La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-21
AURA: adaptación de la tasa de actualización angular para entrenar redes neuronales de valores complejos
Título original: AURA: Angular Update Rate Adaptation for training complex-valued neural networks
Las redes neuronales de valores complejos suelen entrenarse con optimizadores de primer orden heredados del caso de valores reales, cuyas reglas de tamaño de paso ignoran la información angular disponible en el plano complejo. AURA es una adaptación del tamaño de paso por parámetro que puede añadirse sobre cualquier optimizador de primer orden: mide la concordancia entre actualizaciones consecutivas de cada parámetro complejo en cuanto a longitud, alineación y sentido de rotación, ampliando el paso cuando son consistentes y reduciéndolo cuando no lo son, sin evaluaciones de gradiente adicionales. Combinado con Adam y Muon y comparado en cuatro casos de prueba de complejidad creciente, mejoró la convergencia de su optimizador base en la mayoría de los casos con una pequeña sobrecarga por paso, y se identificaron las condiciones bajo las cuales falla.