模型快 33 到 163 倍。

但当指标是提高预测的准确性时，下一代油藏计算速度则要快 100 万倍。Gauthier 示意，新一代的计算机只须要 28 个神经元就能到达雷同的精度，而如今的模型须要 0 个神经元。

减速的一个关键要素是，跟一代相比，下一代存储计算面前的“大脑”须要更少的热身和训练才干发生相反的结果。

热身是训练数据，这些数据须要作为输入参与到蓄水池计算机中以使其为实践义务做好预备。

“关于咱们的下一代油藏计算简直不须要热身期间，”Gauthier 说道，“目前，迷信家必定放入 1000 或 10000 个或更多的数据点来使其热身。这些都是失落的数据，在实践上班中是不须要的。咱们只须要输入一、二、三个数据点。”

一旦钻研人员预备好训练水库计算机启动预测，那么下一代系统须要的数据就会少很多。

在 Lorenz 预测义务的测试中，钻研人员经常使用 个数据点可以获取跟一代经常使用 5000 个或更少数据点发生的相反结果，这取决于所需的准确性。

Gauthier 说道：“令人兴奋的是，下一代油藏计算技术驳回了曾经十分低劣的技术，大大提高了效率。”

他和他的共事们方案将这项上班裁减到更复杂的计算疑问上，如预测流体能源学。“这是一个极具应战性的疑问。咱们想看看能否可以经常使用简化的油藏计算模型放慢处置这个疑问的进程，”Gauthier 说道。