通过进化优化一个流体力学计算储层
摘要：用复杂的材料基质进行计算的研究正在扩展，因为对计算资源的需求达到了前所未有的水平。在本研究中，我们使用一家初创公司开发的水动力系统模型作为计算储备器进行接口，并利用物质进化方法优化其性能。输入数据被编码为应用于我们的浅水储备器的波，并且在固定的检测点获取读数波高。我们使用进化搜索算法优化读数时间以及如何将输入映射到波幅或频率，目标是通过最大化读数矩阵行列式来最大化系统在训练数据中线性分离观测变量的能力。将进化方法应用于这个储备器系统，在XNOR任务中与手动选择参数实现相比，大大改善了可分离性。我们还将我们的方法应用于回归任务，并展示了我们的方法如何提高样本外准确性。本研究的结果将指导我们在未来的工作中如何与物理储备器进行接口，并利用这些方法继续优化该计算储备器系统的其他方面的物理实现。
作者：Alessandro Pierro, Kristine Heiney, Shamit Shrivastava, Giulia Marcucci, Stefano Nichele
论文ID：2304.10610
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-04-24