美国俄亥俄州立大学研究下一代储层计算技术
受美国空军研究实验室、陆军研究署、DARPA等资助，俄亥俄州立大学的研究人员证明非线性向量自回归可实现储层计算功能。
储层计算是一种可以根据动力系统随时间演变的数据生成模型的机器学习算法，需要的训练数据较少，算力需求也小。然而，该算法使用随机采样矩阵定义底层的循环神经网络，并且有许多必须优化的元参数，需要额外调整。近期研究表明，储层计算在数学上与非线性向量自回归机（NVAR）等同。这里，研究人员证明设计良好的NVAR可以完成较困难的储层计算任务，成为下一代储层计算技术。
数学证明表明NVAR包含传统储层计算的连接矩阵和其他参数，并且每个多项式输出线性储层计算都可以用NVAR表示。相比传统储层计算方法，NVAR直接从离散样本输入数据创建特征向量，无需神经网络；预热期仅包含时间步长，显著短于传统储层计算。利用天气系统简化模型、双旋涡电路模型测试新方法，结果表明，NVAR与优化良好的传统储层计算方法准确度相当，但训练时间和样本数量大幅减少。
这种下一代储层计算方法减少了训练数据和训练时间，有望用于流体动力学预测等任务。获取更多前沿科技 研究进展 访问：https://byteclicks.com
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/32176.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
