Variables de estado de aprendizaje para sistemas físicos
El problema de determinar automáticamente variables de estado para sistemas físicos es difícil, pero esencial en el proceso de modelado de casi todos los procesos científicos y de ingeniería. Se propone un enfoque basado en redes neuronales profundas para encontrar variables de estado para sistemas cuyos datos se proporcionan como cuadros de video.
Descubrir leyes naturales y físicas a partir de datos experimentales a través del método científico ha desafiado a los científicos durante casi cinco siglos. Este proceso ha sido rejuvenecido por los avances recientes en el aprendizaje automático, así como por un gran aumento en el poder de cómputo, que juntos abren nuevas vías para el descubrimiento de patrones científicos: los algoritmos avanzados pueden encontrar leyes físicas examinando grandes cantidades de datos.1,2,3,4. Una vez encontradas, las ecuaciones gobernantes describen las relaciones funcionales entre variables físicamente significativas. Estos algoritmos se alimentan comúnmente con datos etiquetados y medidos de variables físicas en dimensiones bastante pequeñas. El problema anterior, determinar qué variables se necesitan para modelar un sistema físico, ha visto mucho menos progreso, pero es igualmente importante para el descubrimiento científico. En este número de Ciencias computacionales de la naturalezaChen et al.5 presentar un enfoque para descubrir un conjunto de variables que describen un proceso físico dado en forma de una secuencia de imágenes de video.
«Jugador orgulloso. Gurú del café. Alcoholico galardonado. Entusiasta de la cerveza. Estudiante. Aficionado a los zombis. Lector. Especialista en música. Aficionado a la comida».