自适应在途多保真度算法降低机器学习数据成本

研究人员提出了一种自适应在途多保真度框架，旨在解决多保真度机器学习中因预定义比例导致的数据冗余问题。该算法具备自主动态查询不同保真度训练样本的能力，无需预设固定比例。在基准测试中，该自适应算法将数据生成成本降低最高 20 倍，相比标准多保真度机器学习效率提升最高 3 倍。这一方法为量子化学领域建立了一条兼顾高精度与低成本的可持续路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。