截圖（Chaos: An Interdisciplinary Journal of Nonlinear Science）

【資料圖】

具體說(shuō)來(lái)是，該校研究人員最近發(fā)現(xiàn)的一種預(yù)測(cè)時(shí)空混沌系統(tǒng)行為的新方法，可應(yīng)對(duì)以往相當(dāng)復(fù)雜的地球天氣變化等機(jī)器學(xué)習(xí)場(chǎng)景。

當(dāng)將這一高效算法與下一代儲(chǔ)層計(jì)算相結(jié)合時(shí)，混沌系統(tǒng)可在只需傳統(tǒng)方法幾分之一的時(shí)間內(nèi)完成機(jī)器學(xué)習(xí)。

更棒的是，俄亥俄州立大學(xué)團(tuán)隊(duì)的算法能夠做到更加準(zhǔn)確。且與完成相同任務(wù)的競(jìng)爭(zhēng)機(jī)器學(xué)習(xí)算法相比，只需 1/1250 ~ 1/400 的訓(xùn)練數(shù)據(jù)來(lái)生成更好的預(yù)測(cè)。

在運(yùn)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(cè) —— 效率達(dá)到了傳統(tǒng)機(jī)器學(xué)習(xí)算法的大約 24 萬(wàn)倍！

此外由于無(wú)需借助一臺(tái)超級(jí)計(jì)算機(jī)來(lái)完成任務(wù)，新方案也極具成本優(yōu)勢(shì)。研究一作、該校物理學(xué)博士后研究員 Wendson De Sa Barbosa 表示：

這項(xiàng)研究成果的激動(dòng)人心之處，在于讓我們相信它能夠在機(jī)器學(xué)習(xí)領(lǐng)域的數(shù)據(jù)處理效率和預(yù)測(cè)準(zhǔn)確性方面取得了重大進(jìn)步。

在物理學(xué)層面上，學(xué)習(xí)預(yù)測(cè)這些極其混亂的系統(tǒng)，原本是一項(xiàng)艱巨的挑戰(zhàn)。但儲(chǔ)備池計(jì)算的深入研究，為新的科學(xué)突破和發(fā)現(xiàn)鋪平了道路。

他補(bǔ)充道：現(xiàn)代機(jī)器學(xué)習(xí)算法非常適合借助歷史數(shù)據(jù)，學(xué)習(xí)其基本物理規(guī)則來(lái)預(yù)測(cè)動(dòng)態(tài)系統(tǒng)。

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

從時(shí)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(guò)程。

據(jù)悉，為了對(duì)整個(gè)系統(tǒng)展開精確預(yù)測(cè)，科學(xué)家們必須掌握相關(guān)的每一個(gè)變量的準(zhǔn)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(guò)適當(dāng)?shù)臋C(jī)器學(xué)習(xí)算法，這項(xiàng)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(wàn)個(gè)歷史訓(xùn)練數(shù)據(jù)點(diǎn)，大幅精簡(jiǎn)到只需 400 個(gè)、同時(shí)仍可達(dá)成相同或更好的準(zhǔn)確度。

展望未來(lái)，Wendson De Sa Barbosa 希望通過(guò)進(jìn)一步研究來(lái)推動(dòng)時(shí)空模擬。因?yàn)槲覀兩钤谝粋€(gè)人類仍然知之甚少的世界，而識(shí)別這些高動(dòng)態(tài)系統(tǒng)、并學(xué)習(xí)如何更有效的預(yù)測(cè)它們，則是非常重要的。