Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Вероятностную модель частично наблюдаемой динамической системы научили сохранять устойчивость в длинных последовательных расчётах и при внешнем воздействии. Хотя препринт не рецензирован и числа получили сами авторы, новая архитектура не расходилась там, где обычный стохастический интерполянт и условная диффузионная модель давали неограниченный рост. Для климатических и физических эмуляторов это предлагает способ заложить устойчивость в устройство модели, а не подбирать её размер и штрафы в функции потерь.
Mario Massy и соавторы построили вероятностный эмулятор, который учит распределение следующего состояния по текущему, а затем многократно применяет этот переход. В его архитектуре отдельные компоненты вводят, сохраняют и рассеивают энергию: внутреннее воздействие ограничено, сохраняющая часть не меняет энергию, а рассеивающая гарантированно её уменьшает. Модель при этом продолжает учить сложные вероятностные переходы по данным и не требует уравнений исходной системы.
Из ограничения следует условие Фостера — Ляпунова: когда энергия выходит за допустимую область, её ожидаемое значение снижается. Это позволяет доказать геометрическую эргодичность — модель сходится к единственному стационарному распределению независимо от начального состояния. Доказательство также покрывает постоянное внешнее воздействие.
Метод проверяли на Lorenz-96 с частичным наблюдением. Исходная система имела 396 переменных, но эмуляторы видели только 36 медленных; скрытые переменные менялись в десять раз быстрее. При воздействии величиной в пять стандартных отклонений архитектура оставалась устойчивой при разном числе параметров, тогда как диффузионная модель могла расходиться даже при 500 тысячах параметров и минимальной ошибке на проверочных данных. Стабильный эмулятор точнее воспроизводил изменение среднего и дисперсии.
Проверка ограничена модельной системой Lorenz-96, а не полноценной климатической задачей. Математическая гарантия относится к непрерывному процессу генерации, тогда как реальный вычислительный алгоритм разбивает его на шаги. Матричные операции также дорожают с размерностью, поэтому нынешняя архитектура лучше подходит для моделей сокращённого порядка или компактного скрытого пространства.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
