Learn2Hop:学习粗糙景观的优化
Amil Merchant、Luke Metz、Samuel S Schoenholz、Ekin D Cubuk
第38届机器学习国际会议论文集,PMLR 139:7643-76532021年。
摘要
包含多个局部极小值的非凸损失曲面的优化仍然是运筹学、信息学和材料设计等领域中的一个关键问题。然而,当前的技术要么需要极高的迭代次数,要么需要大量的随机重启才能获得良好的性能。在这项工作中,我们建议通过学习各种损失景观的优化算法,使元学习的最新发展适应这些许多极小问题。我们关注原子结构优化问题,发现多原子系统的低能配置,包括广泛研究的模型,如双金属团簇和无序硅。我们发现,我们的优化器学习了一种跳跃行为,从而实现了高效的探索,并提高了低能极小值发现的速度。最后,我们学习过的优化器在以前从未见过的任务(例如新元素或组合)上显示出很有希望的泛化效果和效率提升。代码位于https://learn2hop.page.link/github。
引用本文
相关材料