Оптимизация подпространства с доступом к компонентам || 25 сен. 2026 г.

Докладчики, институты и название доклада 1) Встречайте Дабгара, NIT Surat, и Адитью Л. Качхадию, независимого исследователя, «Оптимизация подпространства доступа к компонентам: переосмысление направленной представленности в скаляризованном научном обучении» Аннотация: Многие задачи обучения в машинном обучении, основанном на физических принципах и научных данных, минимизируют скаляризованные целевые функции, построенные из гетерогенных компонентов — остатков дифференциальных уравнений в частных производных, граничных и начальных условий, а также специфических для задачи потерь. Существующие подходы решают проблему дисбаланса между этими компонентами путем перевзвешивания потерь или разрешения конфликтов градиентов. В этом докладе рассматривается другое, дополнительное препятствие: даже когда потери компонента включены и его градиент хорошо согласован с агрегированным обновлением, направление этого компонента может быть лишь слабо представлено в допустимом локальном пространстве обновлений оптимизатора. Мы представляем диагностику на основе проекций для этого разрыва в представленности и подход к оптимизации с уменьшенным подпространством, который расширяет локальное пространство решений направлением недопредставленной компоненты, выбранной с использованием критерия, зависящего от данных и вычисленного до обучения. Я представлю эмпирические результаты на наборе из 11 задач, основанных на физических принципах решения дифференциальных уравнений в частных производных, а также междоменные оценки в задачах плотного многозадачного зрения, оптимизации инженерного проектирования и оптимального управления, сравнивая их с широко используемыми базовыми моделями обучения PINN. Доклад будет посвящен эмпирическим результатам и диагностической структуре; некоторые методологические детали не приводятся, поскольку соответствующая рукопись в настоящее время находится на рассмотрении.