AI এবং বিশ্বের কঠিন সমস্যাগুলো · তাত্ত্বিক কম্পিউটার বিজ্ঞান · arXiv · 2026-10-20

সস্তা ফিজিক্স কখন সাহায্য করে? প্রমাণযোগ্য নমুনা সাশ্রয় এবং কনফর্মাল গ্যারান্টিসহ গেটেড মাল্টি-ফিডেলিটি ফিজিক্স-ইনফর্মড নেটওয়ার্ক

মূল শিরোনাম: When Does Cheap Physics Help? Gated Multi-Fidelity Physics-Informed Networks with Provable Sample Savings and Conformal Guarantees

প্যারামেট্রিক PDE-এর হাই-ফিডেলিটি সিমুলেশন ব্যয়বহুল, সস্তা লো-ফিডেলিটি মডেলে পক্ষপাত থাকে, আর এগুলি প্রকৃতপক্ষে কখন হাই-ফিডেলিটি সমাধানের সংখ্যা কমায় তা এতদিন অস্পষ্ট ছিল। স্যাম্পল-কমপ্লেক্সিটি বিশ্লেষণের দিকনির্দেশনায় লেখকেরা GaMF-PINN প্রস্তাব করেন—একটি গেটেড মাল্টি-ফিডেলিটি ফিজিক্স-ইনফর্মড নেটওয়ার্ক, যা শেখে কোথায় লো-ফিডেলিটি মডেলের ওপর ভরসা করতে হবে এবং অন্যত্র শুধু-পদার্থবিদ্যা-নির্ভর শেখায় ফিরে যায়; সঙ্গে থাকে একটি ফাংশন-লেভেল কনফরমাল পদ্ধতি, যা অন্তত 1-alpha সম্ভাবনায় সম্পূর্ণ হাই-ফিডেলিটি সমাধানকে ধারণকারী অনিশ্চয়তা ব্যান্ড প্রদান করে। প্রকাশিত MFPDE-Bench-এ এটি হাই-ফিডেলিটি সমাধানের সংখ্যা 8x পর্যন্ত কমিয়ে একটি স্ট্যান্ডার্ড হাই-ফিডেলিটি PINN-এর সঙ্গে মিলে যায়, লো-ফিডেলিটি মডেল ইচ্ছাকৃতভাবে নষ্ট করা হলেও দৃঢ় থাকে, এবং সেখানে নামমাত্র কভারেজ অর্জন করে যেখানে Bayesian PINN ও ডিপ এনসেম্বল কম-ই কভার করে।

মূল লেখা পড়ুন ↗

সব আইটেম →