AdaLED(自适应发光二极管) swMATH ID: 46601 软件作者: 伊维卡·基奇;Vlachas,Pantelis R。;乔治·阿兰帕齐斯(Georgios Arampatzis);米歇尔·查兹马诺拉基斯(Michail Chatzimanolakis);吉巴斯、列奥尼达斯;彼得罗·库穆塔科斯 描述: 复杂系统在线建模有效动力学的自适应学习。预测模拟对于从天气预报到材料设计的各种应用都至关重要。这些仿真的准确性取决于它们捕捉有效系统动力学的能力。大规模并行仿真通过解析所有时空尺度来预测系统动力学,通常以阻止实验为代价。另一方面,降阶模型速度很快,但往往受到系统动力学线性化和所采用的启发式闭包的限制。我们提出了一种新的系统框架,该框架将大规模仿真和降阶模型连接起来,以自适应地提取和预测多尺度系统的有效动力学(AdaLED)。AdaLED使用自动编码器识别系统动力学的降阶表示,并使用概率递归神经网络(RNN)集成作为潜在时间步进器。该框架在计算解算器和代理解算器之间交替使用,加速学习的动力学,同时将以前学习的动力学状态留给原始解算器。AdaLED通过在线培训不断调整代理以适应新的动态。代理项和计算解算器之间的转换是通过监控代理项的预测准确性和不确定性来确定的。AdaLED的有效性在三个不同的系统上得到了证明——范德波尔振荡器、2D反应扩散方程和2D Navier-Stokes流过不同雷诺数(400到1200)的圆柱体,显示了其在线学习有效动力学、检测未知动力学状态和提供净加速的能力。据我们所知,AdaLED是第一个将代理模型与计算解算器耦合以实现有效动力学在线自适应学习的框架。对于需要大量计算昂贵模拟的应用程序,它是一个强大的工具。 主页: https://arxiv.org/abs/2304.01732 源代码: https://github.com/cselab/adaled 依赖项: 蟒蛇 关键词: 自适应降阶建模;计算机模拟;机器学习;在线实时学习;持续学习;Navier-Stokes方程 相关软件: GitHub公司;odmd(odmd);OctNet公司;亚当;自动DEUQ;gLaSDI公司;LaSDI公司;隔间AMR;pybind11 引用于: 1文件 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 复杂系统在线建模有效动力学的自适应学习。 Zbl 07736320号伊维卡·基奇;潘泰利斯·R·弗拉查斯。;乔治·阿兰帕齐斯;米歇尔·查兹马诺拉基斯;列奥尼达斯·吉巴斯;彼得罗·库穆塔科斯 2023 全部的 前5名6位作者引用 1 乔治·阿兰帕齐斯 1 米歇尔·查兹马诺拉基斯 1 列奥尼达斯·约翰·吉巴斯 1 伊维卡·基奇 1 Petros D.库穆塔科斯。 1 潘泰利斯·R·弗拉查斯。 连载1篇 1 应用力学与工程中的计算机方法 在2个字段中引用 1 流体力学(76-XX) 1 统计力学,物质结构(82-XX) 按年份列出的引文