AI और दुनिया की कठिन समस्याएँ · भौतिकी · arXiv · 2026-10-23

ML-आधारित प्रतिलोम समस्याओं में विश्वसनीय अनिश्चितताएँ: ट्रिपलेट PDF के लिए GPs, NNs और NTKs

मूल शीर्षक: Faithful Uncertainties in ML-Based Inverse Problems: GPs, NNs and NTKs for the Triplet PDF

भौतिकी की उलटी समस्याओं (inverse problems) के मशीन-लर्निंग समाधानों को केवल अच्छे केंद्रीय मानों की नहीं, बल्कि विश्वसनीय अनिश्चितताओं की भी आवश्यकता होती है। गहन-अप्रत्यास्थ प्रकीर्णन (deep-inelastic scattering) के आँकड़ों से नॉन-सिंगलेट ट्रिपलेट वितरण T3 के पुनर्निर्माण के लिए क्लोज़र-टेस्ट सेटअप का उपयोग करते हुए, लेखकों ने गाउसियन प्रोसेस, न्यूरल-नेटवर्क एन्सेम्बल और एम्पिरिकल न्यूरल टैंजेंट कर्नेल की तुलना की। समान केंद्रीय मानों वाली विधियों ने बहुत भिन्न अनिश्चितताएँ दीं, जो संभाव्यता-फलन (likelihood) के सहप्रसरण (covariance) के उपचार, फलनात्मक प्रायर और प्रशिक्षण चरण द्वारा नियंत्रित थीं, और अंशांकन (calibration) बिंदुवार चौड़ाई के बजाय पूर्वानुमान-सहसंबंधों पर निर्भर करता था।

मूल लेख पढ़ें ↗

सभी आइटम →