科学NNサロゲートの関数空間不確実性を低次元化する手法

2次最適化を用いたニューラルサロゲートに対し、MCMCに頼らず関数空間における事後分布を低次元化する手法を提案した。特異関数に基づく主要変形モードを抽出することで、微分や積分を伴う物理量への不確実性伝播を劇的に高速化した。

• ニューラルネットワークの多数の相関パラメータによる不確実性評価の難しさを解決する手法を開発した。
• 収束時の勾配と曲率から線形写像を構成し、主要な変動モードを低次元ガウス係数としてモデル化した。
• 模擬銀河円盤モデルにてパラメータ数を2桁削減しつつ99%の分散を捕獲し、0.8秒で4000回の事後描画伝播を達成した。

原文タイトル: NestyNet. II. Coherent Function-Space Posteriors from Scientific Neural Surrogates (or How to Avoid Expensive MCMC)

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。