«`html
Выпуск PolymathicAI: «Колодец» — 15 ТБ наборов данных для пространственно-временных физических систем
PolymathicAI представила «Колодец» — обширную коллекцию наборов данных машинного обучения, содержащую численные симуляции различных пространственно-временных физических систем. С 15 терабайтами данных, охватывающими 16 уникальных наборов данных, «Колодец» включает симуляции из таких областей, как биологические системы, динамика жидкостей, акустическое рассеяние и магнито-гидродинамические симуляции, связанные с взрывами сверхновых.
Практические решения и ценность
Каждый набор данных тщательно подобран для представления сложных задач обучения, что критически важно для разработки суррогатных моделей в вычислительной физике и инженерии. Для удобства использования предоставлен унифицированный интерфейс PyTorch для обучения и оценки моделей, а также примеры базовых моделей для помощи исследователям. Эта коллекция наборов данных доступна в открытом доступе, что делает ее ценным ресурсом для исследователей машинного обучения и ученых, интересующихся физическими симуляциями.
Технические детали
«Колодец» включает разнообразные наборы данных, организованные в 15 ТБ данных, охватывающих 16 различных сценариев, от эволюции биологических систем до турбулентного поведения межзвездного вещества. Каждый набор данных состоит из временно сглаженных снимков симуляций, которые варьируются в зависимости от начальных условий или физических параметров. Эти наборы данных предлагаются в унифицированных форматах сетки и используют файлы HDF5, что обеспечивает высокую целостность данных и легкий доступ для вычислительного анализа.
Доступные базовые модели, такие как Fourier Neural Operator (FNO), Tucker-Factorized FNO (TFNO) и различные варианты архитектур U-net, иллюстрируют сложности, связанные с моделированием сложных пространственно-временных систем, предлагая эталоны для тестирования новых суррогатных моделей.
Ключевые преимущества
Разнообразие и расширяемость наборов данных в «Колодце» являются его основными преимуществами. Исследователи могут изучать широкий спектр физических явлений, используя унифицированную коллекцию наборов данных. Каждый набор данных включает метаданные и разделы для обучения/тестирования, что позволяет легко проводить бенчмаркинг различных моделей машинного обучения.
С «Колодцем» становится проще использовать машинное обучение в физических науках, что позволяет большему числу исследователей участвовать в этой области.
Заключение
«Колодец» от PolymathicAI является ценным активом для сообщества машинного обучения, особенно для исследователей, работающих над суррогатным моделированием для физических наук. Доступность этих разнообразных наборов данных способствует разработке новых моделей и улучшению существующих через строгий бенчмаркинг и тестирование. «Колодец» представляет собой важный шаг вперед в доступности стандартизированных, разнообразных и высококачественных наборов данных для физических симуляций, что делает его ключевым ресурсом для будущих достижений как в области машинного обучения, так и в физике.
«`
